dplyr是R语言中一个非常强大的数据操作包，特别适用于数据清洗和数据转换。本文将总结dplyr包的主要函数及其用法，并给出相应的示例代码，帮助大家更好地掌握dplyr的使用。
一、单表部分
1. 对行的操作
- filter()：根据条件筛选数据行。
- arrange()：对数据行进行排序。默认升序排列，若想设置为降序，可使用函数
desc()。 - distinct()：去除重复的行。
- slice() 系列函数：按行位置筛选。
示例代码：
library(dplyr)
# 创建示例数据框
df <- data.frame(
name = c("Alice", "Bob", "Carol", "Alice"),
score = c(85, 90, 78, 85)
)
# filter() 示例
df_filtered <- df %>% filter(score > 80)
# arrange() 示例
df_arranged <- df %>% arrange(score)
df_arranged_desc <- df %>% arrange(desc(score))
# distinct() 示例
df_distinct <- df %>% distinct()
# slice() 示例
df_sliced <- df %>% slice(1:2)
2. 对列的操作
- select()：选择数据框中的列。
- mutate()：添加或修改列。
- rename()：重命名列。
- relocate()：重新排列列的顺序。
- across()：对多列进行同样的操作，必须在data-masking verbs内使用。
示例代码：
# select() 示例
df_selected <- df %>% select(name)
# mutate() 示例
df_mutated <- df %>% mutate(passed = score > 80)
# rename() 示例
df_renamed <- df %>% rename(student_name = name)
# relocate() 示例
df_relocated <- df %>% relocate(score, .before = name)
# across() 示例
df_across <- df %>% mutate(across(score, ~ . / 10))
3. 分组统计
- group_by()：对数据进行分组。
- summarise()：对分组后的数据进行汇总。
- ungroup()：取消分组。
- count()：对某列进行计数。
- n()：返回当前分组中的行数。
- rowwise()：逐行操作。
示例代码：
# group_by() 和 summarise() 示例
df_grouped <- df %>% group_by(name) %>% summarise(avg_score = mean(score))
# ungroup() 示例
df_ungrouped <- df_grouped %>% ungroup()
# count() 示例
df_count <- df %>% count(name)
# rowwise() 示例
df_rowwise <- df %>% rowwise() %>% mutate(total_score = sum(score))
4. 其他常用函数
- if_else()：条件判断。
- case_when()：多条件判断。
- cumsum()：计算累计和。
示例代码：
# if_else() 示例
df_if_else <- df %>% mutate(status = if_else(score > 80, "Pass", "Fail"))
# case_when() 示例
df_case_when <- df %>% mutate(
grade = case_when(
score >= 90 ~ "A",
score >= 80 ~ "B",
score >= 70 ~ "C",
TRUE ~ "D"
)
)
# cumsum() 示例
df_cumsum <- df %>% mutate(cumulative_score = cumsum(score))
二、多表部分
1. 内连接和外连接
- inner_join()：内连接。
- left_join()：左连接。
- right_join()：右连接。
- full_join()：全连接。
示例代码：
# 创建另一个示例数据框
df2 <- data.frame(
name = c("Alice", "Bob", "David"),
age = c(23, 25, 30)
)
# inner_join() 示例
df_inner_join <- df %>% inner_join(df2, by = "name")
# left_join() 示例
df_left_join <- df %>% left_join(df2, by = "name")
# right_join() 示例
df_right_join <- df %>% right_join(df2, by = "name")
# full_join() 示例
df_full_join <- df %>% full_join(df2, by = "name")
2. 半连接和反连接
- semi_join()：半连接。
- anti_join()：反连接。
示例代码：
# semi_join() 示例
df_semi_join <- df %>% semi_join(df2, by = "name")
# anti_join() 示例
df_anti_join <- df %>% anti_join(df2, by = "name")
3. 其他函数
- intersect()：求交集。
- union()：求并集。
- setdiff()：求差集。
- bind_rows() 和 bind_cols()：合并数据框。
示例代码：
# intersect() 示例 - 仅保留 'name' 列
df_common <- df["name"]
df2_common <- df2["name"]
df_intersect <- intersect(df_common, df2_common)
# union() 示例 - 仅保留 'name' 列
df_union <- union(df_common, df2_common)
# setdiff() 示例 - 仅保留 'name' 列
df_setdiff <- setdiff(df_common, df2_common)
# bind_rows() 示例 - 合并行
df_bind_rows <- bind_rows(df, df2)
# bind_cols() 示例 - 合并列（需要数据框行数相同）
# 为了演示，这里添加一些行以使 df2 行数与 df 相同
df2_expanded <- bind_rows(df2, data.frame(name = NA, age = NA))
bind_cols(df, df2_expanded)
通过上面的总结和示例代码，希望能帮助大家更好地理解和掌握dplyr包在R语言中的使用方法。dplyr提供了丰富的函数，能够极大地简化数据操作，提高工作效率。在实际工作中，我们应结合具体问题，灵活运用这些函数，解决数据处理中的各种需求。