R学习 从Tidyverse学起，入门R语言（tibble，readr和dplyr）
R学习往期回顾：
tidyverse出自于R大神Hadley Wickham之手，他是Rstudio首席科学家，也是ggplot2的作者。tidyverse就是他将自己所写的包整理成了一整套数据处理的方法，包括ggplot2，dplyr，tidyr，readr，purrr，tibble，stringr, forcats。同时也出了一本《R for Data Science》，这本书里面也详细介绍了tidyverse的使用方法。
tidyverse包含日常处理数据使用的核心包
我们可以将这些包进行分类：数据导入、数据整理、数据转换、可视化、建模、编程。
今天主要学习tibble，readr和dplyr
install.packages("tidyverse")library(tidyverse)tibble函数用法
R中的对多变量数据的标准保存形式是dataframe，而tibble是dataframe的进化版，它有如下优点：1.生成的数据框数据每列可以保持原来的数据格式，不会被强制性改变,即字符串，不会莫名其妙的变成因子格式；2.查看数据时，不再会一行显示不下，多行显示得非常丑；3.数据操作速度会更快
创建tibble
将数据框转换为 tibble。可以使用 as_tibble() 函数来完成转换
as_tibble(iris)可以通过 tibble() 函数使用一个向量来创建新 tibble。tibble() 会自动重复长度为 1 的输入，并可以使用刚刚创建的新变量
tibble( x = 1:5, y = 1, z = x ^ 2 + y)tibble() 函数的功能要比data.frame少得多：它不能改变输入的类型（例如，不能将字符串转换为因子）、变量的名称，也不能创建行名称。
对比tibble与data.frame
tibble 和传统 data.frame 的使用方法主要有两处不同：
打印和取子集
打印
tibble 的打印方法进行了优化，只显示前 10 行结果，并且列也是适合屏幕的，这种方式非常适合大数据集。除了打印列名， tibble 还会打印出列的类型，这项非常棒的功能借鉴于str() 函数
tibble(a = lubridate::now() + runif(1e3) * 86400,b = lubridate::today() + runif(1e3) * 30,c = 1:1e3,d = runif(1e3),e = sample(letters, 1e3, replace = TRUE))取子集
迄今为止，你学到的所有工具都是作用于整个数据框。如果想要提取单个变量，那么就需要一些新工具，如 $ 和 [[。[[ 可以按名称或位置提取变量；$ 只能按名称提取变量，但可以减少一些输入：
df <- tibble( x = runif(5), y = rnorm(5))df按名称提取
df$x按位置提取
df[[1]]要想在管道中使用这些提取操作，需要使用特殊的占位符
df %>% .$xdf %>% .[["x"]]与 data.frame 相比， tibble 更严格：它不能进行部分匹配，如果想要访问的列不存在，它会生成一条警告信息.
readr函数用法
readr的目标是提供一种快速、友好的方法来读取矩形数据（如csv、tsv和fwf）。它的设计目的是灵活地解析许多类型的数据。
readr包的功能有
1 readr：read_csv(); read_tsv(); read_delim(); read_fwf(); read_table();
2 read_log();
3 readxl：read_xls(); read_xlsx();
4 haven：打开SAS 、SPSS、Stata等外部数据
dplyr函数用法
dplyr基本包含了我们整理数据的所有功能
1 mutate（）使用现有变量的函数创建新变量
2 select（）根据变量的名称选择变量
3 filter（）根据条件过滤数据
4 summary（）概述数据的统计特征
5 arrange（）根据某一列的数据对行排序
5 group_by（）对数据分组
mutate函数用法
starwars增加一列
starwars %>% mutate(bmi = mass / ((height / 100) ^ 2))如果只想保留新的列，可以使用 transmute() 函数
starwars %>% transmute(bmi = mass / ((height / 100) ^ 2))删除name这一列
starwars %>% mutate(name =NULL)select函数用法
选择一些列，不保留其余的列
starwars %>% select(name,height,hair_color)我们还可以在 select () 函数中使用一些辅助函数。· startswith("abc")：匹配以“abc”开头的名称。· endswith("xyz")：匹配以“xyz”结尾的名称。· contains("ijk")：匹配包含“ijk”的名称。· matches("(.)\1")：选择匹配正则表达式的那些变量。这个正则表达式会匹配名称中有重复字符的变量。· num_range("x", 1:3)：匹配 x1、 x2 和 x3。
以某一特征选择列
starwars %>% select(name,ends_with("color"))把某些列提到前面
starwars %>% select(name,starships,everything())将某一列移到最后
starwars %>% select(-name,name)删除一列
starwars %>% select(-name)重命名列
只保留重命名的列
starwars %>% select(NAME = name )#被改名的列放在=的右边保留其余列：用rename函数
starwars %>% rename(NAME = name )根据列名的特征筛选列并重命名
starwars %>% select(hahaha = ends_with('color'))filter函数用法
根据某一列的特征筛选行
starwars %>% filter(species == "Human")starwars %>% filter(mass > 100)多重筛选
和（&）与“，”效果一致
starwars %>% filter(hair_color == "none" & eye_color == "black")starwars %>% filter(starwars, hair_color == "none", eye_color == "black")或（|）
starwars %>% filter( hair_color == "none" | eye_color == "black")%>% select(hair_color,eye_color,everything())group_by和summarise函数用法
group_by() 可以将分析单位从整个数据集更改为单个分组。接下来，在分组后的数据框上使用 dplyr 函数时，它们会自动地应用到每个分组。
group_by并不改变数据的模样
by_cyl<-mtcars %>% group_by(cyl)by_cyl对每一组进行描述
by_cyl %>% summarise( disp = mean(disp), hp = mean(hp))而没有分组的，则对所有数据进行描述
mtcars %>% summarise( disp = mean(disp), hp = mean(hp))使用ungroup去除分组
by_cyl %>% ungroup()%>% summarise( disp = mean(disp), hp = mean(hp))arrange函数用法
arrange() 函数的工作方式与 filter() 函数非常相似，但前者不是选择行，而是改变行的顺序。它接受一个数据框和一组作为排序依据的列名（或者更复杂的表达式）作为参数。如果列名不只一个，那么就使用后面的列在前面排序的基础上继续排序
默认按升序排列
starwars %>% arrange(height)降序排列
starwars %>% arrange(desc(height))多列排序，有先后顺序
starwars %>% arrange(gender,hair_color)缺失值总是排在最后