r语言read.xlsx编码_玩转数据处理120题之P101-P120（R语言tidyverse版本）

这是该系列的第五篇（终篇），第一、二、三、四篇见：

张敬信：玩转数据处理120题之P1-P20（R语言tidyverse版本）​zhuanlan.zhihu.com

张敬信：玩转数据处理120题之P21-P50（R语言tidyverse版本）​zhuanlan.zhihu.com

张敬信：玩转数据处理120题之P51-P80（R语言tidyverse版本）​zhuanlan.zhihu.com

张敬信：玩转数据处理120题之P81-P100（R语言tidyverse版本）​zhuanlan.zhihu.com

本篇是P101-P120. 需要的数据文件：

链接：https://pan.baidu.com/s/1X3xBjL7ww_RPGSglqSwQ9Q

提取码：owus

---

先加载包：

library

题目101（数据读取）：从csv文件中读取指定数据：读取前10行， positionName和salary列

难度：★★

代码及运行结果：

read

注1：该数据是GBK编码，为避免中文乱码，GBK编码的csv或txt用read.csv()读取；UTF-8编码的csv或txt用readr::read_csv()读取；若用read_csv()读取GBK编码文件，需要设置编码（见题目110）。

注2：R中常规读取数据不能在读取时选择列，采用读取之后选择列。

题目102（数据读取）：从csv文件中读取数据，将薪资大于10000的改为"高"

难度：★★

代码及运行结果：

df 

题目103（数据操作）：从df中对薪资水平每隔20行进行抽样

难度：★★

代码及运行结果：

df 

题目104（数据操作）：取消使用科学记数法

难度：★★

代码及运行结果：

set

题目105（数据操作）：将上一题的数据转换为百分数

难度：★★★

代码及运行结果：

df 

题目106（数据操作）：查找上一题数据中第3大值的行号

难度：★★★

代码及运行结果：

order

题目107（数据操作）：反转df的行

难度：★★

代码及运行结果：

df 

题目108（数据连接：全连接）：根据多列匹配合并数据，保留df1和df2的观测

难度：★★

代码及运行结果：

df1 

df2

df1 %>% 
  full_join(df2, by = c("key1", "key2"))

题目109（数据连接：左连接）：根据多列匹配合并数据，只保留df1的观测

难度：★★

代码及运行结果：

df1 

注：dplyr包还提供了右连接：right_join()，内连接：inner_join()，以及用于过滤的连接：半连接：semi_join()，反连接：anti_join().

题目110（数据处理）：再次读取数据1并显示所有列

难度：★★

代码及运行结果：

df 

题目111（数据操作）：查找secondType与thirdType值相等的行号

难度：★★

代码及运行结果：

which

题目112（数据操作）：查找薪资大于平均薪资的第三个数据

难度：★★★

代码及运行结果：

df 

题目113（数据操作）：将上一题数据的salary列开根号

难度：★★

代码及运行结果：

df 

题目114（数据操作）：将上一题数据的linestation列按_拆分

难度：★★★

代码及运行结果：

df 

注：正常需要先按“;”分割，再分别按“-”分割。

题目115（数据查看）：查看上一题数据一共有多少列

难度：★

代码及运行结果：

ncol

题目116（数据操作）：提取industryField列以"数据"开头的行

难度：★★

代码及运行结果：

df 

题目117（数据分组汇总）：以salary score和positionID做数据透视表

难度：★★★

代码及运行结果：

df 

题目118（数据分组汇总）：同时对salary、score两列进行汇总计算

难度：★★★

代码及运行结果：

df 

注：若要分组再这样汇总，前面加上group_by(grpvar)即可；若改用dplyr1.0的cross()会更加简洁。

题目119（数据分组汇总）：同时对不同列进行不同的汇总计算：对salary求平均，对score求和

难度：★★★

代码及运行结果：

df 

注：若要分组再这样汇总，前面加上group_by(grpvar)即可。

题目120（数据分组汇总）：计算并提取平均薪资最高的区

难度：★★★★

代码及运行结果：

df 

后记

1. 120道数据处理题目做完了，个别题目是经过查阅写成，尽量采用最简洁、优雅的方式来实现。总体来说，题目比较简单，没太涉及到复杂的数据处理，适合用来学习和练手。
2. 全部代码都是在dplyr 0.8.4下实现，就在今天dplyr包正式升级到1.0.0版本，后续我将更新到该版本。只有极少数题目有更简洁的写法，暂时先不做改写。
3. 花时间写这个系列，当然自己能进一步学习巩固，同时也希望推广 2017 年以来的“新”R，特别是tidyverse流，打消多数人对R不好用的误解。

参考文献

遥遥无期：玩转数据处理120题|Pandas版本​zhuanlan.zhihu.com

版权声明：原创作品，欢迎转载，请注明出处，禁止用于出版。