dplyr專注處理dataframe物件, 並提供更穩健的與其它資料庫物件間的介面。
一、5個關鍵的資料處理函式：
select() 返回列的子集
filter() 返回行的子集
arrange() 根據乙個或多個變數對行排序。
mutate() 使用已有資料建立新的列
summarise() 對各個群組彙總計算並返回一維結果。
tips：
1、select()
dplyr包有下列輔助函式，用於在select()中選擇變數：
starts_with("x"): 以 "x"開頭的變數名
en程式設計客棧ds_with("x"): 以 "x"結束的變數名
contains("x"): 包含 "x"的變數名
matches("x"): 匹配正規表示式「x"的變數名
num_range("x", 1:5): 變數名為 x01, x02, x03, x04 and x05
one_of(x): 出現在字元向量x中的所有變數名
在select()中直接使用列時不需要引用""，但使用上述輔助函式時必須引用""。
2、filter()
r 有一系列邏輯表示式可用於filter()中：
x < y；x <= y；x == y；x != y；x >= y；x > y；x %in% c(a, b, c)
示例：filter(df, a > 0, b > 0)
filter(df, !is.na(x))
程式設計客棧3、arrange()
arrange()默xkftes認從小到大排序，在arrange()中使用desc()作用於變數可以使之從大到小排序.
4、mutate()
mutate()允許在同一次呼叫中使用新變數來建立下乙個變數，例如：
mutate(my_df, x = a + b, y = x + c)
5、 summarise（）
r的下列聚合函式可用於 summarise()中
dplyr包自身提供了一些有用的聚合函式：
二、管道函式%>%
dplyr包中特有的管道函式%>%，將上乙個函式的輸出作為下乙個函式的輸入。
%>%運算子允許從引數列表中提取函式的第乙個引數，並放置在%>%前面。
下面兩條指令相等：
mean(c(1, 2, 3, na), na.rm = true)
c(1, 2, 3, na) %>% mean(na.rm = true)
三、分組函式group_by()
對資料集定義群組。然後可對各個群組分別進行匯**計。
通過 group_by() 新增了分組資訊後,mutate(), arrange() 和 summarise() 函式會自動對這些 tbl 類資料執行分組操作。
group_by(dataframe,colnames1,colnames2,…)
四、連線資料（joins）
1、6種連線函式如下：
left_join(dataset1,dataset2)
right_join(dataset1,dataset2)
inner_join(dataset1,dataset2,byxkftes=c(「」))
full_join(dataset1,dataset2, by = c("first", "last"))
semi_join(dataset1,dataset2, by = c("first", "last"))
anti_join(dataset1,dataset2, by = c("first", "last"))
前4種屬於變形連線（mutating joins），後2種屬於過濾連線（filtering joins）。
semi-joins基於第二個資料集的資訊來過濾第乙個資料集的資料。anti-joins找出合併時哪些行不能匹配第二個資料集
2、key值
r語言的 data frames可在 row.names屬性中儲存重要資訊，雖然不是儲存資料的好方式卻很常見。如果資料集的主關鍵字在row.names中，將難以與其他資料集連線。一種解決方法是使用tibble包（tibble：a data frame with class tbl_df)中的rownames_to_column()函式，返回該資料集的副本，並且行名作為一列增加到該資料中。
library(tibble)
rownames_to_column(data, var="name")
如果兩個資料集有相同的列名，但代表的事物不同，並且by引數不包含這些重複的列名，dplyr會忽略這些列名，並對相同的列名增加.x和 .y來幫助區分列。
當兩個資料集中相同的事物有不同的列名，要完成合併，將by設定為乙個命名向量。向量的名字為主資料集中的列名，向量的值為第二個資料集中的列名。例如：
x %>% left_join(y, by = c("x.name" = "y.name"))
完成連線後保留主資料集中的列名。
3、多個資料集的連線
purrr包中的 reduce()函式對多個資料集重複應用某函式，可用於連線多個資料集，與dplyr的join類函式配合使用，例如：
library(purrr)
list(data1,data2,data3) %>% reduce(left_join,by = c("first","last"))
五、集合操作（set operations）
dplyr提供了intersection、union和setdiff用於獲得資料集的交集、並集和差集。
六、組裝資料assembling data
使用如下函式：
bind_rows()
bind_cols() ：將多個data frame合成單個data frame
data_frame() : 將一系列列向量組合成data frame
as_data_frame() :將list轉換成data frame
本文標題: 關於資料處理包dplyr的函式用法總結
本文位址:
關於資料處理
1.使用者提供了乙份學生異動資料。分析 a.在系統裡面學生所對應的班級，專業，學院這些基礎資料都是存在的，我只需要把學生的班級在資料庫裡面弄準確即可。b.處理這些資料那我要知道我應該處理那幾張表 這個需要基於對系統的資料結構有所了解 那麼我處理資料需要牽涉到四張表 學院部門資訊表 bmdmb 學生資...
資料處理函式
資料處理函式 1，計算字串長度 主流資料庫系統都提供了計算字串長度的函式，在mysql oracle db2中這個函式 名稱為length，而在mssqlserver中這個函式的名稱則為len。這個函式接受乙個字串類 型的字段值做為引數，返回值為這個字串的長度。下面的sql語句計算每乙個名稱不為空 ...
資料處理函式
1 lower 轉換小寫 2 upper 轉換大寫 3 substr 擷取子字串 4 length 取長度 例如查詢員工姓名長度為5的 5 trim 去空格，去掉的是首尾空格 6 to date 將字串轉換成日期 7 to char 將日期或數字轉換成字串 8 to number 將字串轉換成數字 ...