R语言dplyr包:高效数据处理函数(filter、group_by、mutate、summarise)
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)
R语言dplyr包:高效数据处理函数(filter、group_by、mutate、summarise)相关推荐
- R语言dplyr包使用arrange函数、group_by函数、mutate函数生成分组数据的排名(rank)实战(Rank Variable by Group):升序排名、降序排名以及相同排名的处理
R语言dplyr包使用arrange函数.group_by函数.mutate函数生成分组数据的排名(rank)实战(Rank Variables by Group):升序排名.降序排名以及相同排名的处 ...
- R语言dplyr包使用bind_rows函数纵向合并两个dataframe(行生长)、使用bind_cols函数横向合并两个dataframe(列生长)
R语言dplyr包使用bind_rows函数纵向合并两个dataframe(行生长).使用bind_cols函数横向合并两个dataframe(列生长) 目录
- R语言dplyr包的top_n函数返回dataframe或tibble的前N行数据、dplyr包的top_frac函数返回dataframe或tibble的前百分之N(N%)的数据
R语言dplyr包的top_n函数返回dataframe或tibble的前N行数据.dplyr包的top_frac函数返回dataframe或tibble的前百分之N(N%)的数据 目录
- R语言dplyr包使用anti_join()函数返回在一个dataframe中存在而在另一个dataframe中没有匹配值的所有行实战
R语言dplyr包使用anti_join()函数返回在一个dataframe中存在而在另一个dataframe中没有匹配值的所有行实战 目录
- R语言dplyr包使用case_when函数和mutate函数生成新的数据列实战:基于单列生成新的数据列、基于多列生成新的数据列
R语言dplyr包使用case_when函数和mutate函数生成新的数据列实战:基于单列生成新的数据列.基于多列生成新的数据列 目录
- R语言dplyr包使用select函数通过索引查询或者排除数据列实战(Select Columns by Index)
R语言dplyr包使用select函数通过索引查询或者排除数据列实战(Select Columns by Index) 目录
- R语言dplyr包使用recode函数进行数据列内容编码、转换实战:类似于pandas中的map函数(例如,将内容从字符串映射到数值)
R语言dplyr包使用recode函数进行数据列内容编码.转换实战:类似于pandas中的map函数(例如,将内容从字符串映射到数值) 目录
- R语言dplyr包的slice函数提取数据集的数据行实战
R语言dplyr包的slice函数提取数据集的数据行实战 目录 R语言dplyr包的slice函数提取数据集的数据行实战 #导入dplyr包
- R语言dplyr包as.tbl函数(转化为tibble类型)和is.tbl函数(检查数据是否为tibble类型)实战
R语言dplyr包as.tbl函数(转化为tibble类型)和is.tbl函数(检查数据是否为tibble类型)实战 目录
- R语言dplyr包的select函数和everthing函数筛选dataframe中的所有数据列(all columns of the dataframe)
R语言dplyr包的select函数和everthing函数筛选dataframe中的所有数据列(all columns of the dataframe) 目录 R语言dplyr包的select函数 ...
最新文章
- 继AutoML后,第四范式发布软硬一体化AI集成系统SageOne
- python程序默认执行与多线程
- 基于Seam+Carving和显著性分析的图像缩放方法MATLAB仿真
- HashSet 的contains方法
- Linux 30岁了~我们也老了
- 为什么拙劣的软件也会成功?
- 六时出行 App 隐私政策
- 工信部证书含金量_关于推荐考取BIM工程师、装配式工程师证书
- Windows 下 PHP 开发环境配置系列四 - IIS+php+mysql
- 最长单调递增子序列——动态规划
- 先一XDB实时数据库采集
- 【零基础学Python】Day7 Python基本数据类型之Set
- Linux命令之md5sum的作用以及使用方法(md5是什么?)
- no matching cipher found
- linux解压时的tar -zxvf是什么意思?
- PNG图像文件格式解析
- 数学物理方法·基础④复平面/辐角/复数表示形式
- R的绘图(二)——基本图形
- 【转】Hadoop学习路线图
- C# Excel 数据导入mysql数据库