4.R语言【dplyr包】使用方法

b站课程视频链接：
https://www.bilibili.com/video/BV19x411X7C6?p=1
腾讯课堂(最新，但是要花钱，我花99😢😢元买了，感觉讲的没问题，就是知识点结构有点乱，有点废话）：
https://ke.qq.com/course/3707827#term_id=103855009
 
本笔记前面的笔记参照b站视频，【后面的画图】参考了付费视频
笔记顺序做了些调整【个人感觉逻辑顺畅】，并删掉一些不重要的内容，以及补充了个人理解
系列笔记目录【持续更新】：https://blog.csdn.net/weixin_42214698/category_11393896.html

数据转换之dplyr包

dplyr包不仅可以对单个表格进行操作，也可以对双表格进行操作。 （使用R中的iris数据集做演示）

install.packages("dplyr")
library(dplyr)
# 列出该包的函数
ls("package:dplyr")

因为dplyr包有很多函数，为了防止dplyr包中的函数名与其他函数产生冲突，使用时前面加上“包名::”

1. 对单表格的操作

# 过滤函数  选出 Sepal.Length>7 的行
dplyr::filter(iris,Sepal.Length>7)

#去除重复  
# rbind是行合并     iris[1:10, ]是前10行，iris[1:15, ]是前15行   最终结果是只有前15行
dplyr::distinct(rbind(iris[1:10, ] , iris[1:15, ])) 

#slice是切片的意思，可以用于取出数据任意行
dplyr::slice(iris,10:15) 

#随机取样10行
dplyr::sample_n(iris,10) 
#按比例随机取样  0.1是比例
dplyr::sample_frac(iris,0.1) 


 #按照iris中的花萼长度Sepal.Length进行排序  
dplyr::arrange(iris,Sepal.Length)
#降序
dplyr::arrange(iris,desc(Sepal.Length)) 


#添加新的变量new，其值是Sepal.Length+Petal.Length
dplyr::mutate(iris,new=Sepal.Length+Petal.Length)




# 根据Species进行分组
> dplyr::group_by(iris,Species)
# A tibble: 150 × 5
# Groups:   Species [3]
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <fct>  
 1          5.1         3.5          1.4         0.2 setosa 
 2          4.9         3            1.4         0.2 setosa 
 3          4.7         3.2          1.3         0.2 setosa 
 4          4.6         3.1          1.5         0.2 setosa 
 5          5           3.6          1.4         0.2 setosa 
 6          5.4         3.9          1.7         0.4 setosa 
 7          4.6         3.4          1.4         0.3 setosa 
 8          5           3.4          1.5         0.2 setosa 
 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# … with 140 more rows
# ℹ Use `print(n = ...)` to see more rows

select函数：dplyr包中的数据框取子集功能，比R自带的subset函数更加强大。

---

2. dplyr包的统计函数

> summarise(iris,avg=mean(Sepal.Length))
       avg
1 5.843333
> summarise(iris,sum=sum(Sepal.Length))
    sum
1 876.5

---

3. 链式操作符 ——“%>% ”

它的功能是用于实现将一个函数的输出传递给下一个函数，作为下一个函数的输入。
在RStudio中可以使用ctrl+shift+M快捷键输出来。

#输出mtcars中的第10到20行
head(mtcars,20) %>% tail(10) 

对iris数据集先进行分组，再求平均，最后排序
> iris %>% group_by(Species)
# A tibble: 150 × 5
# Groups:   Species [3]
   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
          <dbl>       <dbl>        <dbl>       <dbl> <fct>  
 1          5.1         3.5          1.4         0.2 setosa 
 2          4.9         3            1.4         0.2 setosa 
 3          4.7         3.2          1.3         0.2 setosa 
 4          4.6         3.1          1.5         0.2 setosa 
 5          5           3.6          1.4         0.2 setosa 
 6          5.4         3.9          1.7         0.4 setosa 
 7          4.6         3.4          1.4         0.3 setosa 
 8          5           3.4          1.5         0.2 setosa 
 9          4.4         2.9          1.4         0.2 setosa 
10          4.9         3.1          1.5         0.1 setosa 
# … with 140 more rows
# ℹ Use `print(n = ...)` to see more rows
> iris %>% group_by(Species) %>% summarise(avg=mean(Sepal.Width))
# A tibble: 3 × 2
  Species      avg
  <fct>      <dbl>
1 setosa      3.43
2 versicolor  2.77
3 virginica   2.97
> iris %>% group_by(Species) %>% summarise(avg=mean(Sepal.Width)) %>%arrange(avg) 
# A tibble: 3 × 2
  Species      avg
  <fct>      <dbl>
1 versicolor  2.77
2 virginica   2.97
3 setosa      3.43

---

4. 对双表格的操作

1）左连接 （以左表为基表）
dplyr::left_join(a,b,by=“x1”)

2）右连接 （以右表为基表）
dplyr::right_join(a,b,by=“x1”)

3）内连接：取x1的交集
dplyr::inner_join(a,b,by=“x1”)

4）全连接：取x1的并集

5）半连接：a与b的交集，把b中有的，a中没有的（即x3列）去掉
dplyr::semi_join(a,b,by=“x1”)

6）反连接：a与b的补集，保留a中有，而b中没有的观测
dplyr::anti_join(a,b,by=“x1”)

---

5.数据集的集合运算

# 前20行
first <- slice(mtcars,1:20)  
# 第10~30行
second <- slice(mtcars,10:30)  

1）取数据集交集：intersect(first,second)  
2）取数据集并集：dplyr::union_all(first,second)  
3）取非冗余的数据集并集：  dplyr::union(first,second)  
4）取first的补集：setdiff(first,second)