dplyr专注处理dataframe对象, 并提供更稳健的与其它数据库对象间的接口。

一、5个关键的数据处理函数：

select() 返回列的子集
filter() 返回行的子集
arrange() 根据一个或多个变量对行排序。
mutate() 使用已有数据创建新的列
summarise() 对各个群组汇总计算并返回一维结果。

Tips：

1、select()

Dplyr包有下列辅助函数，用于在select()中选择变量：

starts_with(X): 以 X开头的变量名
ends_with(X): 以 X结束的变量名
contains(X): 包含 X的变量名
matches(X): 匹配正则表达式“x的变量名
num_range(x, 1:5): 变量名为 x01, x02, x03, x04 and x05
one_of(x): 出现在字符向量x中的所有变量名

在select()中直接使用列时不需要引用，但使用上述辅助函数时必须引用。

2、filter()

R 有一系列逻辑表达式可用于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()默认从小到大排序，在arrange()中使用desc()作用于变量可以使之从大到小排序.

4、mutate()

mutate()允许在同一次调用中使用新变量来创建下一个变量，例如：

mutate(my_df, x = a + b, y = x + c)

5、 summarise（）

R的下列聚合函数可用于 summarise()中

• min(x) - 最小值.

• max(x) - 最大值

• mean(x) - 平均值

• median(x) - 中位数

• quantile(x, p) - x的第P个分位数

• sd(x) -标准差

• var(x) - 方差

• IQR(x) - 四分位数

• diff(range(x)) - x值的范围

dplyr包自身提供了一些有用的聚合函数：

• first(x) - 向量x中的第1个米素

• last(x) - 向量x中的最后1个米素

• nth(x, n) - 向量x中的第n个米素

• n() - data.frame中的行数或 summarise() 描述的观测组的数量

• n_distinct(x) - 向量x中唯一值的数量