R代码|dplyr包的使用示例

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

前言

我创建【R代码】专栏，用于分享R语言解决数据，特征和模型三方面问题的代码。这些代码片段，具有实用性和迁移性。大家可以根据实际问题做修改，变通和延展。我只是R语言代码的搬运工和传播者，大家在使用这些R代码的时候，有些什么新的启示或者问题，请留言。依托【R语言】公众号，我创建了R语言群，群友们每天都会就R语言的主题进行交流和分享。需要加入R语言群的朋友，可以扫码加我的个人微信，请备注【姓名-入群】。我诚邀你加入群，大家相互学习和共同进步。

代码

代码来自《r-data-science-quick-reference-master》的内容。

dplyr包的使用例子。

#################################
#时间：2020-07-27
################################
options(warn = -1)
## 加载R包
library(tidyverse)


iris_df <- as_tibble(iris)
print(iris_df, n = 3)
head(iris_df$Species)


## 变量选择函数select
iris_df %>%
  select(Sepal.Length, Species) %>%
  print(n = 3)

iris_df %>%
  select(-Species) %>%
  print(n = 3)

iris_df %>%
  select(-Species, -Sepal.Length) %>%
  print(n = 3)


iris_df %>%
  select(1) %>%
  print(n = 3)

iris_df %>%
  select(1:3) %>%
  print(n = 3)

iris_df %>%
  select(Petal.Length:Species) %>%
  print(n = 3)

iris_df %>%
  select(starts_with("Petal")) %>%
  print(n = 3)

iris_df %>%
  select(-starts_with("Petal")) %>%
  print(n = 3)

iris_df %>%
  select(starts_with("Petal"), Species) %>%
  print(n = 3)

iris_df %>%
  select(starts_with("PETAL", ignore.case = TRUE)) %>%
  print(n = 3)

iris_df %>%
  select(starts_with("S")) %>%
  print(n = 3)

iris_df %>%
  select(ends_with("Length")) %>%
  print(n = 3)

iris_df %>%
  select(contains("ng")) %>%
  print(n = 3)


df <- tribble(
  ~a1x, ~ax, ~a2x, ~b2, ~b2y, ~by,
  1, 2, 3, 4, 5, 6
)

df %>%
  select(matches(".*d.*")) %>%
  print(n = 3)


df %>%
  select(matches(".+d.+")) %>%
  print(n = 3)

iris_df %>%
  select(sepal_length = Sepal.Length,
         sepal_width = Sepal.Width) %>%
  print(n = 3)

## 变量重命名函数rename
iris_df %>%
  rename(sepal_length = Sepal.Length,
         sepal_width = Sepal.Width) %>%
  print(n = 3)

## 去重函数distinct
iris_df %>%
  distinct(Species)

## 样本选择函数filter
iris_df %>%
  filter(Species == "setosa") %>%
  print(n = 3)

iris_df %>%
  filter(Species == "setosa") %>%
  select(ends_with("Length"), Species) %>%
  print(n = 3)


iris_df %>%
  filter(Species != "setosa") %>%
  distinct(Species) %>%
  print(n = 3)


iris_df %>%
  filter(Sepal.Length > 5, Petal.Width < 0.4) %>%
  print(n = 3)

iris_df %>%
  filter(between(Sepal.Width, 2, 2.5)) %>%
  print(n = 3)

iris_df %>%
  filter(str_starts(Species, "v")) %>%
  print(n = 3)

iris_df %>%
  filter(str_ends(Species, "r")) %>%
  print(n = 3)


iris_df %>%
  select(-Species) %>%
  filter_all(any_vars(. > 5)) %>%
  print(n = 3)


iris_df %>%
  filter_at(vars(-Species), any_vars(. > 5)) %>%
  print(n = 3)


iris_df %>%
  filter_at(c("Petal.Length", "Sepal.Length"),
            any_vars(. > 0)) %>%
  print(n = 3)

iris_df %>%
  filter_at(vars(Petal.Length, Sepal.Length),
            any_vars(. > 0)) %>%
  print(n = 3)


iris_df %>%
  filter_if(is.numeric, all_vars(. < 5)) %>%
  print(n = 3)


df <- tribble(
  ~A, ~B, ~C,
  1,  2,  3,
  4,  5, NA,
  11, 12, 13,
  22, 22,  1
)
df %>% filter_all(all_vars(. > 3))


df %>%
  filter_if(~ all(!is.na(.)), all_vars(. > 3))


df %>% filter_all(all_vars(is.na(.) | . > 3))


