R语言学习之dplyr包

dplyr包被称为是十大R语言必学包之一，下面简单介绍包内的常用函数，参考来自dplyr包文档：

1.filter(df, condition1, condition2,..., .dots)

过滤函数，df为目标数据框，下面我都用df指代目标数据框，就不再赘述，后面跟的都是过滤条件，最后面那个.dots是一个类似于传递柯里化函数的东西，可以单独讲一篇了。。这里就不展开了，后面的每一个函数都可以加入这个参数，不过既然都不讲了，后面就不会再加上，但这里还是提一下。过滤后返回新数据框。

2.slice(df, rownum)

按行数选取数据的函数，rownum是一个numeric类型的向量。

3.arrange(df, colname1, colname2,...); arrange(df, desc(colname1, colname2,...),...)

排序函数，默认升序，升序优先根据列名输入排序，可以使用desc使用降序，desc里可以传入多个列名，但实际上只会对第一个做降序并不会报错，估计是个bug。

4.select(df, colname1, colname2, ...); select(df, colname1 : colname2, ...); select(df, -(colname1 : colname2, ...)); select(df, colname1= colname2)

列选取函数，可以一个个输入列名，也可以用：号，函数会自动识别并冒号前后的列对应的列数，并进行范围选取，加上负号后就变成列去除了。同时可以在提取过程中重命名列名(最后一个表达式)。同时这个函数还支持内嵌一系列的判别函数，如start_with()、end_with()、contains()等。在往前还可以将select函数套嵌在distinct()内，返回每行都是唯一数字的数据框。

5.mutate(df, newcolname = func(oldcol), ...); transmutate(df, newcolname = func(oldcol), ...);

添加新列的函数，跟base包里面的transform产生一样的结果，不一样的是这里即使新列还没有生成，只要它排在后面参数的前面，它就能被后面的新列生成过程引用。如果只想要生成的新的列，使用transmutate函数。

6.summarise(df, newcol = func(colname, ...), ...)

总结函数，返回一个新的单行的数据框，内容为func产生的内容。

7.sample_n(df, numeric); sample_frac(df, numeric);

抽样函数，第一个随机抽出指定数目的样本，第二个随机抽出指定总行数百分比的样本，默认不放回，可以声明replacement = T改为放回抽样。

8.group_by(df, colname1, colname2, ...)

强大的函数，对目标数据框使用这个函数后，会对目标列进行分装，后面应用函数到这个数据框的时候，函数输入不再是一整列，而是分装后的每个部分，这个分装信息并不保存在列内，所以即使数据框重新构造，也能传递过去。group后的列，在未指明参数的计算时，会逐步由最后一个参数向前删减，每进行一次计算删减一次。

9.一些小函数：

n()，统计一个group里面有多少样本

n_distinct(x)，一个group里面有多少唯一样本，基于group的那列的变量

first(x)，相当于x(1)

last(x)，相当于x(length(x))

nth(x, n)，相当于x(n)

10.链函数: %>%

如果将函数彼此套嵌在一起，将会非常难阅读，因为套嵌函数是从里到进行的（类似于SQL），dplyr提供了链函数，从而解决了一步步声明变量传递和函数套嵌的问题，让函数链阅读起来非常清晰。