在R中有很多的内置函数，比如transform()、rbind()、cbind()等函数，这些函数我们可以直接使用，除此之外，还有常见的几种包在处理数据的时候非常好用。

dplyr包

dplyr包是Hadley Wickham(ggplot2包的作者，被称为‘一个改变R的人’)的杰作， dplyr可用于处理R内部或者外部的结构化数据，相较于plyr包，dplyr专注接受dataframe对象, 大幅提高了速度,并且提供了更稳健的数据库接口。

一、筛选: filter系列

filter、filter_all、filter_at、filter_if

用法：filter(.data, 条件...)

这里我们用R的内置数据集作为例子(mtcars)

filter(mtcars, cyl == 8)

filter(mtcars, cyl < 6)

#过滤出cyl < 6 并且 vs == 1的行

filter(mtcars, cyl < 6 & vs == 1)

filter(mtcars, cyl < 6, vs == 1)

#过滤出cyl < 6 或者 vs == 1的行

filter(mtcars, cyl < 6 | vs == 1)

#过滤出cyl 为4或6的行

filter(mtcars, cyl %in% c(4, 6))

基于filter函数的用法，扩展出了一些新的函数

1filter_all(mtcars, any_vars(. > 150)) #筛选任何变量＞150的样本

2filter_at(mtcars, vars(starts_with("d")), any_vars((. %% 2) == 0))

3#筛选变量以“d”结尾，并且变量 "%%2" 等于0

4filter_if(mtcars, ~ all(floor(.) == .), all_vars(. != 0))

5# 筛选变量向下取整 == 原变量数值, 并且这部分变量的数值！= 0 的样本集

二、slice函数

用法：slice(.data, ...)

用处： slice() 函数通过行号选取数据

#选取第一行的数据

slice(mtcars, 1L)

filter(mtcars, row_number() == 1L)

#选取最后一行数据

slice(mtcars, n())

filter(mtcars, row_number() == n())

#选取第5行到最后一行所有数据

slice(mtcars, 5:n())

filter(mtcars, between(row_number(), 5, n()))

这个函数在实际中并不常用，但是在某些情况下就会非常好用。

三、排列: arrange

用法：arrange(.data, ...)

arrange()按给定的列名依次对行进行排序，默认是按照升序排序，对列名加 desc() 可实现倒序排序。原数据集行名称会被过滤掉。

#以cyl和disp联合升序排序 ,如果cyl相同，按照disp

arrange(mtcars, cyl, disp)

#以disp降序排序

arrange(mtcars, desc(disp))

四、选择: select

用法：select(.data, ...)

#选取变量名前缀包含Petal的列

select(iris, starts_with("Petal"))

#选取变量名前缀不包含Petal的列

select(iris, -starts_with("Petal"))

#选取变量名后缀包含Width的列

select(iris, ends_with("Width"))

#选取变量名后缀不包含Width的列

select(iris, -ends_with("Width"))

#选取变量名中包含etal的列

select(iris, contains("etal"))

#选取变量名中不包含etal的列

select(iris, -contains("etal"))

#正则表达式匹配，返回变量名中包含t的列

select(iris, matches(".t."))

#正则表达式匹配，返回变量名中不包含t的列

select(iris, -matches(".t."))

#直接选取列

select(iris, Petal.Length, Petal.Width)

#返回除Petal.Length和Petal.Width之外的所有列

select(iris, -Petal.Length, -Petal.Width)

#使用冒号连接列名，选择多个列

select(iris, Sepal.Length:Petal.Width)

#选择字符向量中的列，select中不能直接使用字符向量筛选，需要使用one_of函数

vars

select(iris, one_of(vars))

#返回指定字符向量之外的列

select(iris, -one_of(vars))

#返回所有列，一般调整数据集中变量顺序时使用

select(iris, everything())

#调整列顺序，把Species列放到最前面

select(iris, Species, everything())

一般我们用select函数选择一个数据的几列

df

df

#选择V4，V5，V6三列

select(df, V4:V6)

select(df, num_range("V", 4:6))

五、变形: mutate

用法：mutate(.data, ...)

mutate()函数对已有列进行数据运算并添加为新列，

#添加新列wt_kg和wt_t,在同一语句中可以使用刚添加的列

mutate(mtcars, wt_kg = wt * 453.592, wt_t = wt_kg / 1000)

#计算新列wt_kg和wt_t，返回对象中只包含新列

transmute(mtcars, wt_kg = wt * 453.592, wt_t = wt_kg / 1000)

六、分组: group

用法：group_by(.data, ..., add = FALSE)

group_by()用于对数据集按照给定变量分组，返回分组后的数据集。对返回后的数据集使用以上介绍的函数时，会自动的对分组数据操作。

#使用变量cyl对mtcars分组，返回分组后数据集

by_cyl

#返回每个分组中最大disp所在的行

filter(by_cyl, disp == max(disp))

#返回每个分组中变量名包含d的列，始终返回分组列cyl

select(by_cyl, contains("d"))

#使用mpg对每个分组排序

arrange(by_cyl, mpg)

#对每个分组无重复的取2行记录

sample_n(by_cyl, 2)

七、数据关联：join

类似于merge的用法

#内连接，合并数据仅保留匹配的记录

inner_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)

#左连接，向数据集x中加入匹配的数据集y记录

left_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)

#右连接，向数据集y中加入匹配的数据集x记录

right_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)

#全连接，合并数据保留所有记录，所有行

full_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)

#返回能够与y表匹配的x表所有记录

semi_join(x,y, by = NULL, copy = FALSE, ...)

#返回无法与y表匹配的x表的所有记录

anti_join(x, y, by = NULL, copy = FALSE, ...)

当然，dplyr不止这一种用法，希望各位道友一起补充，丰富我们的数据数据经验和生信分析的工作。