R语言--高效操作数据框（dplyr包）（2）

本文是R语言–高效操作数据框（dplyr包）系列的第二篇，介绍了列重命名、行筛选、行排序、行去重、数据合并等常见操作。

列重命名 rename

rename用来给列重命名，对于复杂情况的重命名特别有效。其中，全部列重命名采用基础方法names实现。

# 数据
tbl_df <- tibble(var1=1:4,var2=2:5,label=c("a","b","a","c"))

• 单个模式

# 引用方式
tbl_df %>% rename(new_var1=var1,new_var2=var2) 

## # A tibble: 4 x 3
##   new_var1 new_var2 label
##      <int>    <int> <chr>
## 1        1        2 a    
## 2        2        3 b    
## 3        3        4 a    
## 4        4        5 c

# 位置方式
tbl_df %>% rename(new_var1=1,new_var2=2) 

## # A tibble: 4 x 3
##   new_var1 new_var2 label
##      <int>    <int> <chr>
## 1        1        2 a    
## 2        2        3 b    
## 3        3        4 a    
## 4        4        5 c

• 批量模式

# 全部列
tbl_df %>% rename_all(paste,"new",sep="_") 

## # A tibble: 4 x 3
##   var1_new var2_new label_new
##      <int>    <int> <chr>    
## 1        1        2 a        
## 2        2        3 b        
## 3        3        4 a        
## 4        4        5 c

# 条件列
tbl_df %>% rename_if(is.character,paste,"new",sep="_")

## # A tibble: 4 x 3
##    var1  var2 label_new
##   <int> <int> <chr>    
## 1     1     2 a        
## 2     2     3 b        
## 3     3     4 a        
## 4     4     5 c

# 指定列
tbl_df %>% rename_at(c("var1","var2"),paste,"new",sep="_") 

## # A tibble: 4 x 3
##   var1_new var2_new label
##      <int>    <int> <chr>
## 1        1        2 a    
## 2        2        3 b    
## 3        3        4 a    
## 4        4        5 c

# 基础方法全部列重命名
tbl_df %>% `names<-`(c("new_var1","new_var2","new_label"))

## # A tibble: 4 x 3
##   new_var1 new_var2 new_label
##      <int>    <int> <chr>    
## 1        1        2 a        
## 2        2        3 b        
## 3        3        4 a        
## 4        4        5 c

行筛选 filter

filter函数用来对数据框行进行条件筛选，选择出数据框的子集。

# 数据
tbl_df <- tibble(var1=1:4,var2=2:5,var3=3:6)

• 单个模式

tbl_df %>% filter(var1>1) # 单条件

## # A tibble: 3 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     2     3     4
## 2     3     4     5
## 3     4     5     6

tbl_df %>% filter(var1>1,var2<5) # 多条件

## # A tibble: 2 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     2     3     4
## 2     3     4     5

tbl_df %>% filter(var1>1 & var2<5) # 多条件(逻辑运算符)

## # A tibble: 2 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     2     3     4
## 2     3     4     5

tbl_df %>% filter(var1>mean(var1)) # 引用列

## # A tibble: 2 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     3     4     5
## 2     4     5     6

var1 <- 3
tbl_df %>% filter(var1>!!var1) # 非引用列

## # A tibble: 1 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     4     5     6

tbl_df %>% filter(row_number()==1) # 第一行

## # A tibble: 1 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     1     2     3

tbl_df %>% filter(row_number()==n()) # 最后一行

## # A tibble: 1 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     4     5     6

tbl_df %>% filter(between(row_number(),2,n())) # 第2到最后一行

## # A tibble: 3 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     2     3     4
## 2     3     4     5
## 3     4     5     6

• 批量模式

# 全部列
tbl_df %>% filter_all(all_vars(.>1)) # 取交集(.代表任意列)

## # A tibble: 3 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     2     3     4
## 2     3     4     5
## 3     4     5     6

tbl_df %>% filter_all(any_vars(.>1)) # 取并集

## # A tibble: 4 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     1     2     3
## 2     2     3     4
## 3     3     4     5
## 4     4     5     6

# 条件列
tbl_df %>% filter_if(~min(.)>1,all_vars(.>3)) # 条件下取交集

## # A tibble: 2 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     3     4     5
## 2     4     5     6

tbl_df %>% filter_if(~min(.)>1,~.>3) # 结果同上

## # A tibble: 2 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     3     4     5
## 2     4     5     6

# 指定列
tbl_df %>% filter_at(c(1,2),all_vars(.>3))  # 指定列取交集

## # A tibble: 1 x 3
##    var1  var2  var3
##   <int> <int> <int>
## 1     4     5     6

行排序 arrange

arrange函数用来给数据框行排序。

# 数据
tbl_df <- tibble(var1=c(2,3,1,4),var2=2:5,label=c("a","b","a","c"))

• 单个模式

tbl_df %>% arrange(label) # 单列升序排序

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     2     2 a    
## 2     1     4 a    
## 3     3     3 b    
## 4     4     5 c

tbl_df %>% arrange(desc(label)) # 单列降序排序

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     4     5 c    
## 2     3     3 b    
## 3     2     2 a    
## 4     1     4 a

tbl_df %>% arrange(label,var1) # 多列组合排序（都升序）

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     1     4 a    
## 2     2     2 a    
## 3     3     3 b    
## 4     4     5 c

tbl_df %>% arrange(label,desc(var1)) # 多列组合排序（label升序,var1降序）

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     2     2 a    
## 2     1     4 a    
## 3     3     3 b    
## 4     4     5 c

• 批量模式

# 全部列
tbl_df %>% arrange_all() # 升序

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     1     4 a    
## 2     2     2 a    
## 3     3     3 b    
## 4     4     5 c

tbl_df %>% arrange_all(desc) # 降序

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     4     5 c    
## 2     3     3 b    
## 3     2     2 a    
## 4     1     4 a