## 排序函数arrange
iris_df %>%
  arrange(Petal.Length) %>%
  print(n = 5)

iris_df %>%
  arrange(Sepal.Length, Petal.Length) %>%
  print(n = 5)

iris_df %>%
  arrange(desc(Petal.Length)) %>%
  print(n = 5)


df <- tribble(
  ~height, ~width,
  10,     12,
  42,     24,
  14,     12
)


## 变量生成函数mutate
df %>% mutate(area = height * width)

cm_per_inch <-  2.54
df %>% mutate(
  height_cm = cm_per_inch * height,
  width_cm  = cm_per_inch * width,
  area_cm   = height_cm * width_cm
)


df %>% mutate(cm_per_inch * height)


## ---- echo=FALSE, warning=FALSE------------------------------------------
suppressPackageStartupMessages(library(units, quietly = TRUE))


## ------------------------------------------------------------------------
df %>% mutate(
  height_in = units::as_units(height, "in"),
  width_in  = units::as_units(width, "in"),
  area_in   = height_in * width_in,
  height_cm = units::set_units(height_in, "cm"),
  width_cm  = units::set_units(width_in, "cm"),
  area_cm   = units::set_units(area_in, "cm^2")
)


## ------------------------------------------------------------------------
df %>% transmute(
  height_in = units::as_units(height, "in"),
  width_in  = units::as_units(width, "in"),
  area_in   = height_in * width_in,
  height_cm = units::set_units(height_in, "cm"),
  width_cm  = units::set_units(width_in, "cm"),
  area_cm   = units::set_units(area_in, "cm^2")
)


## ---- error=TRUE---------------------------------------------------------
df <- tibble(
  x = rnorm(3, mean = 12, sd = 5),
)
my_abs <- function(x) if (x < 0) -x else x
df %>% mutate(my_abs(x))


## ------------------------------------------------------------------------
df %>% mutate(abs(x))


## ------------------------------------------------------------------------
ifelse_abs <- function(x) ifelse(x < 0, -x, x)
df %>% mutate(ifelse_abs(x))


## ------------------------------------------------------------------------
my_abs <- Vectorize(my_abs)
df %>% mutate(my_abs(x))


## ------------------------------------------------------------------------
df <- tibble(x = rnorm(100))
df %>% 
  mutate(
    x_category = case_when(
      x - mean(x) < -2 * sd(x) ~ "small",
      x - mean(x) >  2 * sd(x) ~ "large",
      TRUE           ~ "medium"
    )
  ) %>%
  print(n = 3)


## ------------------------------------------------------------------------
df <- tibble(x = rnorm(100), y = rnorm(100))
df %>% summarise(mean_x = mean(x), mean_y = mean(y))


## ------------------------------------------------------------------------
classify <- function(x) {
  case_when(
    x - mean(x) < -2 * sd(x) ~ "small",
    x - mean(x) >  2 * sd(x) ~ "large",
    TRUE           ~ "medium"
  )
}
df %>%
  mutate(x_category = classify(x)) %>%
  group_by(x_category) %>%
  print(n = 3)


## ------------------------------------------------------------------------
df %>%
  mutate(x_category = classify(x)) %>%
  print(n = 3)


## ------------------------------------------------------------------------
df %>%
  mutate(x_category = classify(x)) %>%
  group_by(x_category) %>%
  summarise(mean_x = mean(x), no_x = n())


## ------------------------------------------------------------------------
df %>%
  mutate(x_category = classify(x)) %>%
  group_by(x_category) %>%
  group_vars()


## ------------------------------------------------------------------------
df <- tibble(x = rnorm(100), y = rnorm(100))
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  group_by(x_category, y_category) %>%
  group_vars()


## ------------------------------------------------------------------------
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  group_by(x_category, y_category) %>%
  summarise(mean_x = mean(x), mean_y = mean(y))


