dplyr對于處理以行列關(guān)系表示的數(shù)據(jù)框（每一行是一個(gè)觀測值，每一列是一個(gè)維度）十分有效。首先dplyr與SQL語句十分類似，其中select、filter、mutate、summarise等幾個(gè)關(guān)鍵的函數(shù)，可以幫助我們非常方便的篩選、修改、匯總數(shù)據(jù)。此外dplyr還可以使我們非常便捷的對數(shù)據(jù)集進(jìn)行交并合補(bǔ)。最后dplyr中還引入了管道處理的概念（如x %>% f(y)等同于f(x, y)），使我們可以將運(yùn)算結(jié)果優(yōu)雅的傳遞給下一個(gè)函數(shù)處理，避免了嵌套運(yùn)用多個(gè)函數(shù)處理數(shù)據(jù)時(shí)，必須使用多層括號或多個(gè)臨時(shí)變量的情形。

1、添加觀測值、添加變量

我們可以使用add_row、add_column函數(shù)，添加觀測值、添加變量。類似于rbind、cbind函數(shù)，但這兩個(gè)函數(shù)還可以在原數(shù)據(jù)框的任意位置插入行列。注意這兩個(gè)函數(shù)是根據(jù)tibble類型的數(shù)據(jù)框?qū)崿F(xiàn)的，不支持使用行名；此外add_row會對列名進(jìn)行更加嚴(yán)格的檢查，所以需要我們按照列名添加觀測值。

> df <- tibble(x = 1:3, y = 3:1)# 添加觀測值> add_row(df, x = 4, y = 0)# 添加變量> add_column(df, z = -1:1, w = 0)

2、修改行名、列名

我們可以使用rename函數(shù)，重命名數(shù)據(jù)框中的某個(gè)變量。此外我們還可以使用rename_all、rename_at、rename_if函數(shù)，對所有變量、對某些變量、對滿足特定條件的變量進(jìn)行重命名。

為了更好的在普通數(shù)據(jù)框與tibble類型的數(shù)據(jù)框之間轉(zhuǎn)換，我們可以將行名轉(zhuǎn)化為一個(gè)單獨(dú)的變量。使用rownames_to_column、column_to_rownames函數(shù)，將行名轉(zhuǎn)化為變量、將變量轉(zhuǎn)化為行名。此外我們還可以使用has_rownames、remove_rownames函數(shù)，判斷數(shù)據(jù)框是否有行名、刪除行名。

# 修改列名> rename(mtcars, var1 = "cyl", var2 ="am")# 將行名轉(zhuǎn)化為變量> rownames_to_column(mtcars)

3、篩選變量

我們可以使用select函數(shù)，篩選變量、反選（刪除）變量、重命名變量、調(diào)整變量位置。此外我們還可以使用select_all、select_at、select_if函數(shù)，對所有變量、對某些變量、對滿足特定條件的變量進(jìn)行篩選。注意篩選變量時(shí)我們既可以使用變量名，也可以使用字符串來篩選變量；反選變量時(shí)需要使用負(fù)號，此時(shí)相當(dāng)于篩選除了該變量之外的所有變量；我們可以在同一條命令中篩選多次，此時(shí)相當(dāng)于先按照篩選條件的先后順序進(jìn)行篩選，再取篩選結(jié)果的并集，即使某些變量多次被選擇，也只會在結(jié)果中出現(xiàn)一次。此外我們還可以在篩選語句中使用以下幫助函數(shù)以提高篩選效率。

# 篩選變量> select(mtcars, hp : am)# 反選（刪除）變量> select(mtcars, -hp : -am)# 重命名變量> select(mtcars, var1 = "hp", var2 ="am")# 調(diào)整變量位置> select(mtcars, -hp, everything())

4、轉(zhuǎn)化變量

我們可以使用mutate函數(shù)轉(zhuǎn)化變量，并將新生成的變量添加到數(shù)據(jù)框中，或者直接用新生成的變量替換現(xiàn)有變量。但這種方式既會保留新生成的變量，也會保留原有的變量（除非我們使用NULL值來刪除某個(gè)變量）。如果我們只希望保留新生成的變量，則可以使用transmute函數(shù)。此外我們還可以使用mutate_all、mutate_at、mutate_if函數(shù)，對所有變量、對某些變量、對滿足特定條件的變量進(jìn)行轉(zhuǎn)化。注意以上函數(shù)轉(zhuǎn)化變量時(shí)，我們使用的函數(shù)需要返回與原始變量長度一致的變量，否則返回值會被重復(fù)使用。

# 轉(zhuǎn)化變量>  mutate(mtcars, wt = wt/mean(wt), am = NULL)# 對所有變量進(jìn)行轉(zhuǎn)化> mutate_all(mtcars, round, digits = 2)# 對某些變量進(jìn)行轉(zhuǎn)化> mutate_at(mtcars, vars(hp : am), round, digits = 2)# 對滿足特定條件的變量進(jìn)行轉(zhuǎn)化> mutate_if(mtcars, is.numeric, round, digits = 2)

