R語言入門教程 | tidyverse包之數據處理

大家在學習R語言的時候，大多參考《R語言實戰》這本書，但這本書年代過於久遠（中文第二版是2016年），主要著力點也是在R base上，R語言可視化的ggplot2包也只是簡要介紹，而對於tidyverse包，《R語言實戰》並未涉及，這也導致R語言的學習難度增加，今天我們給大家引入tidyverse包的學習。

tidyverse 包是 Hadley Wickham 及團隊的集大成之作，是專為數據科學而開發的一系列包的合集， 基於整潔數據，提供了一致的底層設計、語法、數據結構，包括數據導入，數據規整，數據處理，可視化，建模以及形成可重複性報告數據分析的全流程。

在Rstudio中加載tidyverse包，可以看到該包下有8個子包，著名的ggplot2包即是其中的一個子集，我們先著重講一下數據處理有關的包——dplyr包。

而這些函數都可以與group_by結合，分組對原數據框進行處理。

mutate（）與基礎函數transform（）相似，都可以添加新的一列，但是允許引用剛剛創建的列：

mydata <- tibble(x1=c(2,2,6,4),               x2=c(3,4,2,8))##傳統方法  mydata$sum <- mydata$x1+mydata$x2  mydata <-transform(mydata,sumx=x1+x2)  attach(mydata)  sum <- x1+x2  detach(mydata)##dplyr  mydata %>% mutate(sumx=x1+x2,                  meanx=sumx/4)##dplyr允許使用管道%>%操作，且meanx可以引用sumx

select（）使我們能夠快速聚焦在有用的數據子集上：
df <- tibble(      name = c("Alice", "Alice", "Bob", "Bob", "Carol", "Carol"),      type = c("english", "math", "english", "math", "english", "math"),      score = c(95, 83, 89, 67, 90, 78))df %>% select(1,2) ##選取1，2列df %>% select(name,score)df %>% select(-3)##同樣也可以用start_with 或 end_with篩選出具有前綴或者後綴的列df %>% select(start_with("n"))
filter()是對數據行方向的選擇和篩選，選出符合我們條件的某些行：
df %>% filter( type== "english", score>85)df %>% filter( between(score, 80, 90))
summarize()主要用於統計，往往與其他函數配合使用，比如計算所有同學考試成績的均值：
df %>%   filter(type=="english")%>%  summarize(          mean_english==mean(score)          sd_english=sd(score)          )#


R base包中涉及到排序的包括 sort()，rank()，order()，而在dplyr包中與排序相關的是arrange()包，默認是從高到低進行排序，如果變換排序順序則可以使用-(變量)或者desc(變量)。
df %>% arrange(score)df %>% arrange(-score)df %>% arrange(desc(score))df %>% arrange(type, score) 
group_by可以對原數據框進行分組計算，例如對於我們本文中的數據框，我們如果對個人或者科目感興趣的話，可以使用group_by（name或者type），然後利用summarize函數就可以求出分類之後的各個統計值。
df %>%   group_by(name) %>%   summarise(     mean_score = mean(newscore),    sd_score = sd(newscore)  )
今天對於tidyverse包的介紹先到這裡，tidyverse包的語法相比R base包更為容易記，樣式較方便，在數據處理上快捷方便，仔細學習tidyverse包後相信大家會真正體會到R 語言是一門神奇且方便的語言。


我們建立了一個讀者交流群，添加小編微信，拉你入群：