简介
对于 Tidyverse 和 tibble，一些数据处理常用 dplyr 包完成。这是一个重要的 tidyverse 核心包。
base R 中相当多的功能都能使用 dplyr 包进行替换，且语法更加简洁易懂。如下表所示：
| dplyr 命令 | Base R 命令 | 注释 |
|---|---|---|
arrange(df, x) | df[order(x), , drop = FALSE] | 根据变量 x 对数据框进行排序 |
distinct(df, x) | df[!duplicated(x), , drop = FALSE], unique() | 去除重复行，保留唯一值 |
filter(df, x) | df[which(x), , drop = FALSE], subset() | 根据条件 x 筛选符合条件的行 |
mutate(df, z = x + y) | df$z <- df$x + df$y, transform() | 新增或修改列（基于现有列计算） |
pull(df, 1) | df[[1]] | 提取第一列并转换为向量（按索引） |
pull(df, x) | df$x | 提取名为 x 的列并转换为向量（按名称） |
rename(df, y = x) | names(df)[names(df) == "x"] <- "y" | 修改列名（将 x 重命名为 y） |
relocate(df, y) | df[union("y", names(df))] | 改变列的排列顺序（将 y 移至前面） |
select(df, x, y) | df[c("x", "y")], subset() | 选取特定的列（此处选取 x 和 y） |
select(df, starts_with("x")) | df[grepl("^x", names(df))] | 按照匹配模式（如以 x 开头）选取列 |
summarise(df, mean(x)) | mean(df$x), tapply(), aggregate(), by() | 对数据进行聚合统计（如计算平均值） |
slice(df, c(1, 2, 5)) | df[c(1, 2, 5), , drop = FALSE] | 通过行索引切片选取特定行 |
语法特征
dplyr 包有两种语法特征：
- 函数名(tibble, option = argument, … )
- ! 或者使用 R管道：tibble |> 函数名()