4.1、變量轉(zhuǎn)化型函數(shù)

我們在使用mutate函數(shù)轉(zhuǎn)化變量時(shí)，往往需要用到變量轉(zhuǎn)化型函數(shù)。這樣的函數(shù)往往需要接收一個(gè)（或多個(gè)）變量作為參數(shù)，并返回一個(gè)與其等長的新變量。這樣的函數(shù)可以是數(shù)學(xué)運(yùn)算函數(shù)（如+、-、log等）、邏輯運(yùn)算函數(shù)（如&、|、!等）、位運(yùn)算函數(shù)（如bitwAnd、bitwOr等）、字符串處理函數(shù)（如paste、sprintf等）。還可以是dplyr中提供的以下函數(shù)：

5、排序觀測值

我們可以使用arrange函數(shù)，將數(shù)據(jù)框中的觀測值按照某一個(gè)或多個(gè)變量的取值大小進(jìn)行排序。這些變量可以是連續(xù)變量，也可以是分類變量，如果變量是由字符構(gòu)成的，則會按照字符編碼進(jìn)行排序。使用多個(gè)變量排序時(shí)，會先按照第一個(gè)變量的取值進(jìn)行排序，如果取值相同則再按照第二個(gè)變量進(jìn)行排序，依次類推，如果所有變量取值都一致，則保持觀測值的位置不變。排序時(shí)我們還可以使用desc函數(shù)，獲取某個(gè)變量的逆序。

# 排序觀測值> arrange(mtcars, desc(carb), wt)

6、篩選觀測值

首先我們可以使用distinct函數(shù)，根據(jù)某些變量，或全部變量篩選出不重復(fù)的觀測值。即使我們只根據(jù)部分變量進(jìn)行去重，也可以保留全部變量，此時(shí)保留的是第一條不重復(fù)的觀測值。

其次我們可以使用top_n、top_frac函數(shù)，根據(jù)某個(gè)變量取值的大小，篩選出排在 前面 的一定數(shù)量或一定比例的觀測值。這里結(jié)合使用row_number、desc等函數(shù)，即可像head、tail函數(shù)一樣，篩選出數(shù)據(jù)框的前n條、后n條值（或者按比例）。此外我們可以使用sample_n、sample_frac函數(shù)，隨機(jī)篩選出一定數(shù)量或一定比例的觀測值。

再次我們還可以使用slice函數(shù)，根據(jù)行號篩選、反選觀測值。注意此時(shí)我們可以使用n()來表示最大行號。

最后我們可以使用filter函數(shù)，根據(jù)一個(gè)或多個(gè)邏輯數(shù)組（或生成邏輯數(shù)組的判斷函數(shù)）篩選觀測值。此外我們還可以使用mutate_all、mutate_at、mutate_if函數(shù)，對所有變量、對某些變量、對滿足特定條件的變量，按照特定的判斷函數(shù)進(jìn)行篩選。此時(shí)我們除了使用常規(guī)的比較運(yùn)算函數(shù)（如<、>、==等）、邏輯運(yùn)算函數(shù)（如&、|、!等）、數(shù)據(jù)類型判斷函數(shù)（如is.na等）之外，還可以使用between、near函數(shù)，來判斷數(shù)值型變量的取值是否在某個(gè)范圍內(nèi)。

# 根據(jù)特定變量去重，保留第一條不重復(fù)的觀測值> distinct(mtcars, cyl, gear, .keep_all = TRUE)# 篩選前10%的觀測值> top_frac(mtcars, 0.1, desc(row_number()))# 隨機(jī)抽取50條觀測值（可重復(fù)抽取）> sample_n(mtcars, 50, replace = TRUE, weight = mpg)# 去除第5條至最后一條觀測值> slice(mtcars, -5:-n())# 篩選滿足特定條件的觀測值> filter(mtcars, hp > mean(hp), near(wt, 2.7, tol = .1))

7、匯總觀測值

我們可以使用tally、count函數(shù)，查詢數(shù)據(jù)框中有多少條觀測值。二者的區(qū)別在于：tally常被用于計(jì)算數(shù)據(jù)框整體包含了多少條觀測值，而count則常被用于計(jì)算某個(gè)變量取特定值時(shí)對應(yīng)有多少條觀測值。

我們可以使用summarise函數(shù)，對數(shù)據(jù)框進(jìn)行匯總。此外我們還可以使用summarise_if、summarise_at、summarise_all函數(shù)，對所有變量、對某些變量、對滿足特定條件的變量進(jìn)行匯總。注意匯總時(shí)需要使用的函數(shù)，往往只需要返回一個(gè)值作為匯總結(jié)果。

# 匯總觀測值數(shù)量> summarise(mtcars, n())# 匯總?cè)ブ睾蟮挠^測值數(shù)量> distinct(mtcars, wt) %>% tally()# 匯總某個(gè)變量取特定值時(shí)對應(yīng)有多少條觀測值> count(mtcars, cyl)

7.1、變量匯總型函數(shù)

