`tidyverse` 中涉及的函数及其用法

1. filter()：根据条件筛选行

filter() 函数用于根据逻辑条件保留数据框中的行。

• 基本语法：

  filter(.data, condition)
  

  • .data：要筛选的数据框。
  • condition：逻辑条件，可以是逻辑运算符（如 >、<、== 等）组合。
• 示例：

  # 筛选起飞延误超过120分钟的航班
  flights %>%filter(dep_delay > 120)
  # 筛选1月1日的航班
  flights %>%filter(month == 1 & day == 1)
  # 筛选1月或2月的航班
  flights %>%filter(month %in% c(1, 2))
  

2. select()：选择列

select() 函数用于按名称、范围或条件选择数据框中的列。

• 基本语法：

  select(.data, ...)
  

  • .data：要选择列的数据框。
  • ...：要选择的列名，可以使用列名、范围（如 year:day）或条件（如 !year:day）。
• 示例：

  # 选择指定列
  flights %>%select(year, month, day)
  # 选择范围内的列
  flights %>%select(year:day)
  # 排除指定列
  flights %>%select(!year:day)
  # 选择特定类型的列
  flights %>%select(where(is.character))
  

3. mutate()：添加新列

mutate() 函数用于基于现有列创建新列，支持数学计算。

• 基本语法：

  mutate(.data, name = value, ...)
  

  • .data：要处理的数据框。
  • name = value：新列的名称和值，值可以是基于现有列的计算表达式。
• 示例：

  # 计算延误时间差和飞行速度
  flights %>%mutate(gain = dep_delay - arr_delay, speed = distance / air_time * 60)
  # 控制新列位置
  flights %>%mutate(speed = distance / air_time * 60, .before = 1)
  

4. arrange()：根据列值排序行

arrange() 函数用于按一个或多个列的值对数据框进行排序。

• 基本语法：

  arrange(.data, ...)
  

  • .data：要排序的数据框。
  • ...：要排序的列名，可以使用 desc() 函数进行降序排序。
• 示例：

  # 按年、月、日、出发时间排序
  flights %>%arrange(year, month, day, dep_time)
  # 按延误时间降序排序
  flights %>%arrange(desc(dep_delay))
  

5. distinct()：查找唯一行

distinct() 函数用于去除重复行，可指定列名以查找特定列的唯一组合。

• 基本语法：

  distinct(.data, ..., .keep_all = FALSE)
  

  • .data：要处理的数据框。
  • ...：要查找唯一组合的列名。
  • .keep_all：是否保留其他列，默认为 FALSE。
• 示例：

  # 查找所有唯一的起点和终点组合
  flights %>%distinct(origin, dest)
  # 保留其他列时查找唯一组合
  flights %>%distinct(origin, dest, .keep_all = TRUE)
  

6. rename()：重命名列

rename() 函数用于保留所有列，仅重命名指定列。

• 基本语法：

  rename(.data, new_name = old_name, ...)
  

  • .data：要处理的数据框。
  • new_name = old_name：新列名和旧列名的对应关系。
• 示例：

  flights %>%rename(tail_num = tailnum)
  

7. relocate()：移动列

relocate() 函数用于移动列的位置。

• 基本语法：

  relocate(.data, ..., .before = NULL, .after = NULL)
  

  • .data：要处理的数据框。
  • ...：要移动的列名。
  • .before 或 .after：指定移动到的位置。
• 示例：

  # 将列移到前面
  flights %>%relocate(time_hour, air_time)
  # 将列移到指定位置
  flights %>%relocate(year:dep_time, .after = time_hour)
  

8. group_by()：分组

group_by() 函数用于按一个或多个变量将数据集划分为组。

• 基本语法：

  group_by(.data, ...)
  

  • .data：要分组的数据框。
  • ...：分组变量的列名。
• 示例：

  flights %>%group_by(month)
  flights %>%group_by(year, month, day)
  

9. summarize()：汇总

summarize() 函数用于对分组数据进行汇总计算。

• 基本语法：

  summarize(.data, name = function(...), ...)
  

  • .data：要汇总的数据框。
  • name = function(...)：汇总计算的名称和函数。
• 示例：

  # 计算每月的平均延误时间
  flights %>%group_by(month) %>%summarize(avg_delay = mean(dep_delay, na.rm = TRUE))
  # 计算每组的行数
  flights %>%group_by(month) %>%summarize(n = n())
  

10. slice_*() 函数：提取特定行

slice_*() 函数用于从每个组中提取特定行。

• 基本语法：

  slice_max(.data, order_by, n = 1, ...)
  slice_min(.data, order_by, n = 1, ...)
  

  • .data：要处理的数据框。
  • order_by：排序的列名。
  • n：提取的行数。
• 示例：

  # 提取每个目的地最晚到达的航班
  flights %>%group_by(dest) %>%slice_max(arr_delay, n = 1)
  

这些函数是 tidyverse 中 dplyr 包的核心工具，可以帮助你高效地进行数据转换和操作。