R語言dplyr包之高效數(shù)據(jù)處理函數(shù)filter、group

第R語言dplyr包之高效數(shù)據(jù)處理函數(shù)（filter、groupR語言dplyr包的數(shù)據(jù)整理、分析函數(shù)用法文章連載NO.01

在日常數(shù)據(jù)處理過程中難免會(huì)遇到些難處理的，選取更適合的函數(shù)分割、篩選、合并等實(shí)在是大快人心！

利用dplyr包中的函數(shù)更高效的數(shù)據(jù)清洗、數(shù)據(jù)分析，及為后續(xù)數(shù)據(jù)建模創(chuàng)造環(huán)境；本篇涉及到的函數(shù)為filter、filter_all()、filter_if()、filter_at()、mutate、group_by、select、summarise。

1、數(shù)據(jù)篩選函數(shù)：

filter(.data=iris,Sepal.Length3,Sepal.Width3.5)

filter(.data=iris,Sepal.Length3,Species==virginica)

輸出情況：輸出情況：

iris_data-iris%%select(-Species)

iris_data%%filter_all(all_vars(.6))

部分輸出情況：

iris_data%%filter_all(any_vars(.3))

iris_data%%filter_at(vars(starts_with(Sep)),any_vars(.3))

filter_all(mtcars,any_vars(.150))

filter_at(mtcars,vars(starts_with(d)),any_vars((.%%2)==0))

2、數(shù)據(jù)分組、匯總函數(shù)group_by、summarise

其他延展函數(shù)group_by_all、group_by_if、group_by_at（將在后續(xù)文章中解析）

group_by函數(shù)按照某個(gè)變量分組，對(duì)于數(shù)據(jù)集本身并不會(huì)發(fā)生什么變化，只有在與mutate(),arrange()和summarise()函數(shù)結(jié)合應(yīng)用的時(shí)候會(huì)體現(xiàn)出它的優(yōu)越性，將會(huì)對(duì)這些tbl類數(shù)據(jù)執(zhí)行分組操作(R語言泛型函數(shù)的優(yōu)越性).

mtcars_cyl-mtcars%%group_by(cyl)

mtcars_cyl%%summarise(

disp=mean(disp),

hp=mean(hp)

)

mtcars_vs_am-mtcars%%group_by(vs,am)

mtcars_vs-mtcars_vs_am%%summarise(n=n())

3、新增列函數(shù)mutate，在數(shù)據(jù)集的基礎(chǔ)上新增列，不對(duì)原數(shù)據(jù)作更改

可用的相關(guān)參數(shù)、邏輯：

+,-等等

log()

lead(),lag()

dense_rank(),min_rank(),percent_rank(),row_number(),cume_dist(),ntile()

cumsum(),cummean(),cummin(),cummax(),cumany(),cumall()

na_if(),coalesce()

if_else(),recode(),case_when()

相關(guān)延展函數(shù)：transmute、mutate_all、mutate_if、mutate_