R语言dplyr包之高效数据处理函数(filter、group_by、mutate、summarise)详解

来自:互联网
时间:2021-03-10
阅读:

R语言dplyr包的数据整理、分析函数用法文章连载NO.01

在日常数据处理过程中难免会遇到些难处理的,选取更适合的函数分割、筛选、合并等实在是大快人心!

利用dplyr包中的函数更高效的数据清洗、数据分析,及为后续数据建模创造环境;本篇涉及到的函数为filter、filter_all()、filter_if()、filter_at()、mutate、group_by、select、summarise。

1、数据筛选函数:

#可使用filter()函数筛选/查找特定条件的行或者样本
#filter(.data=,condition_1,condition_2)#将返回相匹配的数据

#同时可以多条件匹配multiple condition,当采用多条件匹配时可直接condition1,condition2或者condition1&condition2
#其他逻辑表达还有:==,>,>=等,&,|,!,xor(),is.na,between,near

#filter延展的相关函数filter_all()、filter_if()、filter_at()

#以iris数据集为例:

filter(.data=iris,Sepal.Length>3,Sepal.Width<3.5)
 
filter(.data=iris,Sepal.Length>3,Species=="virginica")

输出情况:                                                                          输出情况: 

R语言dplyr包之高效数据处理函数(filter、group_by、mutate、summarise)详解R语言dplyr包之高效数据处理函数(filter、group_by、mutate、summarise)详解

#要使用filter_all()、filter_if()、filter_at()需要先去掉Species列(非数值型列) 

iris_data<-iris%>% select(-Species)

#筛选所有属性小于6的行 

iris_data%>% filter_all(all_vars(.<6))

部分输出情况: 

R语言dplyr包之高效数据处理函数(filter、group_by、mutate、summarise)详解 

#筛选任意一个属性大于3的行

iris_data%>% filter_all(any_vars(.>3))

#筛选以sep开头的属性任一大于3的行

iris_data%>% filter_at(vars(starts_with("Sep")), any_vars(. >3))

#R中自带数据集mtcars,筛选任意一个属性大于150的行

filter_all(mtcars, any_vars(. > 150))

#筛选以d开头的属性任一可被2整除的行

filter_at(mtcars, vars(starts_with("d")), any_vars((. %% 2) == 0))

2、数据分组、汇总函数group_by、summarise

其他延展函数 group_by_all、group_by_if、group_by_at(将在后续文章中解析)

 group_by函数按照某个变量分组,对于数据集本身并不会发生什么变化,只有在与mutate(), arrange() 和 summarise() 函数结合应用的时候会体现出它的优越性,将会对这些 tbl 类数据执行分组操作 (R语言泛型函数的优越性).

mtcars_cyl <- mtcars %>% group_by(cyl)
 
mtcars_cyl %>% summarise(
disp = mean(disp),
hp = mean(hp)
)

R语言dplyr包之高效数据处理函数(filter、group_by、mutate、summarise)详解

mtcars_vs_am <- mtcars %>% group_by(vs, am)
 
mtcars_vs <- mtcars_vs_am %>% summarise(n = n())

R语言dplyr包之高效数据处理函数(filter、group_by、mutate、summarise)详解

3、新增列函数mutate,在数据集的基础上新增列,不对原数据作更改

可用的相关参数、逻辑:

• +, - 等等
• log()
• lead(), lag()
• dense_rank(), min_rank(), percent_rank(), row_number(), cume_dist(), ntile()
• cumsum(), cummean(), cummin(), cummax(), cumany(), cumall()
• na_if(), coalesce()
• if_else(), recode(), case_when()

相关延展函数:transmute、mutate_all、mutate_if、mutate_at(后期文章分享)

mtcars %>% as_tibble() %>% mutate(
cyl2 = cyl*3,
cyl4 = cyl2+2
)

R语言dplyr包之高效数据处理函数(filter、group_by、mutate、summarise)详解

返回顶部
顶部