2015-01-22 18:04 7357人阅读 评论(0) 收藏 举报
 分类:
R Programming(11) 

版权声明:本文为博主原创文章,未经博主允许不得转载。

该包主要用于数据清洗和整理,coursera课程链接:Getting and Cleaning Data

也可以载入swirl包,加载课Getting and Cleaning Data跟着学习。

如下:

  1. library(swirl)
  2. install_from_swirl("Getting and Cleaning Data")
  3. swirl()

此文主要是参考R自带的简介:Introduce to dplyr

1、示范数据

  1. > library(nycflights13)
  2. > dim(flights)
  3. [1] 336776     16
  4. > head(flights, 3)
  5. Source: local data frame [3 x 16]
  6. year month day dep_time dep_delay arr_time arr_delay carrier tailnum flight origin dest air_time
  7. 1 2013     1   1      517         2      830        11      UA  N14228   1545    EWR  IAH      227
  8. 2 2013     1   1      533         4      850        20      UA  N24211   1714    LGA  IAH      227
  9. 3 2013     1   1      542         2      923        33      AA  N619AA   1141    JFK  MIA      160
  10. Variables not shown: distance (dbl), hour (dbl), minute (dbl)

2、将过长的数据整理成友好的tbl_df数据

  1. > flights_df <- tbl_df(flights)
  2. > flights_df

3、筛选filter()

  1. > filter(flights_df, month == 1, day == 1)
  2. Source: local data frame [842 x 16]
  3. year month day dep_time dep_delay arr_time arr_delay carrier tailnum flight origin dest air_time
  4. 1  2013     1   1      517         2      830        11      UA  N14228   1545    EWR  IAH      227
  5. 2  2013     1   1      533         4      850        20      UA  N24211   1714    LGA  IAH      227

筛选出month=1和day=1的数据

同样效果的,

  1. flights_df[flights_df$month == 1 & flights_df$day == 1, ]

4、选出几行数据slice()

  1. slice(flights_df, 1:10)

5、排列arrange()

  1. >arrange(flights_df, year, month, day)

将flights_df数据按照year,month,day的升序排列。

降序

  1. >arrange(flights_df, year, desc(month), day)

R语言当中的自带函数

  1. flights_df[order(flights$year, flights_df$month, flights_df$day), ]
  2. flights_df[order(desc(flights_df$arr_delay)), ]

6、选择select()

通过列名来选择所要的数据

  1. select(flights_df, year, month, day)

选出三列数据
使用:符号

  1. select(flights_df, year:day)

使用-来删除不要的列表

  1. select(flights_df, -(year:day))

7、变形mutate()

产生新的列

  1. > mutate(flights_df,
  2. +        gain = arr_delay - dep_delay,
  3. +        speed = distance / air_time * 60)

8、汇总summarize()

  1. <pre name="code" class="html">> summarise(flights,
  2. +           delay = mean(dep_delay, na.rm = TRUE)

求dep_delay的均值

9、随机选出样本

  1. sample_n(flights_df, 10)

随机选出10个样本

  1. sample_frac(flights_df, 0.01)

随机选出1%个样本

10、分组group_py()

  1. by_tailnum <- group_by(flights, tailnum)
  2. #确定组别为tailnum,赋值为by_tailnum
  3. delay <- summarise(by_tailnum,
  4. count = n(),
  5. dist = mean(distance, na.rm = TRUE),
  6. delay = mean(arr_delay, na.rm = TRUE))
  7. #汇总flights里地tailnum组的分类数量,及其组别对应的distance和arr_delay的均值
  8. delay <- filter(delay, count > 20, dist < 2000)
  9. ggplot(delay, aes(dist, delay)) +
  10. geom_point(aes(size = count), alpha = 1/2) +
  11. geom_smooth() +
  12. scale_size_area()

结果都需要通过赋值存储

  1. a1 <- group_by(flights, year, month, day)
  2. a2 <- select(a1, arr_delay, dep_delay)
  3. a3 <- summarise(a2,
  4. arr = mean(arr_delay, na.rm = TRUE),
  5. dep = mean(dep_delay, na.rm = TRUE))
  6. a4 <- filter(a3, arr > 30 | dep > 30)

11、引入链接符%>%

使用时把数据名作为开头,然后依次对数据进行多步操作:

  1. flights %>%
  2. group_by(year, month, day) %>%
  3. select(arr_delay, dep_delay) %>%
  4. summarise(
  5. arr = mean(arr_delay, na.rm = TRUE),
  6. dep = mean(dep_delay, na.rm = TRUE)
  7. ) %>%
  8. filter(arr > 30 | dep > 30)

前面都免去了数据名

若想要进行更多地了解这个包,可以参考其自带的说明书(60页):dplyr

R语言扩展包dplyr——数据清洗和整理的更多相关文章

  1. R语言扩展包dplyr笔记

    引言 2014年刚到, 就在 Feedly 订阅里看到 RStudio Blog 介绍 dplyr 包已发布 (Introducing dplyr), 此包将原本 plyr 包中的 ddply() 等 ...

