dplyr数据处理

生信喵实验柴

发布于 2022-10-25 19:50:45

1.5K0

发布于 2022-10-25 19:50:45

文章被收录于专栏：生信喵实验柴

一、筛选过滤行 filter()

filter()函数用于筛选出一个观测子集，第一个参数是数据库框的名称，第二个参数以及随后的参数是用来筛选数据框的表达式。

library(dplyr)
dplyr::filter(iris,Sepal.Length >7)
dplyr::filter(mtcars,mpg>21)
dplyr::filter(mtcars,cyl == 6,mpg>21)
dplyr::filter(mtcars,cyl == c(4,6),mpg>21)

二、排序 arrange()

arrange()函数的使用方法与 filter()函数类似，主要用于排序，默认按照从小到大顺序，可以使用 desc()按照降序排序。

dplyr::arrange(mtcars,mpg)
dplyr::arrange(mtcars,desc(mpg))

三、利用管道

合并多个操作，过滤后排序，%>%快捷键是ctrl+shift+M。magrittr包包含的管道操作。

mtcars %>% dplyr::filter(mpg>20)
mtcars %>% dplyr::filter(mpg>20) %>% dplyr::arrange(cyl)

四、筛选过滤列 select()

select()函数用于筛选有用的列，第一个参数还是数据库，第二个参数以及后面是需要的列名，列名有多种书写方式，可以使用冒号作为范围，也可以使用 stars_with,ends_with 等函数进行模式匹配。另外，当想要把几个需要的列移到前面，可以配合使用 everythins()函数，将剩余的列添加到后面。

iris %>% dplyr::select(starts_with("Sep"))
x <- read.csv('WHO.csv',row.names = 1)
x %>% dplyr::select(starts_with('Pop')) %>% View()

五、抽样

抽样的函数使用起来比较容易，可以按照个数抽样，也可以按照百分比进行抽样。

mtcars %>% dplyr::sample_n(10)
mtcars %>% dplyr::sample_frac(0.2)

六、创建新变量

有时需要对已有变量进行重新计算，例如计算几列的和，会某一列取对数，这样将生成新的变量，这个时候可以使用 mutate 函数。

mtcars %>% dplyr::mutate(mpg10 = mpg*10)

x <- read.xlsx('2015.xlsx')
x %>% dplyr::mutate(avg = Income/People)

七、统计

使用 summarise()可以对每一列单独进行计算，例如求和，求平均值等，这些都可以使用apply 系列函数来完成，summarise()一般都配合 group_by()函数一起使用，可以进行分组统计。

分组统计：group_by()函数与 summarise()配合一起使用，可以进行分组统计。

x %>% summarise(sum(Income))
x %>% group_by(Province) %>% summarise(length(Income))
x %>% group_by(Province) %>% summarise(num = length(Income)) %>% dplyr::arrange(desc(num)) %>% 
  ggplot(aes(x=num)) + geom_bar()
x %>% count(Province)

八、集合运算

a=data.frame(x1=c("A","B","C"),x2=c(1,2,3))
a
b=data.frame(x1=c("A","B","D"),x3=c(T,F,T))
b

dplyr::left_join(a,b,by="x1")
dplyr::right_join(a,b,by="x1")
dplyr::left_join(b,a,by="x1")

dplyr::full_join(a,b,by="x1")
dplyr::semi_join(a,b,by="x1")

dplyr::anti_join(a,b,by="x1")
dplyr::anti_join(b,a,by="x1")

dplyr::inner_join(a,b,by="x1")


first <- slice(mtcars,1:20)
first
second <- slice (mtcars,10:30)
second
intersect(first, second)
union_all(first, second)
union(first, second)
setdiff(first, second)#1的补集
setdiff(second, first)#2的补集

写在最后：有时间我们会努力更新的。大家互动交流可以前去论坛，地址在下面，复制去浏览器即可访问，弥补下公众号没有留言功能的缺憾。原地址暂未启用（bioinfoer.com）。