## ------------------------------------------------------------------------
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  group_by(x_category) %>%
  summarise(mean_x = mean(x), mean_y = mean(y))


## ------------------------------------------------------------------------
df2 <- tribble(
  ~A,      ~B,    ~C, ~D,
  "left",  "up",   2, "yes",
  "right", "up",   5, "no",
  "left",  "down", 2, "yes",
  "left",  "down", 7, "no",
  "left",  "down", 3, "no",
  "right", "up",   8, "yes",
  "right", "up",   2, "yes",
  "right", "up",   8, "no"
)
df2 %>% group_by(A, B) %>%
  summarise(min_c = min(C), max_c = max(C))
df2 %>% group_by(A, B) %>%
  summarise(min_c = min(C), max_c = max(C)) %>%
  summarise(max_diff = max(max_c - min_c))
df2 %>% group_by(A, B, D) %>%
  summarise(min_c = min(C), max_c = max(C))
df2 %>% group_by(A, B, D) %>%
  summarise(min_c = min(C), max_c = max(C)) %>%
  summarise(max_diff = max(max_c - min_c))


## ------------------------------------------------------------------------
df2 %>% group_by(A, B) %>%
  summarise(min_c = min(C), max_c = max(C))


## ------------------------------------------------------------------------
df2 %>% group_by(A, B, D) %>%
  summarise(min_c = min(C), max_c = max(C)) %>%
  
  
  ## ------------------------------------------------------------------------
df2 %>% group_by(A, B, D) %>%
  summarise(min_c = min(C), max_c = max(C)) %>%
  summarise(min_diff = min(max_c - min_c))


## ------------------------------------------------------------------------
df2 %>% group_by(A, B, D) %>%
  summarise(min_c = min(C), max_c = max(C)) %>%
  ungroup() %>%
  summarise(min_diff = min(max_c - min_c))


## ------------------------------------------------------------------------
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  group_by(x_category) %>%
  mutate(mean_x = mean(x), mean_y = mean(y)) %>%
  print(n = 5)


## ------------------------------------------------------------------------
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  mutate(mean_x = mean(x), mean_y = mean(y))


## ------------------------------------------------------------------------
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  group_by(x_category) %>%
  mutate(mean_x = mean(x), mean_y = mean(y))


## ------------------------------------------------------------------------
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  mutate(mean_y = mean(y)) %>%
  group_by(x_category) %>%
  mutate(mean_x = mean(x)) %>%
  distinct(mean_x, mean_y)


## ------------------------------------------------------------------------
df %>%
  mutate(
    x_category = classify(x),
    y_category = classify(y)
  ) %>%
  group_by(x_category) %>%
  mutate(mean_x = mean(x)) %>%
  group_by(y_category) %>%
  mutate(mean_y = mean(y)) %>%
  distinct(
    x_category, mean_x,
    y_category, mean_y
  )


## ------------------------------------------------------------------------
df1 <- tibble(
  A = paste0("a", 1:2),
  B = paste0("b", 1:2)
)
df2 <- tibble(
  A = paste0("a", 3:4),
  B = paste0("b", 3:4)
)
df3 <- tibble(
  C = paste0("c", 1:2),
  D = paste0("d", 1:2)
)
bind_rows(df1, df2)
bind_cols(df1, df3)


## ------------------------------------------------------------------------
grades_maths <- tribble(
  ~name,            ~grade,
  "Marko Polo",     "D",
  "Isaac Newton",   "A+",
  "Charles Darwin", "B"
)
grades_biology <- tribble(
  ~name,            ~grade,
  "Marko Polo",     "F",
  "Isaac Newton",   "D",
  "Charles Darwin", "A+"
)

inner_join(grades_maths, grades_biology, by = "name")


## ------------------------------------------------------------------------
grades_maths2 <- tribble(
  ~name,            ~grade,
  "Marko Polo",     "D",
  "Isaac Newton",   "A+", # so good at physics
  "Isaac Newton",   "A+", # that he got an A+ twice
  "Charles Darwin", "B"
)
grades_biology2 <- tribble(
  ~name,            ~grade,
  "Marko Polo",     "F",
  "Isaac Newton",   "D",
  "Charles Darwin", "A+", # so good at biology that we
  "Charles Darwin", "A+"  # listed him twice
)
inner_join(grades_maths2, grades_biology2, by = "name")
inner_join(grades_maths2, grades_biology2, by = "grade")