  2. R语言数据处理包dplyr、tidyr笔记

    dplyr包是Hadley Wickham的新作,主要用于数据清洗和整理,该包专注dataframe数据格式,从而大幅提高了数据处理速度,并且提供了与其它数据库的接口:tidyr包的作者是Hadley ...

  3. 安装R语言扩展包diveRsity-1

    今天去了学院的运动会呢-扮熊本熊超开心-写完这篇我补上我的图么么哒 ××××××××××××文末高能预警!!!!!这个包的安装并不是本周的任务!!!!!我真是萌萌哒×××××××××××××× ××× ...

  4. 安装R语言扩展包vegan

    这周的作业我开始得好迟啊...然而还是要努力做啊... ××××××××××××××我是萌萌哒分割线×××××××××××××××××××××××××××××××××××× 首先,百度进入官方页面,看 ...

  5. R语言 ggplot2包

    R语言  ggplot2包的学习   分析数据要做的第一件事情,就是观察它.对于每个变量,哪些值是最常见的?值域是大是小?是否有异常观测? ggplot2图形之基本语法: ggplot2的核心理念是将 ...

  6. R语言重要数据集分析研究——需要整理分析阐明理念

    1.R语言重要数据集分析研究需要整理分析阐明理念? 上一节讲了R语言作图,本节来讲讲当你拿到一个数据集的时候如何下手分析,数据分析的第一步,探索性数据分析. 统计量,即统计学里面关注的数据集的几个指标 ...

  7. R语言-神经网络包RSNNS

    code{white-space: pre;} pre:not([class]) { background-color: white; }if (window.hljs && docu ...

  8. R语言-Knitr包的详细使用说明

    R语言-Knitr包的详细使用说明 by 扬眉剑 来自数盟[总舵] 群:321311420 1.相关资料 1:自动化报告-谢益辉 https://github.com/yihui/r-ninja/bl ...

  9. 安装R语言的包的方法

    安装R语言的包的方法: 1. 在线安装 在R的控制台,输入类似install.packages("TSA")  # 安装 TSA install.packages("TS ...

随机推荐

  1. [CSAcademy]Or Problem

    [CSAcademy]Or Problem 题目大意: 一个长度为\(n(n\le2\times10^5)\)的序列\(A(0\le A_i<2^{20})\),将其分为恰好\(m\)个连续段, ...

  2. Linux下redis 的部署、主从与集群

    老男孩Python全栈6期——redis--------------------------Linux 操作系统 默认的内存管理机制RSS:page cache:anno page:Linux操作系统 ...

  3. React Native小白入门学习路径——二

    万万没想到,RN组仅剩的一个学长也走了,刚进实验室没几天就被告知这样的事情,一下子还真的有点接受不了,现在RN组就成了为一个没有前辈带的组了,以后学习就更得靠自己了吧.唉,看来得再努力一点了. 这一周 ...

  4. Django——日志

    日志级别 5 个级别 debug 调试 info 普通信息 warning : 提醒警告 error: 发生了错误 critical: 严重的错误 在settings中添加: LOGGING = { ...

  5. 报错Error configuring application listener of class org.springframework.web.context.ContextConfigLocation

    错误内容是ClassNotFoundException: org.springframework.web.context.ContextConfigLocationdao导致一运行项目就是404 是因 ...

  6. MyBatis 命名空间与命名解析

    命名空间 使用完全限定名来进一步区分语句. 命名解析 为了减少输入量,MyBatis 对所有的命名配置元素(包括语句,结果映射,缓存等)使用如下的命名解析规则: 完全限定名(比如“com.mypack ...

  7. input中autocomplete属性

    autocomplete="off":表示刷新页面时,input中的value值清空 <input type="text" id="q" ...

  8. HDU 5985 Lucky Coins 数学

    Lucky Coins 题目连接: http://acm.hdu.edu.cn/showproblem.php?pid=5985 Description Bob has collected a lot ...

  9. 关于#!/bin/bash和#!/bin/sh

    关于#!/bin/bash和#!/bin/sh   #!/bin/bash是指此脚本使用/bin/bash来解释执行. 其中,#!是一个特殊的表示符,其后,跟着解释此脚本的shell路径. bash只 ...

  10. Vue(一)创建第一个Vue程序

    一.下载安装nodeJs 基于node.js,利用淘宝npm镜像安装相关依赖.由于国内使用npm会很慢,这里推荐使用淘宝NPM镜像 -- npm install -g cnpm --registry= ...