浅谈R利器之dplyr包

转载自品略图书馆 http://www.pinlue.com/article/2020/07/0412/0010968792349.html

 

给大家逐一介绍R的几种利器包（package），如dplyr（数据处理神包）、ggplot2（画图神器）、shiny（网页开发神包）、rvest（网络数据爬取）、sp（地理数据分析包）等。也会给大家介绍R读取二进制、GRIB、NC等格式数据，驱动HYSPLIT模型等的实战。

     今天我们从dplyr开始。 

    dplyr包主要用于数据的清洗和分析。先眼熟一下dplyr包中的几个常用函数：filter、select、mutate、arrange、join、%>%、summarize、bind_rows(cols)

    老规矩，要想使用这个包，得先安装再加载

•  
•  
•  
•  

#安装dplyr包install.packages("dplyr")#加载dplyr包library("dplyr")

1、filter

    filter可用于数据的筛选，从某一数据框中取出符合条件的子集。话不多说，且看如下实例：

•  
•  
•  
•  
•  
•  
•  
•  
•  
•  
•  

#读取名字为test_1.csv的数据到R中，成为data.frame。test = read.csv("D:\\R_EXAMPLE\\test_1.csv")#筛选PM2.5浓度大于75的数据data = filter(test,PM2.5 >=75)#筛选PM2.5浓度大于75、小于150的数据data = filter(test,PM2.5 >= 75 & PM2.5 <= 150)#筛选PM2.5浓度大于75或SO2浓度小于50的数据data = filter(test,PM2.5 >= 75 | SO2 <= 50)

2、select

    从数据框中选择指定的列。

•  
•  
•  
•  
•  

#选择SO2和PM2.5列data = select(test,SO2,PM2.5)#选择所有列，除了PM2.5列data = select(test,-PM2.5)

 3、mutate

    对某一数据列使用指定的公式，生成新的数据列。

•  
•  

#将PM2.5列和SO2列相加，生成新的一列newdata = mutate(test,new = PM2.5 + SO2)

4、arrange

    根据一个变量或多个变量进行排序，如下面实例：

•  
•  
•  
•  
•  
•  
•  
•  

#将test数据框按照PM2.5大小升序data = arrange(test,PM2.5)#将test数据框按照PM2.5大小降序data = arrange(test,desc(PM2.5))#将test数据框按照PM2.5和SO2升序(先PM2.5，再SO2)data = arrange(test,PM2.5,SO2)

5、summarize

    对数据进行汇总，比如求和、计算平均值等。R中常见的统计函数有：

min()：求最小值、max()：求最大值、mean()：求均值、sum()：求总和、sd()：求标准差、var()：求方差、median()：求中位数、quantile(a, b)：求a的第b个分位数。实例如下：

•  
•  

#求SO2的平均值和PM2.5的标准差summarize(test,so2_mean = mean(test$SO2),pm25_sd = sd(test$PM2.5))

6、%>%

    这个符号初看起来很怪，其实大有用处。它是管道符号的一种。把符号左边的东西传递给右侧的函数或表达式。可能有点费解，且看实例：

•  
•  
•  
•  
•  
•  
•  
•  

#比如我们想先从test中取出PM2.5列，然后对此列排序。按照我们上面介绍的方法，需两步:#第一步，选择数据data = select(test,PM2.5)#第二步，排序data_a = arrange(data)#现在用%>%符号，只需一步即可搞定：data = select(test,PM2.5) %>% arrange()

    %>%的连接没有个数限制，可以一直往下传递。此符号可缩短代码量、减少中间变量，在处理大数据时可节省内存空间。

7、join

    将两组数组，按照某一相同的规则连接起来。

    左联：left_join

•  
•  
•  
•  
•  
•  
•  

#生成两个数据框a和b。a表示五个学生的身高，b表示五个学生的体重a = data.frame(name = c("小明","小李","小王","小赵","小刘"),height = c(120,130,125,135,115))b = data.frame(name = c("小王","小赵","小刘","小明","小李"),weight = c(40,44,42,45,39))#可以看到，a和b有一个相同的name列，并且名字一样（顺序不同）#将两个数据框联合起来#左联data = left_join(a, b, by="name")

    右联：right_join

•  
•  

#右联data = right_join(a, b, by="name")

    内联：inner_join

•  
•  
•  
•  
•  
•  

#生成两个数据框a和b。a表示五个学生的身高，b表示五个学生的体重a = data.frame(name = c("小明","小李","小王","小赵","小刘"),height = c(120,130,125,135,115))b = data.frame(name = c("小王","小赵","小刘","小孙","小吴"),weight = c(40,44,42,45,39))#可以看到，a和b有一个相同的name列，但名字不一样#内联data = inner_join(a, b, by="name")

8、bind_rows(cols)

    将数据框按行或按列合并。按行合并需要两个数据框列相同，按列合并需要两个数据框行相同。

•  
•  
•  
•  
•  
•  

#生成两个数据框a和b。a和b具有相同的列a = data.frame(name = c("小明","小李","小王","小赵","小刘"),height = c(120,130,125,135,115))b = data.frame(name = c("小周","小陈","小杨","小孙","小吴"),height = c(40,44,42,45,39))#按行合并data = bind_rows(a, b)

 

•  
•  
•  
•  
•  
•  

#生成两个数据框a和b。a和b具有相同的行a = data.frame(name = c("小明","小李","小王","小赵","小刘"),weight = c(120,130,125,135,115))b = data.frame(name = c("小明","小李","小王","小赵","小刘"),height = c(40,44,42,45,39))#按列合并data = bind_cols(a, b)