「R」dplyr 包使用

2020-07-03 12:49:07 浏览数 (1)

管道操作

主要目的是减少不必要的中间变量x %>% f(y)其实是f(x, y)

代码语言：javascript复制
by_species <- iris %>%  
     group_by(Species)
summary的用法

summary()函数会对 列 进行处理，并且 创建新的列表 ，简单来说就是把向量作为输入值，输出单个数值。

  • summarise(.data, ...)
代码语言：javascript复制
> summarise(mtcars, avg = mean(mpg))
       avg
1 20.09062

⚠️：当summarise的时候，想要用到原来的列名，又想要继续对列处理，记得加``符号把列名括住，比如：

代码语言：javascript复制
summarise(`Sig1` = mean(Sig1),
            `Sig2` = mean(Sig2),
            `Sig3` = mean(Sig3),
            `Sig4` = mean(Sig4),
            `Sig5` = mean(Sig5),
            `Sig6` = mean(Sig6))
  • count(x, ..., wt = NULL, sort = FALSE)按照...这个列内容是否相同的进行分组，计算同一组有多少 行。

参数： x：数据 ...：根据哪列对数据进行分组 wt： sort：

代码语言：javascript复制
> count(iris, Species)
# A tibble: 3 x 2
  Species        n
  <fct>      <int>
1 setosa        50
2 versicolor    50
3 virginica     50
  • summarise_all(.tbl, .funs, enquo(.funs), caller_env(), ...)对所有列进行function处理
  • summarise_at()对特定的列进行function处理
  • summarise_if()对所有属于一个类型的列进行处理
group的用法
  • group_by(.data, ..., add = FALSE)根据...对数据进行分组后返回，不会保存成新数据，需要另外赋值

参数：add = FALSE 原始数据基础上加新的分类

  • ungroup(x, ...)分组后，返回没有分组的数据，除去之前的分组（不是必须的操作）
基本操作

对行的基本操作

  • filter(.data, ...)筛选出符合...的数据
  • distinct(.data, ..., .keep_all = FALSE)根据...查看不重复的数据

参数：.keep_all TRUE表示保留其他列，FALSE表示仅保留这一列

代码语言：javascript复制
> distinct(iris, Species, .keep_all = FALSE)
     Species
1     setosa
2 versicolor
3  virginica

> distinct(iris, Species, .keep_all = TRUE)
  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1          5.1         3.5          1.4         0.2     setosa
2          7.0         3.2          4.7         1.4 versicolor
3          6.3         3.3          6.0         2.5  virginica
  • slice(.data, ...)根据具体位置选 行
代码语言：javascript复制
> slice(iris, 10:15)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          4.9         3.1          1.5         0.1  setosa
2          5.4         3.7          1.5         0.2  setosa
3          4.8         3.4          1.6         0.2  setosa
4          4.8         3.0          1.4         0.1  setosa
5          4.3         3.0          1.1         0.1  setosa
6          5.8         4.0          1.2         0.2  setosa
  • arrange(.data, ...)根据列的内容对 行进行升序排列，加上desc()就是降序
代码语言：javascript复制
arrange(mtcars, mpg) %>% head()
arrange(mtcars, desc(mpg)) %>% head()
  • add_row(.data, ..., .before = NULL, .after = NULL)增加一行或多行 举例：增加eruptions值是1，waiting值是1的一行
代码语言：javascript复制
add_row(faithful, eruptions = 1, waiting = 1)
操作变量
  • pull(,data, var = -1)提取数据框中某列内容出来
代码语言：javascript复制
> pull(iris, Sepal.Length)
  [1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9 5.4 4.8 4.8 4.3 5.8 5.7 5.4 5.1 5.7
 [20] 5.1 5.4 5.1 4.6 5.1 4.8 5.0 5.0 5.2 5.2 4.7 4.8 5.4 5.2 5.5 4.9 5.0 5.5 4.9
 [39] 4.4 5.1 5.0 4.5 4.4 5.0 5.1 4.8 5.1 4.6 5.3 5.0 7.0 6.4 6.9 5.5 6.5 5.7 6.3
 [58] 4.9 6.6 5.2 5.0 5.9 6.0 6.1 5.6 6.7 5.6 5.8 6.2 5.6 5.9 6.1 6.3 6.1 6.4 6.6
 [77] 6.8 6.7 6.0 5.7 5.5 5.5 5.8 6.0 5.4 6.0 6.7 6.3 5.6 5.5 5.5 6.1 5.8 5.0 5.6
 [96] 5.7 5.7 6.2 5.1 5.7 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3 6.7 7.2 6.5 6.4 6.8 5.7
[115] 5.8 6.4 6.5 7.7 7.7 6.0 6.9 5.6 7.7 6.3 6.7 7.2 6.2 6.1 6.4 7.2 7.4 7.9 6.4
[134] 6.3 6.1 7.7 6.3 6.4 6.0 6.9 6.7 6.9 5.8 6.8 6.7 6.7 6.3 6.5 6.2 5.9
  • select(.data, ...)根据各种条件在数据框中提取数据 举例：
代码语言：javascript复制
> select(iris, Sepal.Length, Species)
    Sepal.Length    Species
1            5.1     setosa
2            4.9     setosa
3            4.7     setosa
  • mutate(.data, ...)生成新列
代码语言：javascript复制
> mutate(mtcars, gpm = 1/mpg)
    mpg cyl  disp  hp drat    wt  qsec vs am gear carb        gpm
1  21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4 0.04761905
2  21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4 0.04761905
3  22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1 0.04385965
  • transmute(.data, ...)只显示新生成的列
代码语言：javascript复制
> transmute(mtcars, gpm = 1/mpg)
          gpm
1  0.04761905
2  0.04761905
3  0.04385965
  • mutate_all(.tbl, .funs, ...)把.funs函数应用到数据框的每列
代码语言：javascript复制
> faithful
    eruptions waiting
1       3.600      79
2       1.800      54
3       3.333      74
代码语言：javascript复制
> mutate_all(faithful, funs(log(.), log2(.)))
    eruptions waiting eruptions_log waiting_log eruptions_log2 waiting_log2
1       3.600      79     1.2809338    4.369448      1.8479969     6.303781
2       1.800      54     0.5877867    3.988984      0.8479969     5.754888
3       3.333      74     1.2038728    4.304065      1.7368213     6.209453
  • mutate_if(data, 判断条件, funtion)
代码语言：javascript复制
> mutate_if(iris, is.numeric, funs(log(.)))
    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1       1.629241   1.2527630   0.33647224 -1.60943791     setosa
2       1.589235   1.0986123   0.33647224 -1.60943791     setosa
3       1.547563   1.1631508   0.26236426 -1.60943791     setosa
  • mutate_at(.tbl, .cols, .funs, ...)把函数应用到数据框指定的列 举例：vars(-Species)表示除了这列，对其他的进行运算
代码语言：javascript复制
> mutate_at(iris, vars(-Species), funs(log(.)))
    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1       1.629241   1.2527630   0.33647224 -1.60943791     setosa
2       1.589235   1.0986123   0.33647224 -1.60943791     setosa
3       1.547563   1.1631508   0.26236426 -1.60943791     setosa
  • add_column(.data, ..., .before = NULL, .after = NULL)增加新的一列 举例：
代码语言：javascript复制
> add_column(mtcars, new = 1:32)
                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb new
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4   1
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4   2
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1   3
  • rename(.data, 新名 = 旧名)对列重命名
代码语言：javascript复制
> rename(iris, Length = Sepal.Length)
    Length Sepal.Width Petal.Length Petal.Width    Species
1      5.1         3.5          1.4         0.2     setosa
2      4.9         3.0          1.4         0.2     setosa
3      4.7         3.2          1.3         0.2     setosa
处理行名
  • rownames_to_column()把行名变成第一列的内容

