dplyr数据处理

生信喵

一、筛选过滤行 filter()
       filter()函数用于筛选出一个观测子集，第一个参数是数据库框的名称，第二个参数以及随后的参数是用来筛选数据框的表达式。

1. library(dplyr)
   
2. dplyr::filter(iris,Sepal.Length >7)
   
3. dplyr::filter(mtcars,mpg>21)
   
4. dplyr::filter(mtcars,cyl == 6,mpg>21)
   
5. dplyr::filter(mtcars,cyl == c(4,6),mpg>21)

复制代码

二、排序 arrange()
       arrange()函数的使用方法与 filter()函数类似，主要用于排序，默认按照从小到大顺序，可以使用 desc()按照降序排序。

1. dplyr::arrange(mtcars,mpg)
   
2. dplyr::arrange(mtcars,desc(mpg))

复制代码

三、利用管道
       合并多个操作，过滤后排序，%>%快捷键是ctrl+shift+M。magrittr包包含的管道操作。

1. mtcars %>% dplyr::filter(mpg>20)
   
2. mtcars %>% dplyr::filter(mpg>20) %>% dplyr::arrange(cyl)

复制代码

四、筛选过滤列 select()
       select()函数用于筛选有用的列，第一个参数还是数据库，第二个参数以及后面是需要的列名，列名有多种书写方式，可以使用冒号作为范围，也可以使用 stars_with,ends_with 等函数进行模式匹配。另外，当想要把几个需要的列移到前面，可以配合使用 everythins()函数，将剩余的列添加到后面。

1. iris %>% dplyr::select(starts_with("Sep"))
   
2. x <- read.csv('WHO.csv',row.names = 1)
   
3. x %>% dplyr::select(starts_with('Pop')) %>% View()

复制代码

五、抽样
       抽样的函数使用起来比较容易，可以按照个数抽样，也可以按照百分比进行抽样。

1. mtcars %>% dplyr::sample_n(10)
   
2. mtcars %>% dplyr::sample_frac(0.2)

复制代码

六、创建新变量
       有时需要对已有变量进行重新计算，例如计算几列的和，会某一列取对数，这样将生成新的变量，这个时候可以使用 mutate 函数。

1. mtcars %>% dplyr::mutate(mpg10 = mpg*10)
   
2. 
   
3. x <- read.xlsx('2015.xlsx')
   
4. x %>% dplyr::mutate(avg = Income/People)

复制代码

七、统计
       使用 summarise()可以对每一列单独进行计算，例如求和，求平均值等，这些都可以使用apply 系列函数来完成，summarise()一般都配合 group_by()函数一起使用，可以进行分组统计。

       分组统计： group_by()函数与 summarise()配合一起使用，可以进行分组统计。

1. x %>% summarise(sum(Income))
   
2. x %>% group_by(Province) %>% summarise(length(Income))
   
3. x %>% group_by(Province) %>% summarise(num = length(Income)) %>% dplyr::arrange(desc(num)) %>%
   
4.   ggplot(aes(x=num)) + geom_bar()
   
5. x %>% count(Province)

复制代码

八、集合运算

1. a=data.frame(x1=c("A","B","C"),x2=c(1,2,3))
   
2. a
   
3. b=data.frame(x1=c("A","B","D"),x3=c(T,F,T))
   
4. b
   
5. 
   
6. dplyr::left_join(a,b,by="x1")
   
7. dplyr::right_join(a,b,by="x1")
   
8. dplyr::left_join(b,a,by="x1")
   
9. 
   
10. dplyr::full_join(a,b,by="x1")
    
11. dplyr::semi_join(a,b,by="x1")
    
12. 
    
13. dplyr::anti_join(a,b,by="x1")
    
14. dplyr::anti_join(b,a,by="x1")
    
15. 
    
16. dplyr::inner_join(a,b,by="x1")
    
17. 
    
18. 
    
19. first <- slice(mtcars,1:20)
    
20. first
    
21. second <- slice (mtcars,10:30)
    
22. second
    
23. intersect(first, second)
    
24. union_all(first, second)
    
25. union(first, second)
    
26. setdiff(first, second)#1的补集
    
27. setdiff(second, first)#2的补集

复制代码