[R语言]资料分析读书心得06---使用dplyr做资料变换(select,mutate)

本篇文章要介绍在 dplyr 的一些常用函数，除了上次介绍的 filter 和 arrange ，今天会介绍 select 和 mutate。

library(tidyverse)library(nycflights13)

今天我们使用的一样是 nycflights13 里头的 flights 这笔资料。

glimpse(flights)

可以看到它是336776x19的资料框，有就是我们有336776笔资料，且有19种变数。

因为可能会有我们暂时不需要的变数，所以我们可以使用 select 去缩小我们的资料框。如下：

select(flights,year,month,day)

如此以来我们就会变成336776x3的资料框，语法和上次的函数类似，前面是填入你的资料，而后面就是你想要留下的变数，也可以有一些特别的操作。

select(flights,year:day)

上述程式码代表的是选择year到day之间的所有变数，因为之间只有month，所以一样是336776x3的资料框。其实也可以用扣的！

select(flights,-(year:day))

上述程式码会把除了year,month,day以外的变数都留下来。

而select里面还有一些其他的语法。

select(flights,starts_with("dep"))

starts_with ("dep") 会把开头是"dep"的变数都留下来。

select(flights,ends_with("time"))

ends_with("time") 会把结尾是"time"的变数都留下来。

select(flights,contains("rr"))

contains("rr") 会把变数中含有"rr"字串的变数都留下来。

我们也可以利用 rename 进行变数改名。

n_flights<-rename(flights,ABC=tailnum)glimpse(n_flights)

也可以搭配 everything() 把一些变数移至前面。

select(flights,time_hour,air_time,everything())

这段程式码的意思是将 time_hour 和 air_time 放到第一和第二行，其他则按照原本的顺序。

如果你想要新增变数，那我们可以使用 mutate 。

mutate(flights,gain=arr_delay-dep_delay)

即可增加新的变数，所以如果你想在资料间做运算是很轻易可以达成的，而 transmute 可以只留下新增的变数。

transmute(flights,gain=arr_delay-dep_delay)

当然你也可以搭配以些四则运算在内部，或是一些内件计算函数，如：sum(),log(),log2()等等。

像是

transmute(flights,a=air_time/60)

就可以对整行做统一的除法，或是

transmute(flights,b=(sched_arr_time)/sum(sched_arr_time))

就可以看出对于整体来说，各资料所佔的比例。也可以取log去做资料调整。

transmute(flights,c=log(sched_arr_time))

当然它的内建函数还很多，我们最后介绍一些常见的排序函数。

(y<-c(1,9,2,NA,3,4))min_rank(y)

如果这个函数无法满足你，也可以试试 row_number() dense_rank percent_rank cume_dist ntile 。

这些都是一些常用来做排序的常见函数，这次的介绍到这里，谢谢大家。下一次我会介绍分组摘要 summarize ，它一样是dplyr的内部函数，在资料分析中也佔着重要的角色。