阅读 107

dplyr包的函数及用法

查看dplyr包中有哪些函数

library(dplyr)ls('package:dplyr')

1:筛选函数

  • 1.1 filter函数⚠️ 针对进行操作,提取一个或多个分组变量中的某个观测

library(dplyr)
library(reshape2) #使用的演示数据集来自这个包
#选择tips数据框中非吸烟和周日的行进行筛选
sub1 <- filter(tips,tips$smoker=='No',tips$day=='Sun')
head(sub1)
#   total_bill  tip    sex smoker day   time size
# 1      16.99 1.01 Female     No Sun Dinner    2
# 2      10.34 1.66   Male     No Sun Dinner    3
# 3      21.01 3.50   Male     No Sun Dinner    3
# 4      23.68 3.31   Male     No Sun Dinner    2
# 5      24.59 3.61 Female     No Sun Dinner    4
# 6      25.29 4.71   Male     No Sun Dinner    4

注意:subsets既可以对行进行操作,也可以对列进行操作。

  • 1.2. slice函数 针对进行操作,可以提取指定行数

 sub2 <- slice(tips,1:5) #tips是要操作的数据框,1:5是提取的行
 sub2
#  total_bill  tip    sex smoker day   time size
# 1      16.99 1.01 Female     No Sun Dinner    2
# 2      10.34 1.66   Male     No Sun Dinner    3
# 3      21.01 3.50   Male     No Sun Dinner    3
# 4      23.68 3.31   Male     No Sun Dinner    2
# 5      24.59 3.61 Female     No Sun Dinner    4
  • 1.3. select函数⚠️ 针对进行操作

 sub3 <- select(tips,tip,sex,smoker) #提取tips中的tip, sex, smoker这三列 head(sub3)#   tip    sex smoker# 1 1.01 Female     No# 2 1.66   Male     No# 3 3.50   Male     No# 4 3.31   Male     No# 5 3.61 Female     No# 6 4.71   Male     No

 sub4 <- select(tips,2:5) #提取tips中的2-5列 head(sub4)#   tip    sex smoker day# 1 1.01 Female     No Sun# 2 1.66   Male     No Sun# 3 3.50   Male     No Sun# 4 3.31   Male     No Sun# 5 3.61 Female     No Sun# 6 4.71   Male     No Sun

 sub5 <- select(tips,tip:time) #提取tips中从tip到time所有的列 head(sub5)#   tip    sex smoker day   time# 1 1.01 Female     No Sun Dinner# 2 1.66   Male     No Sun Dinner# 3 3.50   Male     No Sun Dinner# 4 3.31   Male     No Sun Dinner# 5 3.61 Female     No Sun Dinner# 6 4.71   Male     No Sun Dinner

2. arrange函数(排序函数)⚠️

 new_tips <- arrange(tips,total_bill,tip) #如果total_bill是一样的,就按tip排序 head(new_tips)#    total_bill  tip    sex smoker  day   time size
# 68        3.07 1.00 Female    Yes  Sat Dinner    1
# 93        5.75 1.00 Female    Yes  Fri Dinner    2
# 112       7.25 1.00 Female     No  Sat Dinner    1
# 173       7.25 5.15   Male    Yes  Sun Dinner    2
# 150       7.51 2.00   Male     No Thur  Lunch    2
# 196       7.56 1.44   Male     No Thur  Lunch    2

根据total_bill和tips对数据框进行排序(默认升序)

#降序
 new_tips <- arrange(tips,desc(total_bill),tip)
 head(new_tips)#    total_bill   tip    sex smoker day   time size
# 171      50.81 10.00   Male    Yes Sat Dinner    3
# 213      48.33  9.00   Male     No Sat Dinner    4
# 60       48.27  6.73   Male     No Sat Dinner    4
# 157      48.17  5.00   Male     No Sun Dinner    6
# 183      45.35  3.50   Male    Yes Sun Dinner    3
# 103      44.30  2.50 Female    Yes Sat Dinner    3

3. rename函数(对列进行重新命名)

 new_tips <- rename(tips,bill=total_bill)
 head(new_tips)
#    bill  tip    sex smoker day   time size
# 1 16.99 1.01 Female     No Sun Dinner    2
# 2 10.34 1.66   Male     No Sun Dinner    3
# 3 21.01 3.50   Male     No Sun Dinner    3
# 4 23.68 3.31   Male     No Sun Dinner    2
# 5 24.59 3.61 Female     No Sun Dinner    4
# 6 25.29 4.71   Male     No Sun Dinner    4

