前言

今天在微信公众号【早起Python】，看到有篇文章叫做【玩转数据处理120题】，最初来自【Pandas进阶修炼120题】，作者刘早起开始是用pandas实现的，后来又加入了中山大学博士陈熹的R语言版本。

但是这个R语言版本，代码比较陈旧和啰嗦，甚至是误解（比如R语言处理Excel文件不好之类，mutate与summarise混淆），根本没有体现出如今R语言在有了tidyverse之后，在数据处理上比python更加“简洁”和“优雅”。

所以，我打算利用R语言 tidyverse，也来玩转一下这个数据处理120题。同时也是为如今的R语言正名，不要停留在R语言不好用的老观念上。

本篇先来第1-20题。

题目1（创建数据框）：将下面的字典创建为DataFrame

data = {"grammer": ["Python","C","Java","GO",np.nan,"SQL","PHP","Python"], "score":[1,2,np.nan,4,5,6,7,10]}

难度：★

代码及运行结果：

df = tibble(grammer = c("Python","C","Java","GO", NA,"SQL","PHP","Python"), score = c(1,2,NA,4,5,6,7,10))
df

问题2（筛选行）：提取含有字符串"Python"的行

难度：★

代码及运行结果：

df %>%filter(grammer == "Python")

题目3（查看列名）：输出df的所有列名

难度：★

代码及运行结果：

names(df)

题目4（修改列名）：修改第2列列名为"popularity"

难度：★★

代码及运行结果：

df = df %>%rename(popularity = score)
df

题目5（统计频数）：统计grammer列中每种编程语言出现的次数

难度：★★

代码及运行结果：

df %>%count(grammer)   # 或者用 table(df$grammer)

题目6（缺失值处理）：将空值用上下值的平均值填充

难度：★★★

代码及运行结果：

df = df %>%mutate(popularity = zoo::na.approx(popularity))
df

注：dplyr包提供了fill()函数，可以用前值或后值插补缺失值。

题目7（筛选行）：提取popularity列中值大于3的行

难度：★★

代码及运行结果：

df %>%filter(popularity > 3)

题目8（数据去重）：按grammer列进行去重

难度：★★

代码及运行结果：

df %>%distinct(grammer, .keep_all = TRUE)

题目9（数据计算）：计算popularity列平均值

难度：★★

代码及运行结果：

df %>%summarise(popularity_avg = mean(popularity))

题目10（格式转换）：将grammer列转换为序列

难度：★

代码及运行结果：

df$grammer

注：R从数据框中提取出来就是字符向量。

题目11（数据保存）：将数据框保存为Excel

难度：★★

代码及运行结果：

writexl::write_xlsx(df, "filename.xlsx")

题目12（数据查看）：查看数据的行数列数

难度：★

代码及运行结果：

dim(df)

题目13（筛选行）：提取popularity列值大于3小于7的行

难度：★★

代码及运行结果：

df %>%filter(popularity > 3 & popularity < 7)

题目14（调整列位置）：交互两列的位置

难度：★★

代码及运行结果：

df %>%select(popularity, grammer)

注：可配合everything()放置“其余列”，更强大的调整列位置的函数是dplyr1.0将提供的relacate().

题目15（筛选行）：提取popularity列最大值所在的行

难度：★★

代码及运行结果：

df %>%filter(popularity == max(popularity))
# 或者用df %>% top_n(1, popularity)

题目16（查看数据）：查看最后几行数据

难度：★

代码及运行结果：

tail(df)   # 默认是最后6行

注：此外，head()查看前几行，dplyr包还提供了sample_n()和sample_frac()随机查看n行或某比例的行。

题目17（修改数据）：删除最后一行数据

难度：★★

代码及运行结果：

df %>%slice(-n())

题目18（修改数据）：添加一行数据："Perl", 6

难度：★★

代码及运行结果：

newrow = tibble(grammer="Perl", popularity=6)df %>%bind_rows(newrow)

题目19（数据整理）：对数据按popularity列值从到大到小排序

难度：★★

代码及运行结果：

df %>%arrange(desc(popularity))

注：不套一层desc(), 是默认从小到大排序。

题目20（字符统计）：统计grammer列每个字符串的长度

难度：★★

代码及运行结果：

df %>%mutate(strlen = str_length(grammer))

参考文献

遥遥无期：玩转数据处理120题|Pandas版本​zhuanlan.zhihu.com

版权声明：原创作品，欢迎转载，请注明出处，禁止用于出版。