dplyr函数进行数据转换 筛选知识铺垫比较运算符逻辑运算符 数据准备filter()函数筛选行select()函数筛选列arrange()函数排列行完整代码
dplyr()函数是R语言数据分析必学的实用包之一。
本文现阶段先讲解dplyr()函数的几个常用于数据转换的函数：filter()函数、select()函数、arrange()函数进行数据的行列筛选，以及行排序。【该部分完整代码附于文章末】
通常在筛选时我们常会设定一些筛选标准或要求，例如：成绩>60分、性别男且年龄>30岁等。因此需要先知道比较和逻辑运算符在R语言中的表达规则，以便于筛选能达到预期要求。
比较运算符R 提供了一套标准的比较运算符：
符号意义>大于>=大于且等于<小于<=小于且等于!=不等于==等于注： 在R语言中“=”也可做赋值语句，但在比较判断时表示为“==”
进行比较后，返回的值为逻辑值(TRUE、FALSE)，然后用于后面的筛选中，TRUE表示保留，FALSE表示删除。以下面的代码为例，筛选出大于向量a中大于5的数字。当想要赋值与查看命令同时运行时，可将赋值语句加小括号。
逻辑运算符又称布尔运算符： & 表示“与”、 | 表示“或”、 ! 表示“非”。如图1是R语言中基本的逻辑运算集合。
图1 逻辑运算集合 符号意义y & !x包含 y 元素且不包含 x 元素的集合x只含 x 元素的集合x l y位于 x 或者位于 y 的所有元素集合x & y同时满足位于 x 且位于 y 中的元素集合xor( x , y )只位于 x 但不属于 y ，或只位于 y 但不属于 x 的元素集合x & !y只位于 x 但不属于 y 的元素集合y只位于 y 的元素集合> ### 逻辑运算符> c <- c(1,2,3,4,5,6,7,8,9,0) # 创建向量> (d <- c>7 | c<4) # 创建逻辑运算值 [1] TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE TRUE TRUE> c[d] # 筛选出满足条件的数值[1] 1 2 3 8 9 0 数据准备为了介绍 dplyr 中的基本数据操作，我们需要使用 nycflights13::flights 。这个数据框包含了 2013 年从纽约市出发的所有 336 776 次航班的信息。该数据来自于美国交通统计局，可以使用 ?flights 查看其说明文档：
### dplyr包解析### 数据准备library(tidyverse) #加载tidyverse包library(dplyr)flights <- nycflights13::flights #加载数据str(flights) #查看数据变量summary(flights) #查看数据基本信息由于变量信息内容较多，此处不做解释，下面介绍数据框的变量信息，如图2，该数据框共有19个变量，数据的类型就是冒号后面的第一个。
图2 数据的变量信息 filter()函数筛选行filter() 函数可以基于观测的值筛选出一个观测子集。第一个参数是数据框名称，第二个参数以及随后的参数是用来筛选数据框的表达式。
filter(数据框, 筛选要求)
#### filter() 筛选行(Dec_25 <- filter(flights, month == 12, day == 25)) # 筛选出12月25日的所有信息(Feb_Nov <- filter(flights, month == 2 | month == 11)) # 筛选出2月与12月的所有信息(day_5_15_25 <- filter(flights, day %in% c(5,15,25))) # 筛选出5、15、25号的所有信息由于输出数据太大，因此只像大家展示最后day_5_15_25的输出数据,如图3所示。
图3 day_5_15_25部分数据展示 select()函数筛选列select()函数的使用方式和filter()函数一样，不过后面的是列名或表达式。select()适合使用于大型变量的数据框中，这里的数据框只有19个变量，因此使用效果并不佳。
select(数据框, 列名或表达式)
#### select() 筛选列(y_m_d <- select(flights, year, month, day)) # 筛选出年月日三列数据(dep <- select(flights, starts_with("dep"))) # 筛选出以dep开头的列名的数据(delay_time <- select(flights, # 筛选出以time和delay结尾的数据 ends_with("delay"), ends_with("time") ))此处也仅以delay_time的输出结果，如图4所示。
图4 delay_time的部分数据展示 arrange()函数排列行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。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。
arrange(数据框, 列名)
#### arrange() 排列行(by_y_m <- arrange(flights, year, month)) # 按第一关键词为year，第二关键词为month排序(by_arr_delay <- arrange(flights, desc(arr_delay))) # 按arr_delay倒序排列此处展示按arr_delay倒序的部分数据，如图5。
图5 arr_delay倒序的部分数据展示以上三种方法只是简单介绍筛选的基本知识，通常我们在实战时是三者融汇贯通一起使用的。大家可以先熟悉语法之后，再进行融会贯通。
完整代码创作不易，你的赞就是对我最大的支持，感谢！
#### 比较运算符a <- c(9,5,8,4,6,7,3,2,4) # 创建向量(b <- a>5) # a中的数字与5比较a[b] # 筛选出大于5的数字### 逻辑运算符c <- c(1,2,3,4,5,6,7,8,9,0) # 创建向量(d <- c>7 | c<4) # 创建逻辑运算值c[d] # 筛选出满足条件的数值### dplyr包解析### 数据准备library(tidyverse) #加载tidyverse包library(dplyr)flights <- nycflights13::flights #加载数据str(flights) #查看数据变量summary(flights) #查看数据基本信息#### filter() 筛选行(Dec_25 <- filter(flights, month == 12, day == 25)) # 筛选出12月25日的所有信息(Feb_Nov <- filter(flights, month == 2 | month == 11)) # 筛选出2月与12月的所有信息(day_5_15_25 <- filter(flights, day %in% c(5,15,25))) # 筛选出5、15、25号的所有信息#### select() 筛选列(y_m_d <- select(flights, year, month, day)) # 筛选出年月日三列数据(dep <- select(flights, starts_with("dep"))) # 筛选出以dep开头的列名的数据(delay_time <- select(flights, # 筛选出以time和delay结尾的数据 ends_with("delay"), ends_with("time") ))#### arrange() 排列行(by_y_m <- arrange(flights, year, month)) # 按第一关键词为year，第二关键词为month排序(by_arr_delay <- arrange(flights, desc(arr_delay))) # 按arr_delay倒序排列