R语言dplyr包：高效数据处理函数（filter、group

R语言dplyr包的数据处理、分析函数

在日常数据处理过程中难免会遇到些难处理的，选取更适合的函数分割、筛选、合并等实在是大快人心！

利用dplyr包中的函数更高效的数据清洗、数据分析，及为后续数据建模创造环境；本篇涉及到的函数为filter、filter_all()、filter_if()、filter_at()、mutate、group_by、select、summarise。

1、数据筛选函数：

#可使用filter()函数筛选/查找特定条件的行或者样本
#filter(.data=,condition_1,condition_2)#将返回相匹配的数据

#同时可以多条件匹配multiple condition，当采用多条件匹配时可直接condition1，condition2或者condition1&condition2
#其他逻辑表达还有：==，>,>=等，&，|，！，xor（），is.na，between，near

#filter延展的相关函数filter_all()、filter_if()、filter_at()

#以iris数据集为例：

filter(.data=iris,Sepal.Length>3,Sepal.Width<3.5)filter(.data=iris,Sepal.Length>3,Species=="virginica")

输出情况：输出情况：

#要使用filter_all()、filter_if()、filter_at()需要先去掉Species列（非数值型列）

iris_data<-iris%>% select(-Species)

#筛选所有属性小于6的行

iris_data%>% filter_all(all_vars(.<6))

部分输出情况：

#筛选任意一个属性大于3的行

iris_data%>% filter_all(any_vars(.>3))

#筛选以sep开头的属性任一大于3的行

iris_data%>% filter_at(vars(starts_with("Sep")), any_vars(. >3))

#R中自带数据集mtcars，筛选任意一个属性大于150的行

filter_all(mtcars, any_vars(. > 150))

#筛选以d开头的属性任一可被2整除的行

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

2、数据分组、汇总函数group_by、summarise

其他延展函数 group_by_all、group_by_if、group_by_at（将在后续文章中解析）

group_by函数按照某个变量分组，对于数据集本身并不会发生什么变化，只有在与mutate(), arrange() 和 summarise() 函数结合应用的时候会体现出它的优越性，将会对这些 tbl 类数据执行分组操作 (R语言泛型函数的优越性).

mtcars %>% group_by(cyl)%>%summarise(disp = mean(disp),hp = mean(hp))

mtcars_vs_am <- mtcars %>% group_by(vs, am)mtcars_vs <- mtcars_vs_am %>% summarise(n = n())

3、新增列函数mutate，在数据集的基础上新增列（不对原数据作更改）

可用的相关参数、逻辑：

• +, - 等等
• log()
• lead(), lag()
• dense_rank(), min_rank(), percent_rank(), row_number(), cume_dist(), ntile()
• cumsum(), cummean(), cummin(), cummax(), cumany(), cumall()
• na_if(), coalesce()
• if_else(), recode(), case_when()

相关延展函数：transmute、mutate_all、mutate_if、mutate_at（后期文章分享）

mtcars %>% as_tibble() %>% mutate(
cyl2 = cyl*3,
cyl4 = cyl2+2
)

2021/7/22更新---------------------------------------------------------------------------------------------------------

4、across函数（对单一/批量变量同时进行不同数据处理）

同时还可以在across函数中使用函数（where、starts_with、last_col）对特定变量筛选

对鸢尾花数据分类汇总，分别统计各变量的最小值、最大值、频数

iris%>%group_by(Species)%>%summarise(across(everything(), list(min_value= min, max_value= max,num=length)))

c_across+rowsize函数按照列变量的单行进行计算，对于横向计算提供便捷方式

iris%>% rowwise() %>% mutate(total = sum(c_across(where(is.numeric))))

2021/11/08更新---------------------------------------------------------------------------------------------------------

4、with_groups函数

#with_groups分组取每组Sepal.Length最小值
iris %>% with_groups(Species,mutate,sepal_len_rank=row_number(Sepal.Length)) %>%filter(sepal_len_rank==1)