R语言笔记（五）：数据转换(dplyr)

Question

如题所述

Answer 1

数据处理主要内容包括：

本文我们将深入了解数据转换的相关知识，相关链接可参考笔记（四）。

如有任何错误或需要补充的地方，欢迎各位高手不吝赐教，作者会持续进行更新！

2. 数据转换

在这一部分，我们将分别介绍R语言在处理数据转换时所使用的base包与dplyr包中的函数。

2.1 筛选（subset/filter/select）

筛选函数包括x：向量（vector），矩阵（matrix）或数据框（dataframe）subset：目标行符合的条件select：目标列的序数。

以下是一些筛选函数的例子：

四种函数仅适用于dataframe结构的筛选，其中filter()与slice()用于筛选行，filter()根据条件进行筛选，slice()根据行序数进行筛选；select()与rename()用于筛选列，以下为R给出的例子。

【注】filter()函数的用法与subset()基本相似，区别在于subset()可以处理向量和矩阵，并且可以通过select参数直接筛选列，因此我们将主要介绍其他三种函数。

首先是slice()函数，用法相对简单，主要根据行序数进行筛选。

select()函数用法较多，但都非常简单，作者直接将dplyr包的examples复制过来了。

另附参考资料：【R语言】必学包之dplyr包

rename()函数主要用于变量重命名，select()也可以实现，区别在于rename()会返回所有列。

2.2 排序（order/arrange）

根据变量名对变量进行排序，可以通过手动进行排序；使用基本包中的order()排序；使用dplyr包中的arrange()排序。

以iris数据集为例：

2.3 转换（transform/mutate/transmute）

基本包中的transform()函数可以为数据框添加新的变量，也可以对已有的变量进行编辑/删除。dplyr包提供了两个添加新变量的函数，mutate()和transmute()。

三者区别在于，mutate()在transform()能添加新变量的基础上，可以同时使用刚添加的变量再创建其他变量；mutate()返回添加新变量后的新数据框，而transmute()仅返回新创建的变量。接下来我们来看看它们是如何实现变量编辑的：

2.4 分组与概括（group_by/summarise）

group_by()和summarise()都是dplyr包中的函数，处理对象都是数据框结构。

实际工作中，group_by()经常配合其他函数使用，因此，接下来我们先来举例介绍summarise()的用法和效果，再结合group_by()函数看看差异。

接下来结合group_by()：

cyl变量表示气缸个数，取值为4, 6和8，因此对该变量进行分类便将dat分为三个group。再对其使用summarise()会对三个group分别计算其四分之一分位数、中位数、四分之三分位数。我们再试试对两个变量分组的效果：

gear表示的是forward gears（前齿轮？）个数，取值为3, 4和5；cyl有三个取值，因此对两个变量进行分组，应该会有3×3=9个group，但实际只有8个，是因为对八个气缸的车型没有4个forward gears，该组为空集，不填补缺失值就会被drop掉。分组后再使用summarise()的结果十分清晰，cyl作为第一分组依据，gear作为第二分组依据，分别对各组计算四分之一数、中位数和四分之三分位数。