内容简介:2018年11月26日
1. 使用 dplyr 包的好处
-
大多数时间在操作
tbl_df
对象,而不是data.frame
(特别是含有factor
的data.frame
)。 -
与 magrittr 包的管道更好地结合。
-
更丰富的列操作,例如
mutate
、select
。group_by
会节省很多for循环。
2. 列操作
-
filter()
:过滤列,需要输入一个逻辑向量(注意xor(x, y)
:x和y并集除去交集的部分。between(x, left, right)
:left <= x <= right。near(x, y)
:x和y在一定精度下相等,比==
安全)。直接使用列名操作,例如year == 2018
。多列操作相当于&
。受group
操作影响。 -
arrange()
:列排序(默认升序)。多列操作时,先 排序 第一个,再对第一个相等的排第二个。desc()
降序排列。.by_group = FALSE
控制是否需要按照group进行组内操作。 -
select()
:选择列,重新组合新的tbl_df
。结合 tidyselect 包的starts_with()
前缀、end_with()
后缀、contains()
部分字符串、matches()
正则匹配、num_range
类似V01和x02之类、everything()
(剩余)所有的列、last_col(offset = n)
倒数第n+1列(默认n为0)。select(Col1 = col1)
更改col1列名为Col1,并只返回Col1列。rename(Col1 = col1)
返回全部列,但更改列名为Col1。不受group
操作影响。 -
mutate()
:增加列,返回原始对象和增加列,增加列放置最后。transmute()
:只返回增加的列。受group
操作影响。
3. 行操作
sample_n()
和 sample_frac()
:随机选择行。
4. 两个表的操作
-
inner_join(x, y)
:按照指定的列(可以多列),只返回x和y的共同内容。 -
left_join(x, y)
:按照指定的列(可以多列),返回x和y相同内容和剩余x内容(y中没有的用NA
替代)。 -
right_join(x, y)
:等价于left_join(y, x)
。 -
full_join(x, y)
:全部x和y内容(没有的用NA
代替)。 -
semi_join(x, y, by)
:按照指定的列(可以多列),返回x中与y相同的内容。制定列可以写为by = c('col1', 'col2')
或者by = c('colx1' = 'coly1', 'colx2' = 'coly2')
。 -
anti_join(x, y)
:semi_join()
后x剩余的内容。 -
bind_rows(x, y)
和bind_cols(x, y)
:行和列连接。 -
intersect(x, y)
、setdiff(x, y)
和union(x, y)
:对行判断,x和y的交集、x中的余集和并集。 -
setequal(x, y)
:x和y的行是否相同(与行顺序无关)。
参考资料
-
Hadley Wickham, Garrett Grolemund: R for Data Science .
更新记录
2018年11月26日
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。