dplyr专注处理dataframe对象, 并提供更稳健的与其它数据库对象间的接口。

一、5个关键的数据处理函数：

select() 返回列的子集
filter() 返回行的子集
arrange() 根据一个或多个变量对行排序。
mutate() 使用已有数据创建新的列
summarise() 对各个群组汇总计算并返回一维结果。

Tips：

1、select()

Dplyr包有下列辅助函数，用于在select()中选择变量：

starts_with("X"): 以 "X"开头的变量名
ends_with("X"): 以 "X"结束的变量名
contains("X"): 包含 "X"的变量名
matches("X"): 匹配正则表达式“x"的变量名
num_range("x", 1:5): 变量名为 x01, x02, x03, x04 and x05
one_of(x): 出现在字符向量x中的所有变量名

在select()中直接使用列时不需要引用""，但使用上述辅助函数时必须引用""。

2、filter()

R 有一系列逻辑表达式可用于filter()中：

x < y；x <= y；x == y；x != y；x >= y；x > y；x %in% c(a, b, c)

示例：

filter(df, a > 0, b > 0)

filter(df, !is.na(x))

3、arrange() 

arrange()默认从小到大排序，在arrange()中使用desc()作用于变量可以使之从大到小排序.

4、mutate()

mutate()允许在同一次调用中使用新变量来创建下一个变量，例如：

mutate(my_df, x = a + b, y = x + c)

5、 summarise（）

R的下列聚合函数可用于 summarise()中

• min(x) - 最小值.
• max(x) - 更大值
• mean(x) - 平均值
• median(x) - 中位数
• quantile(x, p) - x的第P个分位数
• sd(x) -标准差
• var(x) - 方差
• IQR(x) - 四分位数
• diff(range(x)) - x值的范围

dplyr包自身提供了一些有用的聚合函数：

• first(x) - 向量x中的第1个元素
• last(x) - 向量x中的最后1个元素
• nth(x, n) - 向量x中的第n个元素
• n() - data.frame中的行数或 summarise() 描述的观测组的数量
• n_distinct(x) - 向量x中唯一值的数量