一、dplyr包

tidyverse里的数据处理工具包dplyr被誉为“瑞士军刀”。

dplyr主要包含以下10个主要的函数：

• mutate()，select()，rename()，filter()
• summarise()，group_by()，arrange()
• left_join()，right_join()，full_join()

二、新加列 mutate()

df
##    a b c
## 1  1 3 3
## 2 23 5 8
## 3  3 7 6
## 4  3 5 8

mutate(.data = df, d = c(1,2,3,4)) 
##    a b c d
## 1  1 3 3 1
## 2 23 5 8 2
## 3  3 7 6 3
## 4  3 5 8 4

新加的向量的长度要么与数据框的行数等长，要么长度为1，通过循环机制补齐。

三、选取列 select()

df %>% select(a, b)
##    a b
## 1  1 3
## 2 23 5
## 3  3 7
## 4  3 5

如果不想要某列，可以在变量前面加 - 或者 !，两者的结果是一样的。

df %>% select(-a)
##   b c
## 1 3 3
## 2 5 8
## 3 7 6
## 4 5 8

四、修改列名 rename()

格式为 rename(.data, new_name = old_name)

df %>% 
  select(a, b) %>% 
  rename(bb = b)
##    a bb
## 1  1  3
## 2 23  5
## 3  3  7
## 4  3  5

五、筛选 filter()

df %>% filter(a == 3)
##   a b c
## 1 3 7 6
## 2 3 5 8

六、统计汇总 summarise()

summarise()函数非常强大，主要用于统计汇总，往往与其他函数配合使用。

df %>% summarise(
    mean_a   = mean(a),
    median_b = median(b),
    n        = n(),
    sum_d    = sum(d)
)

##   mean_a median_b n sum_d
## 1    7.5        5 4    17

summarise() 与 mutate() 一样，也是创建新的变量（新的列）。区别在于，mutate()是在原数据框的基础上增加新的一列；而summarise()在成立的新的数据框中创建一列。

七、分组统计 group_by()

summarise()函数往往配合group_by()一起使用，即，先分组再统计。

df1
##    a b c
## 1 s1 3 3
## 2 s2 5 8
## 3 s1 7 6
## 4 s2 5 8

df1 %>%
    group_by(a) %>%
    summarise(
        mean_b = mean(b),
        sd_c   = sd(c)
    )
    
## # A tibble: 2 × 3
##   a     mean_b  sd_c
##   <chr>  <dbl> <dbl>
## 1 s1         5  2.12
## 2 s2         5  0   

八、排序 arrange()

按照 a 从低到高排序

df %>% arrange(a)
##    a b c
## 1  1 3 3
## 2  3 7 6
## 3  3 5 8
## 4 23 5 8

默认情况是从小到大排序，如果从高到低降序排序呢，有两种方法，第一种方法是在用于排序的变量前面加 - 号，第二种方法可读性更强些，需要使用desc()函数。

df %>% arrange(-a)
##    a b c
## 1 23 5 8
## 2  3 7 6
## 3  3 5 8
## 4  1 3 3

df %>% arrange(desc(a))
##    a b c
## 1 23 5 8
## 2  3 7 6
## 3  3 5 8
## 4  1 3 3

九、左联结 left_join()

df1
##    a b c
## 1 s1 3 3
## 2 s2 5 8
## 3 s1 7 6
## 4 s2 5 8

df2
##    a  b
## 1 s2 22
## 2 s3 66

# 写法一
left_join(df1, df2, by = "a")
# 写法二
df1 %>% left_join(df2, by = "a")

##    a b.x c b.y
## 1 s1   3 3  NA
## 2 s2   5 8  22
## 3 s1   7 6  NA
## 4 s2   5 8  22

十、右联结 right_join()

# 写法一
right_join(df1, df2, by = "a")
# 写法二
df1 %>% right_join(df2, by = "a")

##    a b.x  c b.y
## 1 s2   5  8  22
## 2 s2   5  8  22
## 3 s3  NA NA  66

十一、满联结 full_join()

df1 %>% full_join(df2, by = "a")
##    a b.x  c b.y
## 1 s1   3  3  NA
## 2 s2   5  8  22
## 3 s1   7  6  NA
## 4 s2   5  8  22
## 5 s3  NA NA  66