R语言数据整理之tidyverse（中级操作）

今天分享一下tidyverse中数据整理的中级操作
至于初级操作呢（join,arrange等），就不分享了。

1.拆分列，合并列

拆分

mtcars %>% separate(mpg,into = c("A","B"),sep = ".",
convert = T)

合并

mtcars %>% unite(new,mpg,cyl,sep="___")

2.重命名

下面是几种常用的方法

1. set_names()   #所有列名重命名

2. mtcars %>% rename(aa=cyl,bb=disp)#具体列重命名!

3. names(data)=c("a","c")#所有列名重命名

4. colnames(data)[2]="a" # 第二列重命名为a

5. rownames(a)=a[,1]#第一列改为行名

3.新列

1.mtcars %>% mutate(across(where(is.numeric),scale))
#数字列标准化

2.across(选列,函数)#这个函数意思是选择的列用于某函数,和
mutate函数配合用

4.筛选行filter,我认为这是dplyr中最重要的函数

1. mtcars %>% filter(if_all(3:4,~.x>200))
#3:4选列，每个值都大于200

2. data %>% filter(if_all(everything()，~!is.na(.x)))
#所有列观测值全部非NA

3. data %>% filter(if_any(everything()，~ str_ detect(.x，"bl")))
#存在bl的行

4. mtcars %>% filter(if_any(where(is.numeric),~.x > 260))
#存在大于260的行

4. 添加标签or生成新列

1. mtcars %>% mutate(new=if_else(cyl<5,"small","big"))
#适合于分两类的情况

2. 适合于分多类的情况
mtcars %>% 
mutate(new=case_when(mpg<10~"small",
                        mpg>=10&mpg<20~"middle",
                        mpg>20~"big"))

3. 除了简单标记外，case_when还有更高级的用法，将~后使用函数生成新列

先定义三个函数
f1=function(x){x^2}
f2=function(x){x^3}
f3=function(x){x^4}

这个函数真的很实用，希望大家都能了解到它的强大

mtcars %>% mutate(new=case_when(mpg<10~f1(mpg),
                                mpg>=10&mpg<20~f2(mpg), 
                                mpg>20~f3(mpg))) 

4. 自定义分组频数统计
mtcars %>% group_by(new=cut(disp,breaks =c(0,100,200,300,500),
right = FALSE)) %>%count()

今天就先分享到这，格式有点乱，大家凑合着先看看吧~
希望大家关注我的个人公众号“森林生态小小圈”，我会不定期更新一些R语言，和生态学方面的东西，谢谢大家~
最后，祝大家五一快乐~