常用R包-dplyr

2024-04-19 08:33:28 浏览数 (2)

dplyr是一个在R语言中非常流行的数据处理包，它提供了许多功能强大且易于使用的函数，包括 select、 filter、mutate、arrange和summarize 等。这些功能使得dplyr成为数据清洗、处理和分析的首选包。

一、安装和加载R包

镜像设置（清华源和中科大源）options——安装install——加载library/ require

CRAN网站R包安装命令

代码语言：cpp复制
install.packages("dplyr")

Biocductor网站R包安装命令

代码语言：cpp复制
BiocManager::install("dplyr")

三部曲

代码语言：cpp复制
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))  
options(BioC_mirror="https://mirrors.ustc.edu.cn/bioc/")  
install.packages("dplyr") 
library(dplyr)

二、首先创建示例数据框

仍直接使用内置数据集iris，并简化

代码语言：cpp复制
test <- iris[c(1:2,51:52,101:102),]

三、dplyr基础函数

1、filter()筛选行

代码语言：cpp复制
filter(test, Species == "setosa")
代码语言：cpp复制
filter(test, Species == "setosa"&Sepal.Length > 5 )
代码语言：cpp复制
filter(test, Species %in% c("setosa","versicolor"))

2、筛选列

mutate(),新增列
代码语言：cpp复制
mutate(test, new = Sepal.Length * Sepal.Width)

(1)按列号筛选

代码语言：cpp复制
select(test,1)
代码语言：cpp复制
select(test,c(1,5))
代码语言：cpp复制
select(test,Sepal.Length)

(2)按列名筛选

代码语言：cpp复制
select(test, Petal.Length, Petal.Width)
代码语言：cpp复制
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))

3、arrange()

按某1列或某几列对整个表格进行排序

代码语言：cpp复制
arrange(test, Sepal.Length)#默认从小到大排序
代码语言：cpp复制
arrange(test, desc(Sepal.Length))#用desc从大到小

对列进行排序，升序

代码语言：cpp复制
sorted_data <- arrange(data,列名）
sorted_data

4、summarise()：汇总

对数据进行汇总操作,结合group_by使用实用性强

代码语言：cpp复制
summarise(test, mean(Sepal.Length), sd(Sepal.Length))
# 计算Sepal.Length的平均值和标准差
代码语言：cpp复制
# 先按照Species分组，计算每组Sepal.Length的平均值和标准差
group_by(test, Species)
代码语言：cpp复制
summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))

5、其他

管道操作 %>% (cmd/ctr shift M)

（加载任意一个tidyverse包即可用管道符号）

代码语言：cpp复制
test %>% 
  group_by(Species) %>% 
  summarise(mean(Sepal.Length), sd(Sepal.Length
count统计某列的unique值
代码语言：cpp复制
count(test,Species)

6、dplyr处理关系数据

即将2个表进行连接

代码语言：cpp复制
test1 <- data.frame(x = c('b','e','f','x'), 
                    z = c("A","B","C",'D'))
test1
代码语言：cpp复制
test2 <- data.frame(x = c('a','b','c','d','e','f'), 
                    y = c(1,2,3,4,5,6))
test2

（1）內连inner_join,取交集

代码语言：cpp复制
inner_join(test1, test2, by = "x")

（2）左连left_join

代码语言：cpp复制
left_join(test1, test2, by = 'x')
代码语言：cpp复制
left_join(test2, test1, by = 'x')

（3）全连full_join

代码语言：cpp复制
full_join( test1, test2, by = 'x')

（4）半连接：返回能够与y表匹配的x表所有记录semi_join

代码语言：cpp复制
semi_join(x = test1, y = test2, by = 'x')

（5）反连接：返回无法与y表匹配的x表的所记录anti_join

代码语言：cpp复制
anti_join(x = test2, y = test1, by = 'x')

（6）简单合并

在相当于base包里的cbind()函数和rbind()函数;注意，bind_rows()函数需要两个表格列数相同，而bind_cols()函数则需要两个数据框有相同的行数

代码语言：cpp复制
test1 <- data.frame(x = c(1,2,3,4), y = c(10,20,30,40))
test1
代码语言：cpp复制
test2 <- data.frame(x = c(5,6), y = c(50,60))
test2
代码语言：cpp复制
test3 <- data.frame(z = c(100,200,300,400))
test3
代码语言：cpp复制
bind_rows(test1, test2)
代码语言：cpp复制
bind_cols(test1, test3)
r语言

0 人点赞