R_dplyr用法

对于习惯使用sql的同学，etl切换成用R，如何能够很快的对应上手呢？

直接上代码教程：

1. 获取数据源

R设置目录：

setwd("D:\\working\\jane_personal_coding")

getwd()

读取csv文档：

data=read.csv("user_ana2R.csv",header=T)

2. 传统的数据etl方法：

数据筛选：subset

order_amt<-subset(data,type=='order_amt')

排序：

attach(order_amt)

a<-order_amt[order(dim),]

detach(order_amt)

3. 用dplyr方法：

  3.1 首先加载包，然后将数据源转换成tbl的格式，至于为什么，我也不是很清楚。。。

library(dplyr)

order_tbl=tbl_df(data)

  3.2 下面要筛选数据了：##filter

filter(order_tbl,type=="membel_level")

filter(summ,count>5)

  3.3 选择字段：##select

select(order_tbl,type,dim,user_num)

  3.4 若要看type里面有多少不同的品类，以下两种方法：

distinct(select (order_tbl,type))

unique(order_tbl$type)

  3.5 排序 ##arrange

arrange(order_tbl,user_num)

  3.6 改变or新增列 ##mutate

mutate(order_tbl,user_num-shouxin_user_num)

  3.7 统计 ##summarise

     3.7.1 计算平均数

summarise(order_tbl,user_num=mean(user_num,na.rm=TRUE))

     3.7.2 计数

summarise(order_tbl,count=n(),count_dis=n_distinct(x))

    3.7.3  不知道这个是什么##sample_n()  sample_frac()

sample_n(order_tbl,16)

sample_frac(order_tbl,0.5)

  3.8 分组 ##group_by

grouped<-group_by(order_tbl,type)

summ<-summarise(grouped,count= n())

4. 编辑数据源

     用edit  ##import edit data

mydata<-data.frame(age=numeric(0),gender=character(0),weight=numeric(0))

mydata<-edit(mydata)

5. 设置数据为因子格式  ##set into factor

  将已有的字段设置成因子：

gender<-factor(gender,levels = c("A","B","C","D","E"))

 新建字段并且直接设置因子：

sex=factor(c(1,0,1,1,1,0),levels=c(0,1),labels=c("male","female"))

查看因子的层次：

level(sex)

6. 很牛逼的揉数据 ##reshape

这个是我觉得的一个很管用的利器：就两步，1先揉，主键设置为id后面的（可以是组合键），2 再成型，要看哪个度量对于哪个纬度的分布

library(reshape)

md<-melt(data,id=(c("type","dim")))

cast(md,type~variable)

7. 常用的函数

   7.1 粘合函数 ##paste

paste("chapter",1:20,"now")

   7.2 聚合函数 ##aggregate

vars<-c("mpg","hp","wt")

aggregate(mtcars[vars],by=list(am=mtcars$am),mean)

   7.3 自定义函数

func<-funcation(x)(c(mean(x),sd=sd(x)))

by(mtcars[vars],mtcars$am,func)

  7.4 一秒出分布图

library(ggplot2)

qplot(user_num,data=a,binwidth=1000,xlim=c(0,10000000),geom="histogram",main="distribution of pay_dis",col="pink")

  7.5 查看表格的基本情况

table(mydata$age)

mytable<-xtabs(~age,gender,data=mydata)

margin.table(mytable,1)