4. distinct函数(与levels函数有异曲同工之妙)

levels(tips$sex)# [1] "Female" "Male"distinct(tips,sex)#     sex# 1 Female
# 2   Maledistinct(tips,day)#    day# 1   Sun
# 20  Sat
# 78 Thur
# 91  Fri

5. mutate函数 & transform函数(生成新的变量)⚠️

head(mutate(tips,rate=tip/total_bill))
#   total_bill  tip    sex smoker day   time size       rate
# 1      16.99 1.01 Female     No Sun Dinner    2 0.05944673
# 2      10.34 1.66   Male     No Sun Dinner    3 0.16054159
# 3      21.01 3.50   Male     No Sun Dinner    3 0.16658734
# 4      23.68 3.31   Male     No Sun Dinner    2 0.13978041
# 5      24.59 3.61 Female     No Sun Dinner    4 0.14680765
# 6      25.29 4.71   Male     No Sun Dinner    4 0.18623962

新生成了rate变量

head(mutate(tips,rate=tip/total_bill,new_rat=rate*100))
#   total_bill  tip    sex smoker day   time size       rate   new_rat
# 1      16.99 1.01 Female     No Sun Dinner    2 0.05944673  5.944673
# 2      10.34 1.66   Male     No Sun Dinner    3 0.16054159 16.054159
# 3      21.01 3.50   Male     No Sun Dinner    3 0.16658734 16.658734
# 4      23.68 3.31   Male     No Sun Dinner    2 0.13978041 13.978041
# 5      24.59 3.61 Female     No Sun Dinner    4 0.14680765 14.680765
# 6      25.29 4.71   Male     No Sun Dinner    4 0.18623962 18.623962

rate和new_rate可以同步生成
transform函数与mutate函数的不同之处在于:mutate函数 可以同时生成有递进关系的多个变量,而 transform函数只能一个一个生成。

head(transform(tips,rate=tip/total_bill,new_rat=rate*100))# Error in eval(substitute(list(...)), `_data`, parent.frame()) : #   object 'rate' not found

transform函数必须先生成rate再生成new_rate,mutate函数可以同时生成rate和new_rate。

6. sample_n函数 & sample_frac函数(在数据框中随机抽取一些行)

sample_n(iris,size=10) #从iris里随机抽取了10行
#    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
# 1           6.4         2.8          5.6         2.1  virginica
# 2           4.4         3.2          1.3         0.2     setosa
# 3           4.3         3.0          1.1         0.1     setosa
# 4           7.0         3.2          4.7         1.4 versicolor
# 5           5.4         3.0          4.5         1.5 versicolor
# 6           5.4         3.4          1.7         0.2     setosa
# 7           7.6         3.0          6.6         2.1  virginica
# 8           6.1         2.8          4.7         1.2 versicolor
# 9           4.6         3.4          1.4         0.3     setosa
# 10          6.3         2.5          4.9         1.5 versicolor

sample_frac(iris,0.1) #从iris里随机抽取了10%(0.1)行的数据(iris数据框一共150行,返回了15行)
#    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
# 1           6.0         2.9          4.5         1.5 versicolor
# 2           5.5         3.5          1.3         0.2     setosa
# 3           6.5         3.0          5.8         2.2  virginica
# 4           7.2         3.6          6.1         2.5  virginica
# 5           5.5         4.2          1.4         0.2     setosa
# 6           7.6         3.0          6.6         2.1  virginica
# 7           7.2         3.2          6.0         1.8  virginica
# 8           5.6         3.0          4.1         1.3 versicolor
# 9           5.2         4.1          1.5         0.1     setosa
# 10          6.0         2.7          5.1         1.6 versicolor
# 11          5.6         2.5          3.9         1.1 versicolor
# 12          6.1         2.8          4.7         1.2 versicolor
# 13          4.5         2.3          1.3         0.3     setosa
# 14          6.5         3.2          5.1         2.0  virginica
# 15          5.1         3.8          1.5         0.3     setosa

7. group_by 分组函数⚠️(可以根据数据框中的分类变量进行分组,然后结合summarise函数进行汇总操作)

group=group_by(tips,smoker)summarise(group,count=n(),mean_tips=mean(tip),sd_bill=sd(total_bill))# A tibble: 2 x 4#  smoker count mean_tips sd_bill#  <fct>  <int>     <dbl>   <dbl># 1 No       151      2.99    8.26# 2 Yes       93      3.01    9.83

