
R語言:數(shù)據(jù)處理包dplyr的函數(shù)
dplyr專注處理dataframe對象, 并提供更穩(wěn)健的與其它數(shù)據(jù)庫對象間的接口。
一、5個關(guān)鍵的數(shù)據(jù)處理函數(shù):
select() 返回列的子集
filter() 返回行的子集
arrange() 根據(jù)一個或多個變量對行排序。
mutate() 使用已有數(shù)據(jù)創(chuàng)建新的列
summarise() 對各個群組匯總計算并返回一維結(jié)果。
Tips:
1、select()
Dplyr包有下列輔助函數(shù),用于在select()中選擇變量:
starts_with("X"): 以 "X"開頭的變量名
ends_with("X"): 以 "X"結(jié)束的變量名
contains("X"): 包含 "X"的變量名
matches("X"): 匹配正則表達式“x"的變量名
num_range("x", 1:5): 變量名為 x01, x02, x03, x04 and x05
one_of(x): 出現(xiàn)在字符向量x中的所有變量名
在select()中直接使用列時不需要引用"",但使用上述輔助函數(shù)時必須引用""。
2、filter()
R 有一系列邏輯表達式可用于filter()中:
x < y;x <= y;x == y;x != y;x >= y;x > y;x %in% c(a, b, c)
示例:
filter(df, a > 0, b > 0)
filter(df, !is.na(x))
3、arrange()
arrange()默認從小到大排序,在arrange()中使用desc()作用于變量可以使之從大到小排序.
4、mutate()
mutate()允許在同一次調(diào)用中使用新變量來創(chuàng)建下一個變量,例如:
mutate(my_df, x = a + b, y = x + c)
5、 summarise()
R的下列聚合函數(shù)可用于 summarise()中
min(x) - 最小值.
max(x) - 最大值
mean(x) - 平均值
median(x) - 中位數(shù)
quantile(x, p) - x的第P個分位數(shù)
sd(x) - 標準差
var(x) - 方差
IQR(x) - 四分位數(shù)
diff(range(x)) - x值的范圍
dplyr包自身提供了一些有用的聚合函數(shù):
first(x) - 向量x中的第1個元素
last(x) - 向量x中的最后1個元素
nth(x, n) - 向量x中的第n個元素
n() - data.frame中的行數(shù)或 summarise() 描述的觀測組的數(shù)量
n_distinct(x) - 向量x中唯一值的數(shù)量
二、管道函數(shù)%>%
dplyr包中特有的管道函數(shù)%>%,將上一個函數(shù)的輸出作為下一個函數(shù)的輸入。
%>%運算符允許從參數(shù)列表中提取函數(shù)的第一個參數(shù),并放置在%>%前面。
下面兩條指令相等:
mean(c(1, 2, 3, NA), na.rm = TRUE)
c(1, 2, 3, NA) %>% mean(na.rm = TRUE)
三、分組函數(shù)group_by()
對數(shù)據(jù)集定義群組。然后可對各個群組分別進行匯總統(tǒng)計。
通過 group_by() 添加了分組信息后,mutate(), arrange() 和 summarise() 函數(shù)會自動對這些 tbl 類數(shù)據(jù)執(zhí)行分組操作。
group_by(dataframe,colnames1,colnames2,…)
四、連接數(shù)據(jù)(joins)
1、6種連接函數(shù)如下:
left_join(dataset1,dataset2)
right_join(dataset1,dataset2)
inner_join(dataset1,dataset2,by=c(“”))
full_join(dataset1,dataset2, by = c("first", "last"))
semi_join(dataset1,dataset2, by = c("first", "last"))
anti_join(dataset1,dataset2, by = c("first", "last"))
前4種屬于變形連接(mutating joins),后2種屬于過濾連接(filtering joins)。
semi-joins基于第二個數(shù)據(jù)集的信息來過濾第一個數(shù)據(jù)集的數(shù)據(jù)。anti-joins找出合并時哪些行不能匹配第二個數(shù)據(jù)集
2、key值
R語言的 data frames可在 row.names屬性中存儲重要信息,雖然不是存儲數(shù)據(jù)的好方式卻很常見。如果數(shù)據(jù)集的主關(guān)鍵字在row.names中,將難以與其他數(shù)據(jù)集連接。一種解決方法是使用tibble包(tibble:a data frame with class tbl_df)中的rownames_to_column()函數(shù),返回該數(shù)據(jù)集的副本,并且行名作為一列增加到該數(shù)據(jù)中。
library(tibble)
rownames_to_column(data, var="name")
如果兩個數(shù)據(jù)集有相同的列名,但代表的事物不同,并且by參數(shù)不包含這些重復的列名,dplyr會忽略這些列名,并對相同的列名增加.x和 .y來幫助區(qū)分列。
當兩個數(shù)據(jù)集中相同的事物有不同的列名,要完成合并,將by設置為一個命名向量。向量的名字為主數(shù)據(jù)集中的列名,向量的值為第二個數(shù)據(jù)集中的列名。例如:
x %>% left_join(y, by = c("x.name" = "y.name"))
完成連接后保留主數(shù)據(jù)集中的列名。
3、多個數(shù)據(jù)集的連接
Purrr包中的 reduce()函數(shù)對多個數(shù)據(jù)集重復應用某函數(shù),可用于連接多個數(shù)據(jù)集,與dplyr的join類函數(shù)配合使用,例如:
library(purrr)
list(data1,data2,data3) %>% reduce(left_join,by = c("first",
"last"))
五、集合操作(set operations)
dplyr提供了intersection、union和setdiff用于獲得數(shù)據(jù)集的交集、并集和差集。
六、組裝數(shù)據(jù)assembling data
使用如下函數(shù):
bind_rows()
bind_cols() :將多個data frame合成單個data frame
data_frame() : 將一系列列向量組合成data frame
as_data_frame() :將list轉(zhuǎn)換成data frame
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03