R语言|dplyr()函数（一） ———R语言数据处理系列(一)

dplyr()函数是R语言数据分析必学的实用包之一。
本文现阶段先讲解dplyr()函数的几个常用于数据转换的函数：filter()函数、select()函数、arrange()函数进行数据的行列筛选，以及行排序。【该部分完整代码附于文章末】

筛选知识铺垫

通常在筛选时我们常会设定一些筛选标准或要求，例如：成绩>60分、性别男且年龄>30岁等。因此需要先知道比较和逻辑运算符在R语言中的表达规则，以便于筛选能达到预期要求。

比较运算符

R 提供了一套标准的比较运算符：

符号	意义
>	大于
>=	大于且等于
<	小于
<=	小于且等于
!=	不等于
==	等于

注： 在R语言中“=”也可做赋值语句，但在比较判断时表示为“==”
进行比较后，返回的值为逻辑值(TRUE、FALSE)，然后用于后面的筛选中，TRUE表示保留，FALSE表示删除。以下面的代码为例，筛选出大于向量a中大于5的数字。当想要赋值与查看命令同时运行时，可将赋值语句加小括号。

> #### 比较运算符
> a <- c(9,5,8,4,6,7,3,2,4)       #创建向量
> (b <- a>5)                      #a中的数字与5比较
[1]  TRUE FALSE  TRUE FALSE  TRUE  TRUE FALSE FALSE FALSE
> a[b]                          #筛选出大于5的数字
[1] 9 8 6 7

逻辑运算符

逻辑运算符又称布尔运算符： & 表示“与”、 | 表示“或”、 ! 表示“非”。如图1是R语言中基本的逻辑运算集合。

图1 逻辑运算集合

符号	意义
y & !x	包含 y 元素且不包含 x 元素的集合
x	只含 x 元素的集合
x l y	位于 x 或者位于 y 的所有元素集合
x & y	同时满足位于 x 且位于 y 中的元素集合
xor( x , y )	只位于 x 但不属于 y ，或只位于 y 但不属于 x 的元素集合
x & !y	只位于 x 但不属于 y 的元素集合
y	只位于 y 的元素集合

> ### 逻辑运算符
> c <- c(1,2,3,4,5,6,7,8,9,0)     # 创建向量
> (d <- c>7 | c<4)                # 创建逻辑运算值
 [1]  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE
> c[d]                            # 筛选出满足条件的数值
[1] 1 2 3 8 9 0

数据准备

为了介绍 dplyr 中的基本数据操作，我们需要使用 nycflights13::flights 。这个数据框包含了 2013 年从纽约市出发的所有 336 776 次航班的信息。该数据来自于美国交通统计局，可以使用 ?flights 查看其说明文档：

### dplyr包解析
### 数据准备
library(tidyverse)                #加载tidyverse包
library(dplyr)
flights <- nycflights13::flights  #加载数据
str(flights)                      #查看数据变量
summary(flights)                  #查看数据基本信息

由于变量信息内容较多，此处不做解释，下面介绍数据框的变量信息，如图2，该数据框共有19个变量，数据的类型就是冒号后面的第一个。

图2 数据的变量信息

filter()函数筛选行

filter() 函数可以基于观测的值筛选出一个观测子集。第一个参数是数据框名称，第二个参数以及随后的参数是用来筛选数据框的表达式。

filter(数据框, 筛选要求)

#### filter() 筛选行
(Dec_25 <- filter(flights, month == 12, day == 25))       # 筛选出12月25日的所有信息
(Feb_Nov <- filter(flights, month == 2 | month == 11))    # 筛选出2月与12月的所有信息
(day_5_15_25 <- filter(flights, day %in% c(5,15,25)))     # 筛选出5、15、25号的所有信息

由于输出数据太大，因此只像大家展示最后day_5_15_25的输出数据,如图3所示。

图3 day_5_15_25部分数据展示

select()函数筛选列

select()函数的使用方式和filter()函数一样，不过后面的是列名或表达式。select()适合使用于大型变量的数据框中，这里的数据框只有19个变量，因此使用效果并不佳。

select(数据框, 列名或表达式)

#### select() 筛选列
(y_m_d <- select(flights, year, month, day))              # 筛选出年月日三列数据
(dep <- select(flights, starts_with("dep")))              # 筛选出以dep开头的列名的数据
(delay_time <- select(flights,                            # 筛选出以time和delay结尾的数据
                      ends_with("delay"), ends_with("time") ))

此处也仅以delay_time的输出结果，如图4所示。

图4 delay_time的部分数据展示

arrange()函数排列行

arrange() 函数的工作方式与 filter() 函数非常相似，但前者不是选择行，而是改变行的顺序。如果列名不只一个，那么就使用后面的列在前面排序的基础上继续排序。

arrange(数据框, 列名)

#### arrange() 排列行
(by_y_m <- arrange(flights, year, month))                 # 按第一关键词为year，第二关键词为month排序
(by_arr_delay <- arrange(flights, desc(arr_delay)))       # 按arr_delay倒序排列

此处展示按arr_delay倒序的部分数据，如图5。

图5 arr_delay倒序的部分数据展示

以上三种方法只是简单介绍筛选的基本知识，通常我们在实战时是三者融汇贯通一起使用的。大家可以先熟悉语法之后，再进行融会贯通。

完整代码

创作不易，你的赞就是对我最大的支持，感谢！

#### 比较运算符
a <- c(9,5,8,4,6,7,3,2,4)       # 创建向量
(b <- a>5)                      # a中的数字与5比较
a[b]                            # 筛选出大于5的数字

### 逻辑运算符
c <- c(1,2,3,4,5,6,7,8,9,0)     # 创建向量
(d <- c>7 | c<4)                # 创建逻辑运算值
c[d]                            # 筛选出满足条件的数值

### dplyr包解析
### 数据准备
library(tidyverse)                #加载tidyverse包
library(dplyr)
flights <- nycflights13::flights  #加载数据
str(flights)                      #查看数据变量
summary(flights)                  #查看数据基本信息

#### filter() 筛选行
(Dec_25 <- filter(flights, month == 12, day == 25))       # 筛选出12月25日的所有信息
(Feb_Nov <- filter(flights, month == 2 | month == 11))    # 筛选出2月与12月的所有信息
(day_5_15_25 <- filter(flights, day %in% c(5,15,25)))     # 筛选出5、15、25号的所有信息

#### select() 筛选列
(y_m_d <- select(flights, year, month, day))              # 筛选出年月日三列数据
(dep <- select(flights, starts_with("dep")))              # 筛选出以dep开头的列名的数据
(delay_time <- select(flights,                            # 筛选出以time和delay结尾的数据
                      ends_with("delay"), ends_with("time") ))

#### arrange() 排列行
(by_y_m <- arrange(flights, year, month))                 # 按第一关键词为year，第二关键词为month排序
(by_arr_delay <- arrange(flights, desc(arr_delay)))       # 按arr_delay倒序排列