使用group_by函数,根据smoker对tips进行分组。之后采用summarize函数对分组数据进行统计。如上分别计算了smoker和non-smoker的个数、均值和标准差

8. 管道符 %>%⚠️

result <- tips %>% group_by(smoker,sex) %>% summarise(count = n(),mean_tips=mean(tip),sd_bill=sd(total_bill))result# A tibble: 4 x 5# Groups:   smoker [2]#  smoker sex    count mean_tips sd_bill#  <fct>  <fct>  <int>     <dbl>   <dbl># 1 No     Female    54      2.77    7.29# 2 No     Male      97      3.11    8.73# 3 Yes    Female    33      2.93    9.19# 4 Yes    Male      60      3.05    9.91

9. join函数家族(对数据框进行合并)

  • 9.1 inner_join函数(⚠️和merge一样)

 df_a <- data.frame(x=c('a','b','c','a','c','b','c'),y=1:7)
df_b <- data.frame(x=c('a','b','a'),z=10:12)
 inner_join(df_a,df_b,by='x')
#  x y  z
# 1 a 1 10
# 2 a 1 12
# 3 b 2 11
# 4 a 4 10
# 5 a 4 12
# 6 b 6 11

根据共有的x来对数据框进行合并,由于第二个数据框中的x没有c,因而c被删掉了未被合并

  • 9.2 semi_join函数

semi_join(df_a,df_b,by='x')
#   x y
# 1 a 1
# 2 b 2
# 3 a 4
# 4 b 6

与inner_join类似,但只返回合并后的x和y

  • 9.3 anti_join函数

anti_join(df_a,df_b,by='x')#   x y# 1 c 3# 2 c 5# 3 c 7

与semi_join完全相反,只返回两个数据框中没有重复的值

  • 9.4 left_join

left_join(df_a,df_b,by='x')
#   x y  z
# 1 a 1 10
# 2 a 1 12
# 3 b 2 11
# 4 c 3 NA
# 5 a 4 10
# 6 a 4 12
# 7 c 5 NA
# 8 b 6 11
# 9 c 7 NA

两个数据框合并时右边的数据框向左边的数据框合并,如果左边的数据框有右边数据框没有的观测,返回NA值。

  • 9.5 right_join

right_join(df_a,df_b,by='x')
#   x y  z
# 1 a 1 10
# 2 a 1 12
# 3 b 2 11
# 4 a 4 10
# 5 a 4 12
# 6 b 6 11

两个数据框合并时左边的数据框向右边的数据框合并,如果左边的数据框有右边数据框没有的观测,则不予显示。

10. count函数(对list中针对某个分组变量的各个观测值的数量进行统计)⚠️

count(tips,smoker)
#  smoker   n
#1     No 151
#2    Yes  93

11. summarise函数(对数据进行统计描述,常与group_by函数搭配使用)

比base包中的summary()更加灵活

mtcars %>%
  summarise(mean = mean(disp), n = n()) #查看disp这一列的均值,n = n()看有多少个观测#       mean  n# 1 230.7219 32# 根据某个变量对某一列分组并统计
mtcars %>%
  group_by(cyl) %>%
  summarise(mean = mean(disp), n = n())#     cyl  mean     n#   <dbl> <dbl> <int># 1     4  105.    11# 2     6  183.     7# 3     8  353.    14# 同时进行多种统计运算
mtcars %>%
   group_by(cyl) %>%
   summarise(qs = quantile(disp, c(0.25, 0.75)), prob = c(0.25, 0.75))# `summarise()` has grouped output by 'cyl'. You can override using the `.groups` argument.#   A tibble: 6 x 3#   Groups:   cyl [3]#     cyl    qs  prob#   <dbl> <dbl> <dbl># 1     4  78.8  0.25# 2     4 121.   0.75# 3     6 160    0.25# 4     6 196.   0.75# 5     8 302.   0.25# 6     8 390    0.75#更多应用见?summarise

dplyr cheatsheet


作者:Hayley笔记
链接:https://www.jianshu.com/p/f3045a6d9b00


文章分类
后端
版权声明:本站是系统测试站点,无实际运营。本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 XXXXXXo@163.com 举报,一经查实,本站将立刻删除。
相关推荐