R语言ETL系列：创建字段（mutate）

最新推荐文章于 2024-03-01 19:54:42 发布

R语言中文社区

最新推荐文章于 2024-03-01 19:54:42 发布

阅读量1w

点赞数 3

本文链接：https://blog.csdn.net/kMD8d5R/article/details/88373803

版权

本文介绍了在R语言中使用tidyverse的mutate函数创建新的数据列，包括构造常数列、计算新列、字符串拼接与拆分。通过实例展示了如何处理如单价和数量计算交易额、时间差计算、日期格式转换等常见数据操作。这些技能在特征工程和文本挖掘中至关重要。

摘要由CSDN通过智能技术生成

640?wx_fmt=png

作者：黄天元，复旦大学博士在读，目前研究涉及文本挖掘、社交网络分析和机器学习等。希望与大家分享学习经验，推广并加深R语言在业界的应用。

邮箱：huang.tian-yuan@qq.com

有没有一些时候你想要给表格加一个新的列？本章将会介绍如何在表格中创建新的字段。但是首先我们要知道为什么要什么做，下面是可能的一些情况：

有时候需要构造一列全部是0或1的数列，或者是给每一个记录赋予一个不同的ID；
购物数据中，含有单价和数量，需要计算交易额，然后加入到表格中；
我们数据中有年月日的数据，我们需要把它们拼接成一个字符格式，比如,2018年10月10日，我们需要表示为20181010或者2018/10/10；

在tidyverse中，我们可以用mutate函数给表格增加新的一列。下面将会分节介绍，首先载入我们需要的数据和包：

1library(tidyverse)
2library(nycflights1

添加常数列

这里举一个简单的例子，用iris数据集，增加一个完全为0的新列，我们会限制输出列为前六行，以免输出内容过多。

 1iris %>%
 2  mutate(zeros = 0) %>%
 3  head
 4##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species zeros
 5## 1          5.1         3.5          1.4         0.2  setosa     0
 6## 2          4.9         3.0          1.4         0.2  setosa     0
 7## 3          4.7         3.2          1.3         0.2  setosa     0
 8## 4          4.6         3.1          1.5         0.2  setosa     0
 9## 5          5.0         3.6          1.4         0.2  setosa     0
10## 6          5.4         3.9          1.7         0.4  setosa     0

可以看到我们已经新增了一列，名字叫做zeros，里面的值全部是0。 SQL代码如下：

1<SQL> SELECT `Sepal.Length`, `Sepal.Width`, `Petal.Length`, `Petal.Width`, `Species`, 0.0 AS `zeros`
2FROM `iris`

算数运算

本例会用到flights数据，这个表中包含了航班的起飞时间（dep_time）和到达时间（arr_time），如果需要知道中间经理了多长时间，我们需要将两者相减。我们会先把两列取出来，然后再构造新的列：

 1flights %>%
 2  select(dep_time,arr_time) %>%
 3  mutate(time = arr_time - dep_time)
 4## # A tibble: 336,776 x 3
 5##    dep_time arr_time  time
 6##       <