# 条件列
tbl_df %>% arrange_if(is.character) # 升序

## 3     3     3 b    
## 4     4     5 c

tbl_df %>% arrange_if(is.character,desc) # 降序

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     4     5 c    
## 2     3     3 b    
## 3     2     2 a    
## 4     1     4 a

# 指定列
tbl_df %>% arrange_at(c(1,2)) # 升序

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     1     4 a    
## 2     2     2 a    
## 3     3     3 b    
## 4     4     5 c

tbl_df %>% arrange_at(c(1,2),desc) # 降序

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <int> <chr>
## 1     4     5 c    
## 2     3     3 b    
## 3     2     2 a    
## 4     1     4 a

行去重 distinct

distince函数用来给数据框行去重。

# 数据
tbl_df <- tibble(var1=c(1,1,3,4,4),var2=c(2,2,7,8,7),label=c("a","a","b","c","a"))

• 单个模式

tbl_df %>% distinct() # 全部列整行去重

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <dbl> <chr>
## 1     1     2 a    
## 2     3     7 b    
## 3     4     8 c    
## 4     4     7 a

tbl_df %>% distinct(label) # 单列去重(返回该列)

## # A tibble: 3 x 1
##   label
##   <chr>
## 1 a    
## 2 b    
## 3 c

tbl_df %>% distinct(var1,var2) # 多列去重(返回多列)

## # A tibble: 4 x 2
##    var1  var2
##   <dbl> <dbl>
## 1     1     2
## 2     3     7
## 3     4     8
## 4     4     7

tbl_df %>% distinct(label,.keep_all = TRUE) # 单列去重(返回所有列)

## # A tibble: 3 x 3
##    var1  var2 label
##   <dbl> <dbl> <chr>
## 1     1     2 a    
## 2     3     7 b    
## 3     4     8 c

tbl_df %>% distinct(var1,var2,.keep_all = TRUE) # 多列去重(返回所有列)

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <dbl> <chr>
## 1     1     2 a    
## 2     3     7 b    
## 3     4     8 c    
## 4     4     7 a

tbl_df %>% distinct(diff=var2-var1,.keep_all = TRUE) # 运算后去重(返回所有列)

## # A tibble: 3 x 4
##    var1  var2 label  diff
##   <dbl> <dbl> <chr> <dbl>
## 1     1     2 a         1
## 2     3     7 b         4
## 3     4     7 a         3

• 批量模式

# 全部列
tbl_df %>% distinct_all(rev) # 整行去重后转置

## # A tibble: 4 x 3
##    var1  var2 label
##   <dbl> <dbl> <chr>
## 1     4     7 a    
## 2     4     8 c    
## 3     3     7 b    
## 4     1     2 a

# 条件列
tbl_df %>% distinct_if(is.numeric) # 数值列去重

## # A tibble: 4 x 2
##    var1  var2
##   <dbl> <dbl>
## 1     1     2
## 2     3     7
## 3     4     8
## 4     4     7

# 指定列
tbl_df %>% distinct_at(c(1,2)) # 指定列去重

## # A tibble: 4 x 2
##    var1  var2
##   <dbl> <dbl>
## 1     1     2
## 2     3     7
## 3     4     8
## 4     4     7

数据框合并 bind_rows/bind_cols

bind_rows和bind_cols函数用来合并数据框。

• 按行合并

# 数据框
df1 <- tibble(x=1:2,y=2:3)
df2 <- tibble(x=3:4,y=4:5)
# 向量
v1 <- c(x=1,y=2)
v2 <- c(x=3,y=4)
# 应用于数据框
bind_rows(df1,df2) # 单个合并

## # A tibble: 4 x 2
##       x     y
##   <int> <int>
## 1     1     2
## 2     2     3
## 3     3     4
## 4     4     5

bind_rows(list(df1,df2)) # list合并

## # A tibble: 4 x 2
##       x     y
##   <int> <int>
## 1     1     2
## 2     2     3
## 3     3     4
## 4     4     5

# 应用于向量
bind_rows(v1,v2) # 单个合并

## # A tibble: 2 x 2
##       x     y
##   <dbl> <dbl>
## 1     1     2
## 2     3     4

bind_rows(!!!list(v1,v2)) # list合并

## # A tibble: 2 x 2
##       x     y
##   <dbl> <dbl>
## 1     1     2
## 2     3     4

# 向量，数据框混合应用
bind_rows(v1,df1,v2)# 单个合并

## # A tibble: 4 x 2
##       x     y
##   <dbl> <dbl>
## 1     1     2
## 2     1     2
## 3     2     3
## 4     3     4

bind_rows(!!!list(v1,df1,v2)) # list合并

## # A tibble: 4 x 2
##       x     y
##   <dbl> <dbl>
## 1     1     2
## 2     1     2
## 3     2     3
## 4     3     4

# 增加分组名
bind_rows(df1,df2,.id = "group")

## # A tibble: 4 x 3
##   group     x     y
##   <chr> <int> <int>
## 1 1         1     2
## 2 1         2     3
## 3 2         3     4
## 4 2         4     5

• 按列合并

# 数据框
df1 <- tibble(x=1:2,y=2:3)
df2 <- tibble(a=3:4,b=4:5)
# 应用于数据框
bind_cols(df1,df2) # 枚举多个

## # A tibble: 2 x 4
##       x     y     a     b
##   <int> <int> <int> <int>
## 1     1     2     3     4
## 2     2     3     4     5

bind_cols(list(df1,df2)) # 多个组成list

## # A tibble: 2 x 4
##       x     y     a     b
##   <int> <int> <int> <int>
## 1     1     2     3     4
## 2     2     3     4     5

---