R语言学习笔记（二）
导 语
之前，小编给大家介绍过R语言和Rstudio的安装（R语言学习笔记（一））。如果希望继续了解R语言的基础内容可关注“投必得医学”公众号，里面有关于R语言基本操作、数据结构、统计基础等干货内容。小编在这里作为一名非专业的R语言爱好者，给大家分享一些个人觉得非常实用的R包和作图的一些经验，希望对大家有所帮助。本期给大家带来的是dplyr这个包的介绍和基本用法。
dplyr简介
开发这个包的是鼎鼎大名的R语言大神Hadley Wickham，他目前是Rstudio的首席科学家，除了dplyr包，还有包括ggplot2、reshape、tidyverse等应用极为广泛的R包也是他开发的。这里介绍的dplyr包主要是用来操作数据框的，概括起来主要有五大最常用的功能，包括过滤、筛选、排列、变换、汇总。大多数功能通过R的基础函数也能实现，但dplyr的强大之处就在于只要一个简单的函数就能完成，十分方便。
安装、加载、导入数据
> setwd("E:/Rwork/Data_analysis") #设置工作路径>library(dplyr)> library(hflights)> data("hflights") #加载数据> dim(hflights) #查看数据大小[1] 227496 21可以看到这个数据集很大，我们取一小部分数据做示例。
> flight <- hflights[1:120, 1:6] #数据框的切片操作，表示取前6行> head(flight) #查看数据 Year Month DayofMonth DayOfWeek DepTime ArrTime5424 2011 1 1 6 1400 15005425 2011 1 2 7 1401 15015426 2011 1 3 1 1352 15025427 2011 1 4 2 1403 15135428 2011 1 5 3 1405 15075429 2011 1 6 4 1359 1503右滑查看更多>>
dplyr功能实现
（1）过滤（filter）
比如这里要过滤上面flight数据集中1月1日的航班信息，我们可以先尝试用R的基本功能实现，如下：
> flights[flights$Month==1 & flights$DayofMonth==1, ] Year Month DayofMonth DayOfWeek DepTime ArrTime5424 2011 1 1 6 1400 15006343 2011 1 1 6 728 84019266 2011 1 1 6 1631 173623655 2011 1 1 6 1756 2112右滑查看更多>>
可以看到有4趟航班，那么用dplyr包怎么做呢：
> filter(flights, Month == 1, DayofMonth == 1) Year Month DayofMonth DayOfWeek DepTime ArrTime1 2011 1 1 6 1400 15002 2011 1 1 6 728 8403 2011 1 1 6 1631 17364 2011 1 1 6 1756 2112右滑查看更多>>
> filter(flights, DayofMonth == 1 | DayOfWeek == 2)右滑查看更多>>
（2）选择（select）
选择通常是指按照列名选择特定的列，比如我们要选取Month, DayOfMonth, DayOfWeek这3列，同样我们先用R的基本功能实现：
> flights[, c("Month", "DayofMonth", "DayOfWeek")] #按列名选择> flights[, c(2,3,4)] #表示取第2、3、4列右滑查看更多>>
用dplyr实现则更加简单：
> select(flights, Month, DayofMonth, DayOfWeek)> select(flights, c(2,3,4))右滑查看更多>>
这里顺便提一下dplyr中的管道操作，符号是” %>%”，灵活运用能够简化代码，并且增加代码的可读性。比如我们需要选择flights数据集中的Month, DayOfMonth, DayOfWeek这3列，并且筛选出周一的航班，通常的写法是：
>filter(select(flights, Month, DayofMonth, DayOfWeek), DayOfWeek == 1)右滑查看更多>>
这样写当然没问题，但是两个函数嵌在一起，显得不够简洁，如果加上管道符：
>flights %>% select(flights, Month, DayofMonth, DayOfWeek) %>%filter(DayOfWeek == 1)右滑查看更多>>
虽然看起来代码量变多了，但一目了然，很容易就能读出代码在做什么。
（3）排列（arrange）
排列通常是指按照某个顺序对行进行排列，比如我们想选择flights数据集中的Month, DayOfMonth, DayOfWeek这3列，并且按照DayOfWeek进行排序。还是先用R基本功能实现：
>flights[order(flights$DayOfWeek), c(2, 3, 4)] 右滑查看更多>>
>flights %>% select(c(2, 3, 4)) %>%arrange(DayOfWeek)若需要降序排列，则用函数”desc”：
>flights %>% select(c(2,3,4)) %>%arrange(desc(DayOfWeek))（4）变换（mutate）
变换通常指增加一个新的变量，在数据框中表现为新增一列，比如我们需要在flights数据集中增加一列飞行时间（FliTime），数据是用到达时间（ArrTime）减去出发时间（DepTime），还是先用R基本功能实现：
> flights$FliTime <- flights$ArrTime - flights$DepTime> head(flights)Year Month DayofMonth DayOfWeek DepTime ArrTime FliTime5424 2011 1 1 6 1400 1500 1005425 2011 1 2 7 1401 1501 1005426 2011 1 3 1 1352 1502 1505427 2011 1 4 2 1403 1513 1105428 2011 1 5 3 1405 1507 1025429 2011 1 6 4 1359 1503 144右滑查看更多>>
可以看到flights新增了一列FliTime。同样我们用dplyr实现：
>flights %>% mutate(FliTime = ArrTime - DepTime)右滑查看更多>>
注意这样操作与上面的代码是有区别的，因为变换之后新增的列没有保存，若需要保存新增的列，则需要这样操作：
> flights <- flights %>% mutate(FliTime = ArrTime - DepTime)右滑查看更多>>
（5）汇总（summarize）
汇总是指将数据进行归纳整理，如最简单的求极指、平均值、中位数等等。比如我们想按照周一到周天统计航班的平均飞行时间，用R基本函数实现如下：
> with(flights, tapply(FliTime, DayOfWeek, mean)) 1 2 3 4 5 6 7 120.0500 107.4375 109.0000 113.5625 115.3125 120.5625 117.0500右滑查看更多>>
如果用dplyr：
>flights %>% group_by(DayOfWeek) %>%summarise(avg_delay = mean(FliTime))结果如下：
# A tibble: 7 x 2 DayOfWeek avg_delay <int> <dbl>1 1 120.2 2 107.3 3 109 4 4 114.5 5 115.6 6 121.7 7 117.直接生成了一个表格，相比R中基本的tapply函数，用法更加简单，结果也更加清楚。
结语：
以上就是dplyr的基本功能了，这里小编完全是抛砖引玉，因为dplyr的强大之处完全不是上面几个简单的例子就能概括的。大家在使用中有什么问题欢迎进入投必得R语言与统计交流群，和小编一起交流R语言学习心得。
↑↑↑扫码加小编微信↑↑↑
往期好文推荐
（点击下方文字即可阅读）
常用生物学软件的安装与应用（五）— 强大的工具进行进化树的构建与美化
今日视频推荐
在线文本改写或重写复杂语句，这个SCI润色工具不一般！点开视频即可了解！↑↑↑关注“投必得学术”视频号，更多干货↑↑↑
请大家点击右下角