[R语言]资料分析读书心得05---使用dplyr做资料变换(filter,arrange,缺失值)

在前四篇文章，大概介绍了如何画图以及一些变数的调整，而内部的细节这边不在做深度的讨论。接着这篇文章开始要介绍另一个package dplyr ，这个套件主要用途是用来调整你的资料，包括缺失值的处理等等。而 dplyr 一样在 tidyverse 的内部，以及我们将使用一些来自 package nycflights13 里面的资料。

library(nycflights13)library(tidyverse)

这次我们会使用 nycflights13 里面的 flights 这笔资料。

glimpse(flights)

我们可以看到它是 336776x19 的表格资料，也就是说它有19个变数，而在每个变数后面会有一些英文缩写，这是代表的该栏位的资料类型，比较常见的资料型态有：

而接下来几篇文章会为大家介绍在 dplyr 里面几个常用的函数。

首先会看到 filter() ，它的功能跟 subset 相似，可以撷取你想要的资料的小区块，以底下例子来说明。

flights 是航班资料，如果今日我只想要看 1/1 的资料，我们可以试试看以下语法。

filter(flights,month==1,day==1)

我们可以看到，33万多笔的资料中，有842笔 1/1 的资料。而 filter 的第一个参数是data，后面的参数就是你想要限制的条件，我们甚至可以试试一些真假值条件， & ! | 依序代表的是 且 否定 或。例子如下

filter(flights,month==11|month==12)

我们就可以去撷取所有十一月跟十二月的资料，在使用 且 的时候，我们也用逗号作为代替。

接下来我们来看下一个函数 arrange ，顾名思义就是重排，使用方法与 filter 类似，如果我们输入以下程式码：

arrange(flights,year,month,day)

它的意思是从flights这笔资料，由year,month,day这些变数由小到大重新排列，但是因为我们这笔资料本身就是这样的排列了。那我们可以试试下面这个与法。

arrange(flights,desc(arr_delay))

它就会将资料由 arr_delay 从大到小的重排，而缺失值总是会排在资料的最后端。

所谓 缺失值 就是资料中缺失的资料，通常缺失资料会显示 NA ，在R语言中，缺失资料通常很难处理，因为它不同于前面所说的资料形态。

而且我们看到

NA==NA

这是相当弔诡的事情，我们也可以透过 class 这个函数去查看它的资料形态。

像是

class(pi)

是数值资料。

class(TRUE)

是逻辑资料。

那 NA 到底是何种资料呢?

class(NA)

这边看到它是逻辑资料，但是如果我们拿NA去跟数值做一些运算，会发现一些有趣的事情。

NA+5

NA>5

上面两个结果虽然都是NA，但是如果用资料形态去看它。

class(NA+5)

class(NA>5)

却是不同的结果，很弔诡吧?而事实上缺失值的处理一直是资料分析中的一门学问，在这边我们先用一个简单的语法来判断资料是否为缺失值：

is.na(NA)

is.na(NA>6)

若为缺失值，则会显示TRUE，不是则FALSE。

下一篇文章会继续针对 dplyr 的其他函数做讨论，这篇文章就先介绍到这，谢谢大家。