## ------------------------------------------------------------------------
inner_join(grades_maths2, grades_biology2, by = "grade") %>%
  distinct()


## ------------------------------------------------------------------------
inner_join(
  grades_maths, grades_biology,
  by = "name", suffix = c(".maths", ".biology")
)


## ------------------------------------------------------------------------
grades_geography <- tribble(
  ~name,            ~grade,
  "Marko Polo",     "A",
  "Charles Darwin", "A",
  "Immanuel Kant",  "A+"
)
grades_physics <- tribble(
  ~name,            ~grade,
  "Isaac Newton",    "A+",
  "Albert Einstein", "A+",
  "Charles Darwin",  "C"
)

inner_join(
  grades_geography, grades_physics,
  by = "name", suffix = c(".geography", ".physics")
)


## ------------------------------------------------------------------------
full_join(
  grades_geography, grades_physics,
  by = "name", suffix = c(".geography", ".physics")
)


## ------------------------------------------------------------------------
left_join(
  grades_geography, grades_physics,
  by = "name", suffix = c(".geography", ".physics")
)
right_join(
  grades_maths, grades_physics,
  by = "name", suffix = c(".maths", ".physics")
)


## ------------------------------------------------------------------------
semi_join(
  grades_maths2, grades_biology2,
  by = "name", suffix = c(".geography", ".physics")
)


## ------------------------------------------------------------------------
inner_join(
  grades_maths2, grades_biology2,
  by = "name", suffix = c(".geography", ".physics")
) %>% select(1:2)


## ------------------------------------------------------------------------
anti_join(
  grades_maths2, grades_physics,
  by = "name", suffix = c(".geography", ".physics")
)


## ------------------------------------------------------------------------
grades <- list(
  grades_maths, grades_biology,
  grades_geography, grades_physics
)
grades %>%
  reduce(full_join, by = "name") %>%
  rename_at(2:5, ~ c("maths", "biology", "geography", "physics"))


## ------------------------------------------------------------------------
mean_income <- tribble(
  ~country,  ~`2002`, ~`2003`, ~`2004`, ~`2005`,
  "Numenor",  123456,  132654,      NA,  324156,
  "Westeros", 314256,  NA,          NA,  465321,
  "Narnia",   432156,  NA,          NA,      NA,
  "Gondor",   531426,  321465,  235461,  463521,
  "Laputa",    14235,   34125,   45123,   51234,
)


## ------------------------------------------------------------------------
mean_income %>%
  gather(
    key = "year",
    value = "mean_income",
    -country
  ) %>% group_by(
    country
  ) %>% mutate(
    mean_per_country = mean(mean_income, na.rm = TRUE),
    mean_income = ifelse(
      is.na(mean_income),
      mean_per_country,
      mean_income
    )
  ) %>% spread(key = "year", value = "mean_income")


## ------------------------------------------------------------------------
mean_income %>%
  gather(
    key = "year",
    value = "mean_income",
    -country
  )


## ------------------------------------------------------------------------
mean_income %>%
  gather(
    key = "year",
    value = "mean_income",
    -country
  ) %>% group_by(
    country
  ) %>% summarise(
    per_country_mean = mean(mean_income, na.rm = TRUE)
  )


## ------------------------------------------------------------------------
mean_income %>%
  gather(
    key = "year",
    value = "mean_income",
    -country
  ) %>% group_by(
    country
  ) %>% mutate(
    mean_per_country = mean(mean_income, na.rm = TRUE)
  ) 


## ------------------------------------------------------------------------
mean_income %>%
  gather(
    key = "year",
    value = "mean_income",
    -country
  ) %>% group_by(
    country
  ) %>% mutate(
    mean_per_country = mean(mean_income, na.rm = TRUE)
  ) %>% ungroup(
  ) %>% mutate(
    mean_income = ifelse(
      is.na(mean_income),
      mean_per_country,
      mean_income
    )
  ) %>% spread(key = "year", value = "mean_income")