使用dplyr进行数据操作(50个实例)

dplyr软件包是R中功能最强大,最受欢迎的软件包之一。该软件包由最受欢迎的R程序员Hadley Wickham编写,他编写了许多有用的R软件包,如ggplot2,tidyr等。本文包括一些示例和如何使用使用dplyr软件包来清理和转换数据。这是一个关于数据操作和数据处理的完整教程。

什么是dplyr?

dplyr是一个强大的R软件包,用于处理,清理和汇总非结构化数据。简而言之,它使得R中的数据探索和数据操作变得简单快捷。

使用dplyr进行数据操作(50个实例)

dplyr有什么特别之处?

软件包“dplyr”包含许多主要使用的数据操作功能,例如应用过滤器,选择特定列,排序数据,添加或删除列以及聚合数据。这个包的另一个最重要的优点是学习和使用dplyr函数非常容易。也很容易回想起这些功能。例如,filter()用于过滤行。

dplyr与基本R函数

dplyr函数处理速度比基本R函数快。 这是因为dplyr函数是以计算有效的方式编写的。 它们在语法上也更稳定,并且比向量更好地支持数据帧。

SQL查询与dplyr

十年来人们一直在使用SQL来分析数据。 每个现代数据分析软件如Python,R,SAS等都支持SQL命令。 但SQL从未被设计为执行数据分析。 它专为查询和管理数据而设计。 有许多数据分析操作在SQL失败或使简单的事情困难。 例如,计算多个变量的中位数,将宽格式数据转换为长格式等。而 dplyr软件包的设计目的是进行数据分析。

dplyr函数的名称类似于SQL命令,如用于选择变量的select(),group_by() – 通过对变量进行分组来组合数据,join() – 将两个数据集合在一起。 还包括inner_join()和left_join()。 它也支持SQL常用的子查询。

如何安装和加载dplyr软件包

要安装dplyr软件包,请键入以下命令。

install.packages("dplyr")

要加载dplyr包,请在下面输入命令

library(dplyr)

常用的dplyr的函数

使用dplyr进行数据操作(50个实例)

数据:各国的收入数据

在本教程中,我们使用以下数据,其中包含2002年至2015年各州产生的收入。注意:此数据不包含各州的实际收入数据。

该数据集包含51个观测值(行)和16个变量(列)。 下面显示了数据集前6行的快照。

数据集下载链接 (密码:9ny3)

如何加载数据

提交以下代码。 在下面的代码中更改文件路径。

mydata <- read.csv("D:/datasets/sampledata.csv")

实例1:随机选择N行

sample_n函数从数据框(或表)中随机选择行。 函数的第二个参数告诉R要选择的行数。

sample_n(mydata, 3)

使用dplyr进行数据操作(50个实例)

实例2:随机选择总行的N%

sample_frac函数随机返回N%的行。 在下面的例子中,它随机返回10%的行。

sample_frac(mydata, 0.1)

实例3:基于所有变量(完整行)删除重复行

distinct函数用于消除重复行

x1 <-  dplyr::distinct(mydata)

在此数据集中,没有单个重复行,因此返回的行数与mydata中的行数相同。

实例4:基于单个变量删除重复行

.keep_all函数用于保留输出数据框中的所有其他变量。

x2 <- dplyr::distinct(mydata, Index, .keep_all= TRUE)

实例5:基于多个变量删除重复行

在下面的例子中,我们使用两个变量 – Index,Y2010来确定唯一性。

x3 <-  dplyr::distinct(mydata, Index, Y2010, .keep_all= TRUE)

实例6:选择变量(或列)

假设你被要求只选择几个变量。 下面的代码选择变量“Index”,从“State”到“Y2008”的列。

mydata2 <- select(mydata, Index, State:Y2008)

实例7:删除变量

变量前面的减号表示R放弃变量。

mydata3 <- select(mydata, -Index, -State)

上面的代码也可以写成:

mydata4 <- select(mydata, -c(Index, State))

实例8:选择或删除以"Y"开始的变量

starts_with()函数用于选择以字母开头的变量。

mydata5 <- select(mydata, starts_with('Y'))

在starts_with()之前添加一个负号表示将删除以’Y’开始的变量

mydata6 <- select(mydata, -starts_with('Y'))

以下函数可帮助您根据名称选择变量。 使用dplyr进行数据操作(50个实例)

实例9:选择变量名中包含"l"的变量

mydata7 <- select(mydata, contains('l'))

实例10:重新排列变量

下面的代码保持变量’State’在前面,其余的变量跟随其后。

mydata8 <- select(mydata, State, everything())

实例11:变量重命名

rename函数可用于重命名变量。 在下面的代码中,我们将’Index’变量重命名为’Index1’。

mydata9 <- rename(mydata, Index1=Index)
names(mydata9)

使用dplyr进行数据操作(50个实例)

原文 

http://shujuren.org/article/574.html

本站部分文章源于互联网,本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供。如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。

PS:推荐一个微信公众号: askHarries 或者qq群:474807195,里面会分享一些资深架构师录制的视频录像:有Spring,MyBatis,Netty源码分析,高并发、高性能、分布式、微服务架构的原理,JVM性能优化这些成为架构师必备的知识体系。还能领取免费的学习资源,目前受益良多

转载请注明原文出处:Harries Blog™ » 使用dplyr进行数据操作(50个实例)

赞 (0)
分享到:更多 ()

评论 0

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址