提取行 slice()
使用切片函数 select() 可以对 tibble 进行行提取
iris |> slice(1:3) #提取1-3行提取列 select() / pull()
使用 select() 和 pull() 可以对 tibble 进行列提取
iris |> select(Sepal.Length)
iris |> pull(Sepal.Length)注意：select() 返回 tibble 而 pull() 返回向量！
Important
通过
select()的负索引可以实现列的删除。
更重要的，这些函数还存在变体以实现更加复杂的功能，对 tibble 的筛选就像 SQL 或 DQL 一样。
where()
这个函数可以对列的属性进行判断，比如数据类型等。
需要注意，where() 函数只接受逻辑值。因此 where() 中的函数的返回值只能是逻辑值
iris |> select(where(is.factor))rename_with ()
这个函数可以对列名进行批量的重命名，包括大小写转换等
iris |> rename_with(toupper)contain(), starts_with (), ends_with
这三个函数可以对行名进行精确的搜索：
iris |> select(starts_with("Sep"))
iris |> select(ends_with("Width"))
iris |> select(contains("tal"))负索引
所有函数前支持 ! 或 - 进行负索引
iris |> select(!starts_with("Sep"))
iris |> select(-ends_with("Width"))Important
select () 等函数的功能是极度灵活的。这里只展示了部分使用方法
行列增加
call back：对于一般的数据框，增加行列使用 rbind() 和 cbind()。
而在 dplyr 中可以使用 add_row() & add_column()。
更重要的，可以使用 mutate() 函数。mutate() 可以创造或改变变量(列)（create or transform variables）。
b <- c(1:150)
iris |> mutate(NewColumn = b) #通过新变量直接增加，注意变量长度需要匹配
iris |> mutate(Sepal.Length = b) #更改旧列
iris |> mutate(Sepal.Length.2 = Sepal.Length * 2) #在旧列基础上通过运算新增一列
iris |> mutate(Sepal.Length = Sepal.Length * 2) #直接改变原有列