tidyverse及其子包

tidyverse

  tidyverse包中有八个常用包，主要有ggplot2/tibble/tidyr/readr/purrr/dplyr/stringr/forcat，如果需要其他包，我们只能还是自己library。这个八个包也提供了我们一个学习的思路，反向学习，毕竟，学习R就是学习R包的过程。其次，就是tidyverse包也有其自身的含义在里面，tidy+verse就是整洁+转变，简单理解意思就是数据清洗，而整洁的数据有三个特征分别是：1.每列为一个变量（Each variable is in a column）；2.每行为一个观测（Each observation is in a row）；3.每个单元格为一个取值（Each value is a cell）。我们使用tidyverse的目的，就是将原始数据整理成为R可用的数据，这个过程可以成为数据清洗和特征工程等多个名字，但是其目的是一样，其作用不可忽视。每一个包中都含有一种理念和一种方法，深入理念然后掌握方法才是最关键的。

• ggplot2，用于数据可视化
• tibble，用于形成便于数据处理的数据框，数据类型定义
• tidyr，用于数据整洁，数据清理
• readr，用于读入R 格式数据，数据读取
• dplyr，用于数据操纵，数据整理
• stringr，用于处理字符串数据
• forcats，用于处理因子数据
• lubridate, 用于处理日期和时间数据（没在tidyverse中）

#加载tidyverse，出现conflicts是正常
library(tidyverse)

1.ggplot2/ggvis/ggpubr包

  这个包不陌生，用来做可视化和数据探索性分析。此外,如果我们想做可以交互操作的图，可以学习一下ggvis包，这个包结合了ggplot2和shiny，可以做到简单交互作图。还有如果你觉得ggplot2作图原理有点难，你可以参考一下ggpubr包，做出的结果也很好，可以多多琢磨一下。

#关于ggvis的一个实例，在微信文中没有体现出来，可以自己用码试一下
library(shiny)
library(ggvis)
p <- mtcars %>% 
  ggvis(x = ~wt, y = input_select(names(mtcars), map = as.name)) %>% 
  layer_points()

#关于ggpubr
library(ggplot2)
library(magrittr)
library(ggpubr)
#写一个小数据框
id <- c("小明","小强","小李")
grade <- c(70,80,90)
sex <- c("男","女","男")
test <- data.frame(id,grade,sex)
#简单作图
ggbarplot(test,x="id",y="grade",fill = "sex")

2.tibble

  tibble是数据框data.frame的进化版,还有data.table可以学习，对于这类数据的形式，都是为了更快的处理数据而存在的，我们都可以了解学习。遗憾的是R中并未有关于example的示例，当然大家也可以去搜张丹老师的博客，里面有对tibble的详细介绍。这里给出关于tibble的一些相关的函数，仅供参考。

名称	功能
as_tibble	强制转换lists和matrices为数据框(data.frame)
tibble	创建数据框(data.frame)或列表(list)
tribble	智能行(Row-wise)创建tibble
obj_sum/ type_sum/ tbl_sum	给出对象的简明摘要：对象类型和数据框大小
rownames	行名的操作工具（非常有用）：可以提取行名为列或列为行名
has_name	检查命名元素的存在has_name(iris, “Species”)
repair_names	修复对象的名称（如果没有命名则用V+i代替）
all_equal	数据框相等的柔性比较，忽略行和列的排列顺序
glimpse	有点像str()，主要是查看数据集的结构
enframe	将向量变为数据框
print.tbl_df	print(x,n)打印数据集x的前n行，默认为10行，有点像head()
add_column	给数据框添加列
add_row	给数据框添加行
is.tibble	检测对象是否为tibble
knit_print.trunc_mat	截断显示

#建立tibble型数据
t <- tibble(1:10,letters[1:10])
t
#查看t的数据类型，的确是数据框的
class(t)

#建一个列表数据，然后利用tibble把它变为数据框
l <- list(id=runif(11),word=letters[5:15])
l
class(l)
l <- as.tibble(l)
class(l)

3.readr包

  readr包也是很熟悉，并不陌生。
  readr包中主要的函数有：read_csv，read_delim，read_table，write_delim，write_csv，write_excel_csv，write_delim函数，其中read_table中分隔符是指定为固定空格的，不能修改分隔符，函数read_delim可以指定分隔符

4.tidyr包

  tidyr包的作用类似于reshape2包，都是将变量变为数据，或者数据变为变量。另外的两个功能和paste类似，是数据的拆分和合并。
以及tidyr包的下述四个函数用法：

• gather—宽数据转为长数据；
• spread—长数据转为宽数据；
• unit—多列合并为一列；
• separate—将一列分离为多列；

###宽数据，就是正常的数据
test

#1. gather(data, key, value, …, na.rm = FALSE, convert = FALSE)
#data：需要被转换的宽形表
#key：将原数据框中的所有列赋给一个新变量key
#value：将原数据框中的所有值赋给一个新变量value
#…：可以指定哪些列聚到同一列中
#na.rm：是否删除缺失值
##把宽数据变长，就是把变量变成数据
#不保留变量
g1 <- gather(test,variable,value)
g1
#保留id变量，一般常用的是这种，也就是说把id看做是主键
g2 <- gather(test,varible,value,-id)
g2

#2. spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)
#data：为需要转换的长形表
#key：需要将变量值拓展为字段的变量
#value：需要分散的值
#fill：对于缺失值，可将fill的值赋值给被转型后的缺失值
s1 <- spread(g2,varible,value)
s1

#3.unite(data, col, …, sep = “_”, remove = TRUE)
#data：为数据框
#col：被组合的新列名称
#…：指定哪些列需要被组合
#sep：组合列之间的连接符，默认为下划线
#remove：是否删除被组合的列
u1 <- unite_(mtcars, "vs_am", c("vs","am"))
head(u1)

#separate(data, col, into, sep = “[^[:alnum:]]+”, remove = TRUE,
#convert = FALSE, extra = “warn”, fill = “warn”, …)
#data：为数据框
#col：需要被拆分的列
#into：新建的列名，为字符串向量
#sep：被拆分列的分隔符
#remove：是否删除被分割的列 
se1 <- u1%>%separate(vs_am, c("vs", "am"))
head(se1)

其他数据导入和建模类的包

• DBI，用于联接数据库
• haven，用于读入SPSS、SAS、Stata 数据
• httr，用于联接网页API
• jsonlite，用于读入JSON 数据
• readxl，用于读入Excel 文档
• rvest，用于网络爬虫
• xml2，用于读入xml 数据
• modelr，用于使用管道函数建模
• broom，用于统计模型结果的整洁