举例：

代码语言：javascript复制
> a <- rownames_to_column(iris, var = "C")
> head(a)
  C Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 1          5.1         3.5          1.4         0.2  setosa
2 2          4.9         3.0          1.4         0.2  setosa
3 3          4.7         3.2          1.3         0.2  setosa
4 4          4.6         3.1          1.5         0.2  setosa
5 5          5.0         3.6          1.4         0.2  setosa
6 6          5.4         3.9          1.7         0.4  setosa
  • column_to_rownames()把第一列作为行名

举例： 注意，把列的内容转换成行名的时候，该列的内容不能够存在重复

代码语言：javascript复制
> b <- column_to_rownames(iris, var = "Species")
Error in `.rowNamesDF<-`(x, value = value) : 
  duplicate 'row.names' are not allowed
In addition: Warning message:
non-unique values when setting 'row.names': ‘setosa’, ‘versicolor’, ‘virginica’ 
> b <- column_to_rownames(a, var = "C")
> b
    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
1            5.1         3.5          1.4         0.2     setosa
2            4.9         3.0          1.4         0.2     setosa
3            4.7         3.2          1.3         0.2     setosa
4            4.6         3.1          1.5         0.2     setosa
5            5.0         3.6          1.4         0.2     setosa
6            5.4         3.9          1.7         0.4     setosa

根据列整合数据框

  • bind_cols()把两个数据框合并，两个数据框的行数要一致
代码语言：javascript复制
> d1 <- data.frame(1:2) 
> d1
  X1.2
1    1
2    2
> d2 <- data.frame(1:3) 
> d2
  X1.3
1    1
2    2
3    3
> bind_cols(d1,d2)
Error: Argument 2 must be length 2, not 3
  • left_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)把数据框y中和x匹配上的进行整合

⚠️by = c("col1", "col2", "col3", ...)举例：left_join(x, y, by = "A")

⚠️：by = c("col1" = "col2")举例：left_join(x, y, by = c("C" = "D"))把y数据框中D列的内容当作索引，把y根据索引C去匹配x数据框中D中的内容，匹配上就把y中其他列的内容根据索引组合上去。

⚠️：suffix两个数据框中有相同名称的列，即使不匹配也保留相同的名称 举例：left_join(x, y, by = c("C" = "D"), suffix = c("1", "2"))

  • right_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)
  • inner_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)
  • full_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)
按行整合数据框
bind_rowsbind_rows
  • bind_rows(..., id = NULL)
  • id是增加的新列的名字
  • intersect(x, y, ...)取得同时出现在x和y两个数据框中的行
  • setdiff(x, y, ...)出现在x中但是不在y中的行
  • union(x, y, ...)整合出现在x数据框中或y数据框中的，去除了两个数据框中重复的部分，想要保留重复的话使用union_all()
  • setequal()测试两个数据集是不是包含了完全相同的两行
  • semi_join(x, y, by = NULL, ...)返回x数据集中能够匹配到y数据集中的行
  • anti_join(x, y, by = NULL)返回x数据集中不能够匹配到y数据集中的行
add copy data join null

0 人点赞