r语言初学者指南_R语言数据操作：练习题跟帖1-CSDN博客

作者：黄天元，复旦大学博士在读，热爱数据科学与开源工具（R），致力于利用数据科学迅速积累行业经验优势和科学知识发现，涉猎内容包括但不限于信息计量、机器学习、数据可视化、应用统计建模、知识图谱等，著有《R语言数据高效处理指南》（《R语言数据高效处理指南》(黄天元)【摘要书评试读】- 京东图书，《R语言数据高效处理指南》(黄天元)【简介_书评_在线阅读】 - 当当图书）。知乎专栏：R语言数据挖掘。邮箱：huang.tian-yuan@qq.com.欢迎合作交流。

最近在微信中看到有使用data.table来做R练习题（renkun-ken/r-data-practice）的帖子（R练习50题 - 第一期），非常有意思。帖子的主人已经把题目全部做完，并上传到Github（Ravin515/r-data-practice）。这是一件让人开心而又悲伤的事情，这个任务如此有趣，但是这些代码是真的很难...我已经不能算是初学者了，但是看到这些data.table的代码竟是有点蒙（虽然仔细能够读懂，但是很多细节依然要查，而代码只要一个细节不对，就没有正确答案返回）。

我个人曾在多个场合以及自己的书中提到R数据操作的未来（HopeR：第十二届上海R会PPT分享：R语言数据操纵之美）。我相信R语言数据操作将会走向真正的“信达雅”，即：

信：得到正确无误的返回结果（真）；

达：表达灵活自由而性能强大（快）；

雅：拥有高效简洁的语法结构（美）。

以上面3个作为评判的标准，我决定跟帖对这些任务进行再实现，从而写出让初学者也能够快速掌握，而在计算机又能够高性能实现的代码。我相信未来肯定会有工具能够对以上所有的点都进行实现，但是我们只争朝夕，现在就看看当前高效的实现是如何的。这里核心思想是使用dplyr来提高代码的可读性，这样既节省了我们设计代码的时间，降低初学者的学习成本；同时，使用dtplyr来提高运行的性能，让代码运行得更快。这样，代码就达到了又快又美的效果。dtplyr的官网链接可参考：

Data Table Back-End for dplyrdtplyr.tidyverse.org

关于数据的简介，以及需求，大家可以先去看原帖子：R练习50题 - 第一期

下面给出我的代码：

library(pacman)

p_load(tidyverse,dtplyr,data.table)

read_rds(".") -> data  #  .为数据所在路径

# 1.哪些股票的代码中包含"8"这个数字？

## data.table 
data[str_detect(symbol, "8"), 
     unique(symbol)]

## dtplyr 
data %>% 
  lazy_dt() %>% 
  filter(str_detect(symbol,"8")) %>% 
  distinct(symbol) %>% 
  as_tibble()

# 2.每天上涨和下跌的股票各有多少?

## data.table
data[, 
     .(num = uniqueN(symbol)), 
     keyby = .(date, updown = ifelse(close - pre_close > 0, "UP", "DOWN"))]

## dtplyr 
data %>% 
  lazy_dt() %>% 
  mutate(updown = ifelse(close - pre_close > 0, "UP", "DOWN")) %>% 
  count(date,updown) %>%
  as_tibble()

dtplyr的语法规则就是，大家直接写dplyr，但是在数据后面补一个lazy_dt()。

同时，在最后写一个as_tibble()即可（as.data.table或as.data.frame也可以）。

dtplyr的核心功能就是把最常用的dplyr代码“翻译”成data.table的代码。事实上，不是所有的dplyr代码都能够转为data.table的，但是常用的相通部分都可以实现。其实，甚至感觉dtplyr是在取data.table的精华而去其糟粕，很多很难记的而较少用的data.table代码是无法用dtplyr来翻译的，而能够翻译的往往是最核心有用的部分，比如分组、汇总、筛选、计数等。希望在不久的将来，可以直接不写lazy_dt()直接在dplyr中实现高效操作，这应该是趋势。同时，希望dplyr能够在可读性的路上越走越远、越走越高；希望data.table在高性能的路上登峰造极。做个比喻，dplyr和data.table就像木叶忍村一明一暗，一阴一阳，推动R语言数据操作的不断进步。总有一天两者会合二为一，这一点是可以坚信的。