使用 Dplyr 在 R 中排列、過濾和分組行

本教程是關於dplyr包的討論的延續。您將學習如何在 R 中排列、過濾和分組行。

上一課講的是列操作。這一次，重點將放在dplyr中的行操作上。

我們將介紹基礎知識，包括排序和過濾數據集以及聚合和匯總記錄。為了讓您大致了解本課的預期內容，請考慮 MS Excel 中的數據透視表。

目錄

• 入門
• 行操作的基本函數
  • 1. 在 R 中排列行
  • 2. 在 R 中過濾行
    • 按多個字段過濾行
  • 3. 在 R 中分組並彙總行
• 結論

入門

在 RStudio 中打開一個新的 R 腳本。

與列操作課類似，本次演示將使用Lahman 數據集包。通過快速谷歌搜索下載它。

要將 Lahman 包引入 R，請運行library (Lahman)。要啟用dplyr包，請運行library (tidyverse)。另外，請記住，R 中命名約定的最佳做法是使用小寫字母，因此將Teams分配到teams中。

行操作的基本函數

1. 在 R 中排列行

dpylr 中的第一行操作是arrange()。此函數允許您對行重新排序。它的工作原理是首先排列數據框df，然後排列給定的字段。

例如，讓我們按teamID排序。運行arrange (teams, teamID)。

如果想讓它們按降序排列，需要使用desc()函數。

例如，如果您想按年份降序排序，請運行arrange (teams, desc(yearID))。

執行此操作時，您不會將輸出分配回teams。您只是在控制台中看到結果。

也可以按多個條件排序。比如你想先按teamID再按yearID降序排序，只需要運行這段代碼：

當您對行進行排序時，您並沒有更改數據。數據只是四處移動。沒有添加或刪除任何內容。

2. 在 R 中過濾行

過濾器 ( )函數根據所選條件添加或刪除數據。它的基本代碼是：

例如，我們獲取所有yearID大於或等於2000的數據。按照過濾函數的格式輸入需要的信息。然後，運行它。不要忘記將其分配給新對象。在這種情況下，它被分配給modern。

要檢查行是否確實被過濾，可以使用dim ( )函數。它給出了數據框中的行數和列數。

如果您運行dim (teams)，您將看到數據框有 2,955 行和 48 列。

如果您在modern上運行dim函數，您會看到行數已減少到 630，而列數保持不變。

由於某些記錄超過 2000 年，行已被截斷。

按多個字段過濾行

也可以通過 R 中的多個字段過濾行。您需要使用AND和OR語句。

例如，讓我們按地區過濾團隊。在這種情況下，將創建一個新對象ohio 。過濾條件是teamID應該只包括 Cleveland AND Cincinnati。

您需要使用雙等號( == ) 來檢查是否相等。如果只使用一個等號，R 會將其視為賦值運算符。使用與號 ( & ) 表示AND。

要檢查，請使用dim函數。您會看到行數為 0。

這意味著沒有任何球隊同時位於克利夫蘭和辛辛那提。

接下來，讓我們試試 Cleveland OR Cincinnati。OR 運算符由管道運算符 ( | )表示。因此，您需要做的就是用管道運算符替換 & 符號，然後運行它。之後，再次運行dim函數。

您會看到有 251 行而不是零行。

現在，如果您忘記使用兩個等號而只使用一個怎麼辦？這是發生了什麼：

RStudio 將在控制台中顯示一條非常有用的錯誤消息，提醒您使用雙等號。

3. 在 R 中分組並彙總行

group by ( )函數允許您按選定的列聚合記錄，然後基於該聚合匯總另一列。

group by ( ) 函數遵循以下算法：

例如，讓我們按teamID分組並將其分配給一個新對象。在這種情況下，新對象稱為teams_ID。然後，打印它。

在控制台中，您會注意到第一行說它是tibble。

tibble是對基本數據框架的 tidyverse 改進。它是軟件包中的一項功能，可以增強和改進開箱即用的功能。

第二行是群組。因此，數據現在按 teamID 列分組。

這樣，您現在就可以對這些組使用summarize ()函數。

注意： summarize 函數可以帶有 s 或 z，具體取決於英式或美式英語的使用。

例如，讓我們匯總teams_ID並獲得一些基本的匯總統計信息。讓我們尋找每支球隊獲勝的平均值、最小值和最大值。請記住在選擇運行之前突出顯示整個代碼。

然後您可以在控制台中看到顯示了每個團隊統計信息的摘要。這與您在其中聚合和匯總數據的數據透視表非常相似。

R 中的數據框：學習
R 中的基礎因子水平：使用分類變量和有序變量
使用 dplyr 在 R 中添加、刪除和重命名列

結論

回顧一下，已經討論了 dplyr 中的兩個操作。之前的教程側重於列操作。同時，本課程向您展示瞭如何使用RStudio 中的dplyr包執行行操作。具體來說，您學習瞭如何在 R 中排列、過濾和分組行。

接下來要學習的是如何結合這兩個操作。使用到目前為止您學到的所有函數將極大地幫助您在 R 中創建代碼。但是，更有用的技術是管道。這將有助於一切順利進行。因此，請確保也查看下一個教程。