R资料包重要资料翻译----dplyr备忘录

R资料包重要资料翻译----dplyr备忘录

作者：王爱华

              链接：https://github.com/rstudio/cheatsheets/raw/master/source/pdfs/data-transformation-cheatsheet.pdf

摘要：dplyr包，专门面对数据框，dplyr函数处理管道和期望整理数据，数据库中经常需要将多个表进行连接操作，如左连接、右连接、内连接等，这里dplyr包也提供了数据集的连接操作，在R基础包里有cbind()函数和rbind()函数实现按列的方向进行数据合并和按行的方向进行数据合并，而在dplyr包中也添加了类似功能的函数包。

谢谢大家，仅供同学们参考哦 。

我翻译的是数据转换与dplyr备忘单，dplyr函数处理管道和期望整理数据。在整理数据:

 

#R语言：每个变量都在它自己的列，每一个观察或情况下都在自己的行，管道函数;通过%>%将上一个函数的输出作为下一个函数的输入。

install.pachages("dplyr")

#总结数据：这些应用汇总函数中的列会产生一个新的表格，汇总函数产生向量并且输入数值和返回单一数值是有价值的.计算总结表,对每一列运行概数函数,目的是可以从一个数据框中，随机抽取一些行，然后组成新的数据框。计算,对每一列应用乐趣,乐趣适用于特定列,乐趣适用于一种类型的所有关口.

语法 ：summarise(.data, ...)

    

 #分组数据:使用一个组产生一个组复制表格,dplyr函数分别将操作每一个“组”，然后合并结果。把在species中的值相同的数据组合成行，从数据框中移除组合信息，为每一个分组分别进行计算概数，按组计算新变量。

例子：

2	planes <- group_by(hflights_df, TailNum)delay <- summarise(planes,   count = n(),   dist = mean(Distance, na.rm = TRUE),   delay = mean(ArrDelay, na.rm = TRUE))delay <- filter(delay, count > 20, dist < 2000)

 

#操作情况：子集数据：行函数返回的行作为一个新表的一个子集，抽取符合逻辑条件的数据记录，删除重复记录，随机选取部分记录，通过位置选取数据记录，选取并排列前n条数据记录（若分组数据按组排序）小于，不等于，大于，组成员，等于，为缺失值，小于或等于，不为缺失值，大于或等于，Bookean运算符，安排情况，增加情况下。

例子：

     n(): 计算个数

  n_distinct(): 计算 x 中唯一值的个数. (原文为 count_distinct(x), 测试无用)

  first(x), last(x) 和 nth(x, n): 返回对应秩的值, 类似于自带函数 x[1], x[length(x)], 和 x[n]

 #操作变量:通过列名或帮助函数选取变量，选取操作的帮助函数，选取名称中含有字符的，选取名称以指定字符串结尾的，选取名称在指定的字符串为首的列，使新变量，计算并添加一个或多个新列，对每一列运行窗体函数，计算一个或多个新列并删除原列，利用窗体函数变换数据，输入数值向量而返回另外的数值向量，如：改变。

例子：

#将df2tbl数据集中的y变量放到x变量前

select(df2tbl,y,everything())

#筛选变量的同时，重新命名变量名

select(df2tbl, x1 = x, y1 = y)

例子：

filter(hflights_df, Month == 1, DayofMonth == 1)

 #矢量化函数：把处第一个值以外的所有元素提前，最后一个元素为NA，把除最后一个值以外的元素延后，第一个元素为NA,无缝排序，排序，并列时，位置在前的并列数据序号在前，把向量分为n份，数值是否在a和b之间，累积分布，累积all函数，累积any函数，针对元素max函数，针对元素min函数，按组计算新变量。

  

 arrange(file,排序项)

arrange(df1,desc(color))     从大到小

arrang(iris,date,desc(price))  #时间从小到大  价格从大到小

#概数数据：将数据概括为单行数值，对每一列运行概数函数，计算各变量中每一个特定值的行数，向量的第一个值，向量中的最小值，向量的最后一个值，向量中的最大值，向量中第n个值，均值，向量中的方差，向量中的标准差，向量的IQR（四分位距），行名称。

例子： 

summarise(hflights_df, delay = mean(DepDelay, na.rm = TRUE))

#组合表：转换与合并，向数据集a中加入匹配的数据集b记录，向数据集b中加入匹配的数据集a记录,合并数据，保留所有记录，所有行，数据集a中能与b匹配的记录，数据集a中能与b不匹配的记录，均出现在数据集Y和z中的记录，出现在数据集Y和z中的记录，仅出现在数据集，而不在z中的记录，提取的行，使用“过滤加入“过滤一个表的行，返回行匹配的XY看看有用将会加入，返回行匹配的XY有用看看不会加入。

例子：

1. #data.frame类型数据集  
2. class(mtcars)  
3. #转换为tbl_df类型  
4. ds <- tbl_df(mtcars)  
5. #转换为data.frame类型  
6. df <- as.data.frame(ds) # 数据集a中能与数据集b匹配的记录      # 数据集a中雨数据集b不匹配的记录
7.    #按行合并，.id添加新列用于指明合并后每条数据来自的源数据框

    

       bind_rows(...,.id = NULL)

       #按列合并

       bind_cols(...)

       #合并数据集

       combine(...)

 总结：dplyr函数处理管道和期望整理数据,dplyr包被称为是十大R语言必学包之一,，dplyr包中特有的管道函数%>%，%>%运算符允许从参数列表中提取函数的第一个参数，并放置在%>%前面。
将上一个函数的输出作为下一个函数的输入。这是一个强大的dply包。dplyr函数分别将操作每一个“组”，如果你用了8小时进行数据清理和数据整理，而只用了2小时进行建模，那么很明显，你希望了解如何将数据清理和整理的时间尽可能缩短。

反思之下, 本人也是将大把的时间花在了对数据的反复调整上, 或许是手生, 当然R语言在这方面也确实有一定不足,

大神又说了:

数据分析有两个瓶颈，一是我们的目标是什么，二是我们如何用计算机去实现。如 ggplot2，plyr 和 reshape2，更关注的是如何更简单地表达你的目标，而不是如何让计算机算得更快。

这些都是值得我们学习的。

install.packages("dplyr")
library(dplyr)