原標題：30 天學會R DAY 14：R語言必學包dplyr

第14天 R語言必學包dplyr

R語言非常講究數據的整理，我們在7-13天的R語言學習內容中，著重都是關于R語言的整理，各種方法對數據進行整理，查看，對變量進行轉換。dplyr包，主要也用于數據清洗和整理，該包專注dataframe數據格式，從而大幅提高了數據處理速度。這個包對數據處理的方式相對之前的方法，更加簡單，是醫學數據分析必須要掌握的包。

dplyr包存在著上百個函數來幫助進行數據的整理，由于篇幅的關系，本文對主要的函數進行介紹，包括下述五個函數用法:

? 篩選: filter()

? 排列: arrange()

? 選擇: select()

? 變形: mutate()

? 匯總: summarise()

? 分組: group_by()

? 合并：join()

首先，安裝和導入dplyr

install.packages("dplyr")

library(dplyr)

導入之前數據集

t1

t2

str(t2)

str(t1)

1 篩選:filter()

按給定的邏輯判斷篩選出符合要求的子數據集，之前我們已經通過大量的方法介紹過子集產生的方法，而filter()方法則更直接。

#產生t11數據集，SBP收縮壓>=140的子集

t11=140)

#產生t11數據集，SBP收縮壓>=140且DBP>=90舒張壓的子集

t12=140,DBP>=90)

# 產生t11數據集，SBP收縮壓>=140或DBP>=90舒張壓的子集

t13=140 | DBP>=90)

#產生t11數據集，SBP收縮壓>=140且DBP>=90舒張壓的子集

t14=140 & DBP>=90)

str(t11)

str(t12)

str(t13)

# 上述程序，如果用常規R語言，則要

t12=140 & t1$DBP>=90, ]

相對來說更為復雜。

#分類數據轉換

t21

2 排列: arrange()

排序功能，我們之前也學過，比如order(). Arrange 方法其實也更簡單。

#根據SBP從小到大進行排序

arrange(t1,SBP)

#根據DBP從大到小進行排序

arrange(t1,desc(DBP))

#根據SBP和DBP，從小到大進行排序，先排SBP，SBP相同時，再排DBP

arrange(t1, SBP, DBP)

#根據SBP和DBP，從大到小進行DBP排序，DBP相同時，再排從小到大根據SBP排序

arrange(t1, desc(DBP), SBP)

3 選擇: select()

用列名作參數來選擇子數據集，這個功能很有意思，雖然醫學數據分析用的不多。

t15

t16

t17

t18

select ( ) 更多的參數設置如下表

4.變形: mutate()

對已有列進行數據運算并添加為新列，這個是非常重要的數據轉換功能。

# 計算BMI指數

t19

# 可以同時產生多個變量

t110

mutate( )可以調用的函數很多，以下是部分函數

log(), log2(), log10(): 對值求 log;

lead(), lag(): 返回序列中當前位置前第幾個值或后第幾個值;

cume_dist(): 計算比當前值還小的值的比例, 相當于計算 density;

ntile():把數據分成若干塊, 看每個數據在具體拿一個塊;

cumsum(), cummean(), cummin(), cummax(), cumany(), cumall():計算和 (sum), 均值 (mean), 最小值 (min), 最大值 (max), 任何為真 (any), 所有為真 (all);

na_if():把特定地值轉換為 NA;

coalesce(): 找出若干列中第一個不為 NA 的值;

if_else(): 向量化的 ifelse 函數的效果.

recode: 把一系列值轉換為其他值

case_when: 多條件選擇.

比如：

t111

t21

5 匯總: summarise()

summarise()函數以及衍生函數，包括summarise_all, summarise_at，summarise_if主要進行數據的統計描述。

一般情況下，它們需要同時調動以下等其它函數來共同完成。

min()：返回最小值

max()：返回最大值

mean()：返回均值

sum()：返回總和

sd()：返回標準差

median()：返回中位數

IQR()：返回四分位極差

n()：返回觀測個數

n_distinct()：返回不同的觀測個數

first()：返回第一個觀測

last()：返回最后一個觀測

nth()：返回n個觀測

#求DBP的均數和中位數

summarise(t1, DBP_mean = mean(DBP), DBP_median = median(DBP))

#求DBP和SBP的總個數、均數和標準差，需要調用summarise_at 函數，var()函數，funs() 函數

summarise_at(t1, vars(DBP, SBP), funs(n(), mean, median))

#求定量變量數據的均數和標準差，需要調用summarise_if 函數，var()函數，funs() 函數

summarise_if(t1, is.numeric, funs(n(),mean,median))

#存在著缺失值的時候，計算定均數和標準差，需要調用summarise_at 函數，var()函數，funs() 函數

summarise_at(t1, vars(DBP, SBP),

funs(n(), missing = sum(is.na(.)),

mean(., na.rm = TRUE),

median(.,na.rm = TRUE)))

6 分組: group_by()

當對數據集通過group_by()添加了分組信息后，mutate()，arrange() 和 summarise() 函數會自動對數據庫執行分組操作。

group_by()的功能類似于SPSS拆分文件夾的功能，十分地好用。

tt1

tt2

或者直接將上述兩句整合成一句

tt3

tt3

7. 數據庫合并join()

在之前的內容中，我們介紹過用rbind，cbind，merge等函數進行數據庫合并，但利用join()函數，花樣更多。

left_join(t1,t2)

right_join(t1,t2)

inner_join(t1,t2,by=c(“”))

full_join(t1,t2, by = c("first", "last"))

semi_join(t1,t2, by = c("first", "last"))

anti_join(t1,t2, 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

8. dplyr 包其它重要函數

由于篇幅的關系，不再一一介紹dplyr 包的函數，這里可以介紹下，有興趣者可以進一步學習，比如dplyr 包的重命名rename(), 數據集重新再抽樣sample(),數據轉換transmute()都是是否有用的函數。

DAY14的內容就介紹到這里！

最后，一個月就能學會R語言，你敢挑戰一下嗎？

想挑戰的話，請加入R語言的交流群吧？(由于群規模限制，請先加入鄭老師微信號注明R語言即可)

關注公眾號，請點擊“閱讀原文”，即可獲得30天學會R語言的所有講義的百度網盤鏈接下載！ (下載密碼請關注公眾號，發送“30天”即可)返回搜狐，查看更多

責任編輯：

總結

以上是生活随笔為你收集整理的r语言必学的十个包肖凯_30 天学会R DAY 14：R语言必学包dplyr的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。