tidyverse —— dplyr包
野菜团子，R语言中文社区专栏作者
博客专栏：https://ask.hellobi.com/blog/esperanca
tidyverse包
tidyverse是一个汇总包，一包更比6包强，用于数据清洗、转换、可视化等。
tidyverse_packages() #列示tidyverse中所有的包
其核心包有ggplot、readr、tibble、purrr、 tidyr 、dplyr、ggplot、forcats 和stringr8个，本篇主要讲dplyr这一个。
dplyr包主要操作函数
dplyr包用于数据处理。整体而言，功能和data.table包的重合部分很多，也都有运算很快的优点，data.table包过几天写，根据个人偏好选取吧。速度快，底层运行是C++代码，通过Rcpp运行；而且适用范围广，无论数据存储在data.frame、data.table还是database，都可以处理。作为tidyverse包中一员，其函数可以结合rlang包进行引用或注明结束引用，在编程中提供了很大便利。rlang包以后写。下面简单介绍dplyr包主要操作函数。要了解更多深入的用法，可以参考：
browseVignettes(package = "dplyr")
mutate()和transmute()
mutate()函数用于生成新的变量，返回一个全新的包含了指定生成的变量的数据，而不是在原有数据上更改。transmute()函数用法相似，但是只返回生成的新变量。
mutate(.data, ...)
transmute(.data, ...)
…表示一系列的变量生成表达式，用“,”隔开，定义为NULL则表示删除变量。
mtcars %>% as_tibble() %>% mutate(
cyl2 = cyl * 2,
cyl4 = cyl2 * 2，
mpg = NULL
)
管道函数%>%表示传递值给下一个函数的第一个参数。
也可以用于分组后的变量生成。
mtcars %>%
group_by(cyl) %>%
mutate(rank = min_rank(desc(mpg)))
新生成的rank是在按照cyl分组后的排序值。
另外还有mutate_all()，mutate_if() 和mutate_at()三个函数可以划定函数和变量范围来生成新变量。
iris %>% as_tibble() %>% mutate_if(is.factor, as.character)
第一个参数判定作用变量范围，第二个参数声明应用函数。表示如果是因子变量，就生成对应的字符变量。如果要应用多个函数，则使用funs()来声明。
kk4 <- iris %>% mutate_at(vars(matches("Sepal")), funs(l = log, cm = . / 2.54))
vars()函数声明作用的对象，上命令表示如果变量名中有"Sepal"，就对该变量进行取对和除以2.54的运算，生成的变量名后缀分别为l和cm。“.”指代传入的数据。
arrange()
arrange()函数用于对变量进行排序。
by_cyl <- mtcars %>% group_by(cyl) #按照cyl分组
by_cyl %>% arrange(desc(wt)) #无视之前的分组
by_cyl %>% arrange(desc(wt), .by_group = TRUE) #在之前的分组内再排序
filter()
filter()函数用于筛选行子集。
filter(starwars, hair_color == "none", eye_color == "black")
filter(starwars, hair_color == "none" & eye_color == "black")
filter(starwars, hair_color == "none" | eye_color == "black")
前两行筛选出同样的子集，表示要同时满足第2和第3个参数的要求，最后一行表示表示满足其一即可。
select()
select()用于筛选列子集，即变量。
select(iris, contains("etal", ignore.case = TRUE))
select(iris, matches(".t."))
matches()函数可以用正则表达式匹配变量名，而contains()只能匹配字符串，ignore.case选项表示忽略大小写。
slice()
slice()函数通过行数来选取子集，前加“-”表示除去该行不选。支持组内操作。
slice(mtcars, 1L)
slice(mtcars, n())
slice(mtcars, 5:n())
by_cyl <- group_by(mtcars, cyl)
slice(by_cyl, 1:2)
以上操作和下列代码完全等效，但是速度上有欠缺：
filter(mtcars, row_number() == 1L)
filter(mtcars, row_number() == n())
filter(mtcars, between(row_number(), 5, n()))
filter(by_cyl, between(row_number(), 1, 2))
summarise()
顾名思义，summarise()函数用于概述数据的统计特征等，结合group_by函数风味更佳。
mtcars %>%
group_by(cyl) %>%
summarise(disp = mean(disp))
mtcars %>%
group_by(cyl) %>%
summarise(sd = sd(disp))
结果就如下图：
之前觉得要一个一个的求均值和方差会很麻烦，想要把它们写在一起，毕竟mutate()函数就可以一次生成多个变量，比如这样：
mtcars %>%
group_by(cyl) %>%
summarise(disp = mean(disp), sd = sd(disp))
结果就是这样：
这是因为summarize()函数一旦运行就会重写覆盖变量。
但是想要一次求多个值还是有办法的。
前文提到tidyverse包很适合编程，是因为它适用引用函数quo()函数，即只引用而不计算表达式，它和base包中的quote()用法相似，但是多附带环境信息。这里就用quo()函数来求多值。
var <- list(quo(mean(disp)), quo(sd(disp)))
mtcars %>%
group_by(cyl) %>%
summarise(!!! var)
结果如图：
这样就成功地算出多值了。其中“!!!”是引用终值并解析操作符，使用对象为元素为引用的列表或向量，它将引用的表达式解析并计算，每个列表元素都释放为summarize()函数的参数。另有“!!”操作符针对非列表对象，作用相同。
公众号后台回复关键字即可学习
回复 R R语言快速入门及数据挖掘
回复 Kaggle案例 Kaggle十大案例精讲（连载中）
回复 文本挖掘 手把手教你做文本挖掘
回复 可视化 R语言可视化在商务场景中的应用
回复 大数据 大数据系列免费视频教程
回复 量化投资 张丹教你如何用R语言量化投资
回复 用户画像 京东大数据，揭秘用户画像
回复 数据挖掘 常用数据挖掘算法原理解释与应用
回复 机器学习 人工智能系列之机器学习与实践
回复 爬虫 R语言爬虫实战案例分享