tidyverse是为数据科学设计的R软件包，它包含(ggplot2、dplyr、tidyr、stringr、magrittr、tibble)等一系列热门软件包，学好tidyverse的使用可也让你站上另一个高度，从而高效的处理数据，因此本文档不仅仅做一些案例介绍，而是希望以较为正确的学习方法来介绍R语言，使大家少走弯路，快速入门掌握R语言。
1. 安装tidyverse
install.packages("tidyverse")
library(tidyverse)
> library(tidyverse)
─ Attaching packages ─────────── tidyverse 1.3.0 ─
✓ ggplot2 3.3.2 ✓ purrr 0.3.4
✓ tibble 3.0.4 ✓ dplyr 1.0.2
✓ tidyr 1.1.2 ✓ stringr 1.4.0
✓ readr 1.4.0 ✓ forcats 0.5.0
─ Conflicts ──────────── tidyverse_conflicts() ─
x dplyr::filter() masks stats::filter()
x dplyr::lag() masks stats::lag()
2. iris数据集
我们将使用iris(鸢尾花)数据集，因此花一点时间来熟悉一下它，加载ggplot2软件包时，可以使用此内置数据集。加载tidyverse软件包将自动加载ggplot2。
View(iris) #可以像excel一样查看数据
attributes(iris) #查看数据属性
> attributes(iris)
$names
[1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width"
[5] "Species"
$class
[1] "data.frame"
$row.names
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
[17] 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
[33] 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48
[49] 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64
[65] 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
[81] 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96
[97] 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112
[113] 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128
[129] 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144
[145] 145 146 147 148 149 150
可以看到数据有5列，150行，数据类型为数据框；分别表示Sepal.Length(花萼长度)，Sepal.Width(花萼宽度）、Petal.Length(花瓣长度)，Petal.Width(花瓣宽度）、Species(花的类型)，其中花有3种类型(setosa、versicolor、virginica）
上面介绍了iris数据集，接着我们开始一些基础的数据操作
3.使用dplyr对数据进行操作
3.1 select(按名称选取列）
select(iris,Sepal.Length,Petal.Length,Species)
#为了查看方便也可以只查看前6行
head(select(iris,Sepal.Length,Petal.Length,Species))
将筛选出来的结果通过赋值操作符<-给一个变量，如下所示
p <- select(iris,Sepal.Length,Petal.Length,Species)
接着用此数据进行一个最基础的可视化：
关于ggplot2的原理可参考:https://www.jianshu.com/p/4da5a941e8b5
ggplot(p,aes(Sepal.Length,Petal.Length))+
geom_point(aes(color=Species),size=2)
select选择2列之间的所有列
select(iris,Sepal.Length:Petal.Length))
select选择不在2列之间的所有列
select(iris,-(Sepal.Length:Petal.Length))
select改变列的顺序
#select()与everythin()函数结合使用可以改变列的顺序
select(iris,Species,Petal.Width,Sepal.Width,
Sepal.Length,Petal.Length,everything())
3.2 filter(按值筛选行）
filter(iris,Sepal.Length >=5,Petal.Length >=2)
p1 <- filter(iris,Sepal.Length >=5,Petal.Length >=2)
ggplot(p1,aes(Sepal.Length,Petal.Length))+
geom_point(aes(color=Species),size=2)
R中的比较运算符：>、>=、<、<=、!=(不等于)、==(等于）
R中的逻辑运算符：&表示"与”，|表示“或”，!表示“非”
3.3 arrange(改变行顺序）
#根据Petal.Width列的数据进行排序，默认为升序
arrange(iris,Petal.Width)
#desc()可以按列进行降序排序：
arrange(iris,desc(Petal.Width)))
3.5 rename(更改列名称)
#新名称在前，原始名称在后
rename(iris,length=Sepal.Length)
rename(iris,replace=c("Sepal.Length"="length"))
3.6 mutate(添加新列）
mutate(iris,group ="A",Length=10)
3.7 summarize(进行分组摘要)
summarize它可以将数据框折叠成一行
summarize(iris,mean(Sepal.Length),
sd(Sepal.Length))
3.8 group_by()
group_by可以将分析单位从整个数据集更改为单个分组
iris %>% group_by(Species) %>%
summarize(m = mean(Sepal.Length,na.rm=T))
# na.rm=T 表示移除缺失数据
`summarise()` ungrouping output (override with `.groups` argument)
# A tibble: 3 x 2
Species m
1 setosa 5.01
2 versicolor 5.94
3 virginica 6.59
3.9 %>%(管道)
利用管道可以简化代码，提高代码阅读流畅性：
p1 <- filter(iris,Sepal.Length >=5,Petal.Length >=2)
p2 <- group_by(p1,Species)
p3 <- filter(p2,Species=="virginica")
ggplot(p3,aes(Sepal.Length,Petal.Length))+
geom_point(aes(color=Species),size=2)
iris %>% filter(Sepal.Length >=5,Petal.Length >=2) %>%
group_by(Species) %>% filter(Species=="virginica") %>%
ggplot(aes(Sepal.Length,Petal.Length))+
geom_point(aes(color=Species),size=2)
这2段代码结果相同，可以明显看到使用了%>%减少了中间变量，提高了代码的可阅读性
iris %>% filter(.,Sepal.Length >=5,Petal.Length >=2)
管道的原理就是将%>%左边的变量传递到右边的.处，通常在正式书写时可省略.
3.10 count() 计算每组值的次数
iris %>% count(Species)
tidyverse中还有很多的有用的函数，但是上面所述的均为在数据处理中使用频率最高的函数，到此为止我们已经介绍了画图原理，及一系列数据处理函数，下面就可以通过一系列可视化案例来不断加深学习