TOP

數據處理包dplyr的函數(一)
2017-10-10 12:08:30 】 瀏覽:8906
Tags:

dplyr專注處理dataframe對象, 并提供更穩健的與其它數據庫對象間的接口。

一、5個關鍵的數據處理函數:

select()   返回列的子集
filter()     返回行的子集
arrange()  根據一個或多個變量對行排序。
mutate()  使用已有數據創建新的列
summarise()  對各個群組匯總計算并返回一維結果。

Tips

1select()

Dplyr包有下列輔助函數,用于在select()中選擇變量:

starts_with("X"): 以 "X"開頭的變量名
ends_with("X"):   以 "X"結束的變量名
contains("X"):      包含 "X"的變量名
matches("X"):      匹配正則表達式“x"的變量名
num_range("x", 1:5):  變量名為 x01, x02, x03, x04 and x05
one_of(x):    出現在字符向量x中的所有變量名

在select()中直接使用列時不需要引用"",但使用上述輔助函數時必須引用""。

2filter()   

R 有一系列邏輯表達式可用于filter()中:

x < y;x <= y;x == y;x != y;x >= y;x > y;x %in% c(a, b, c)

示例:

filter(df, a > 0, b > 0)

filter(df, !is.na(x))
3arrange()  
arrange()默認從小到大排序,在arrange()中使用desc()作用于變量可以使之從大到小排序.

4mutate()  

mutate()允許在同一次調用中使用新變量來創建下一個變量,例如:

mutate(my_df, x = a + b, y = x + c)

5 summarise()

R的下列聚合函數可用于 summarise()

dplyr包自身提供了一些有用的聚合函數:

二、管道函數%>%

dplyr包中特有的管道函數%>%,將上一個函數的輸出作為下一個函數的輸入。

%>%運算符允許從參數列表中提取函數的第一個參數优乐棋牌app下载,并放置在%>%前面。

下面兩條指令相等:

mean(c(1, 2, 3, NA), na.rm = TRUE)

c(1, 2, 3, NA) %>% mean(na.rm = TRUE)

 

 三、分組函數group_by()

 對數據集定義群組。然后可對各個群組分別進行匯總統計。

通過 group_by() 添加了分組信息后,mutate(), arrange() 和 summarise() 函數會自動對這些 tbl 類數據執行分組操作。

group_by(dataframe,colnames1,colnames2,…)

四、連接數據(joins

1、6種連接函數如下:
left_join(dataset1,dataset2)
right_join(dataset1,dataset2)

inner_join(dataset1,dataset2,by=c(“”))

full_join(dataset1,dataset2, by = c("first", "last"))

semi_join(dataset1,dataset2, by = c("first", "last"))

anti_join(dataset1,dataset2, by = c("first", "last"))

 前4種屬于變形連接(mutating joins),后2種屬于過濾連接(filtering joins)。

semi-joins基于第二個數據集的信息來過濾第一個數據集的數據。anti-joins找出合并時哪些行不能匹配第二個數據集

 

2、key值

      R語言的 data frames可在 row.names屬性中存儲重要信息,雖然不是存儲數據的好方式卻很常見。如果數據集的主關鍵字在row.names中,將難以與其他數據集連接。一種解決方法是使用tibble包(tibble:a data frame with class tbl_df)中的rownames_to_column()函數,返回該數據集的副本优乐棋牌app下载,并且行名作為一列增加到該數據中。

       library(tibble)

       rownames_to_column(data, var="name")

   

     如果兩個數據集有相同的列名,但代表的事物不同,并且by參數不包含這些重復的列名,dplyr會忽略這些列名,并對相同的列名增加.x和 .y來幫助區分列。

     當兩個數據集中相同的事物有不同的列名,要完成合并,將by設置為一個命名向量。向量的名字為主數據集中的列名,向量的值為第二個數據集中的列名。例如:

      x %>% left_join(y, by = c("x.name" = "y.name"))

      完成連接后保留主數據集中的列名。

 

3、多個數據集的連接

Purrr包中的 reduce()函數對多個數據集重復應用某函數优乐棋牌app下载,可用于連接多個數據集,與dplyr的join類函數配合使用,例如:
lib

請關注公眾號獲取更多資料



首頁 上一頁 1 2 下一頁 尾頁 1/2/2
】【打印繁體】【】【】 【】【】【】 【關閉】 【返回頂部
上一篇時間序列分析算法【R詳解】 下一篇R語言數據可視化2—ggplot2各種維..