我們在使用summarise函數(shù)匯總變量時(shí)，往往需要用到變量匯總型函數(shù)。這樣的函數(shù)往往需要接收一個(gè)（或多個(gè)）變量作為參數(shù)，并返回一個(gè)單一的值作為匯總結(jié)果。這樣的函數(shù)可以是分位數(shù)計(jì)算函數(shù)（如median、min、max、quantile等）、特征值計(jì)算函數(shù)（如sum、mean、IQR、var、sd、mad等）、邏輯值匯總函數(shù)（如any、all等），還可以是dplyr中提供的以下函數(shù)：

8、分組

我們可以使用group_by函數(shù)，將數(shù)據(jù)框按某些變臉進(jìn)行分組，對分組之后的數(shù)據(jù)框進(jìn)行的任何操作，都相當(dāng)于先在組內(nèi)進(jìn)行相應(yīng)的操作，然后再依次合并操作結(jié)果。如果需要取消分組，則可以使用ungroup函數(shù)。

# 分組轉(zhuǎn)化變量> mtcars %>% group_by(cyl) %>% mutate(wt = wt/mean(wt))# 分組篩選最后一條數(shù)據(jù)> mtcars %>% group_by(cyl) %>% top_n(1, row_number())# 分組匯總> mtcars %>% group_by(cyl) %>% count()

9、交并合補(bǔ)

我們可以使用bind_rows、bind_cols函數(shù)，對兩個(gè)數(shù)據(jù)框進(jìn)行縱向、橫向合并。類似于rbind、cbind函數(shù)，但這兩個(gè)函數(shù)會對行列進(jìn)行更加嚴(yán)格的檢查，所以使用bind_rows縱向合并時(shí)，可以根據(jù)變量名合并數(shù)據(jù)；而使用bind_cols橫向合并時(shí)，需要兩個(gè)數(shù)據(jù)框擁有相同數(shù)量的觀測值。

> df <- tibble(x = 1:3, y = 3:1)
> df1 <- tibble(x = 4, y = 0)
> df2 <- tibble(z = -1:1, w = 0)# 縱向合并> bind_rows(df, df1)# 橫向合并> bind_cols(df, df2)

類似R語言系統(tǒng)函數(shù)中對數(shù)組進(jìn)行交并合補(bǔ)，我們也可以使用union、intersect、setdiff函數(shù)，取得兩個(gè)數(shù)據(jù)框的并集、交集、補(bǔ)集。并使用setequal函數(shù)判斷兩個(gè)數(shù)據(jù)框是否相同。此外，如果取并集時(shí)需要包含重復(fù)的觀測值，則可以使用union_all函數(shù)。

> df1 <- tibble(k = c("A", "B", "C"), v = 1:3)
> df2 <- tibble(k = c("B", "C", "D"), v = 2:4)# 取并集> union(df1, df2)# 取交集> intersect(df1, df2)# 取補(bǔ)集> setdiff(df1, df2)

10、數(shù)據(jù)框連接

我們可以使用left_join、right_join、inner_join、full_join函數(shù)，將兩個(gè)數(shù)據(jù)框按照一個(gè)或多個(gè)變量，進(jìn)行左連接、右連接、內(nèi)連接、外連接。此時(shí)左右兩個(gè)數(shù)據(jù)框用于連接的變量名稱可以相同，也可以不同，我們可以使用by參數(shù)指定使用哪些同名變量進(jìn)行連接，或者左右兩個(gè)數(shù)據(jù)框的哪些變量應(yīng)當(dāng)一一對應(yīng)；除此之外如果還包含其它同名變量，則連接后為了區(qū)分同名變量，默認(rèn)會給左邊數(shù)據(jù)框中的同名變量添加.x后綴，而給右邊的添加.y后綴，我們可以使用suffix參數(shù)修改這一設(shè)定。

此外我們還可以使用semi_join、anti_join函數(shù)，進(jìn)行半連接、反連接。這兩種方式分別與取差集、補(bǔ)集的形式十分類似，但可以通過數(shù)據(jù)框中的部分變量來決定差集、補(bǔ)集。

> df1 <- tibble(k = c("A", "B", "C"), v = 1:3)
> df2 <- tibble(k = c("B", "C", "D"), v = 3:1, u = c("A", "B", "D"))# 左連接，左右數(shù)據(jù)框用于連接的變量名稱相同> df1 %>% left_join(df2, by = "k")# 右連接，左右數(shù)據(jù)框用于連接的變量名稱不相同> df1 %>% right_join(df2, by = c("k" = "u"))# 內(nèi)連接，使用默認(rèn)后綴處理同名變量> inner_join(df1, df2, by = "k")# 外連接，使用自定義后綴處理同名變量> full_join(df1, df2, by = "k", suffix = c("1",  "2"))# 半連接，類似于取差集> df1 %>% semi_join(df2, by = "k")# 反連接，類似于取補(bǔ)集> df1 %>% anti_join(df2, by = "k")

上方的的速記手冊，可以幫助我們快速了解dplyr的整體框架與各項(xiàng)細(xì)節(jié)。獲取更多速記手冊，請前往 這里 。