第2章 R語(yǔ)言數(shù)據(jù)處理基礎(chǔ)

在R中有許多用于數(shù)據(jù)框基本操作的內(nèi)置函數(shù)，比如transform()、rbind()、cbind()等函數(shù)，都是基于base包的。base包是安裝R時(shí)會(huì)自帶的包，無(wú)須加載包就可以直接使用。除此之外，還有如下幾種常用的數(shù)據(jù)處理的包。

（1）dplyr包：dplyr包是Hadley Wickham（ggplot2包的作者，被稱(chēng)作“一個(gè)改變R的人”）的杰作，并自稱(chēng)a grammar of data manipulation，他將原本plyr包中的ddply()等函數(shù)進(jìn)一步分離強(qiáng)化，專(zhuān)注接受dataframe對(duì)象，大幅提高了速度，并且提供了更穩(wěn)健地與其他數(shù)據(jù)庫(kù)對(duì)象間的接口。該包常用的函數(shù)包括：變量篩選函數(shù)select()、記錄篩選函數(shù)filter()、排序函數(shù)arrange()、變形（計(jì)算）函數(shù)mutate()、匯總函數(shù)summarize()、分組函數(shù)group_by()、隨機(jī)抽樣函數(shù)sample_n()和sample_frac()，以及多步操作連接符%>%等。

（2）tidyr包：在具體應(yīng)用中，tidyr包經(jīng)常與dplyr包共同使用，目前漸有取代reshape2包之勢(shì)，是值得關(guān)注的一個(gè)R包。在tidyr包中，有4個(gè)常用的函數(shù)，分別是：gather()函數(shù)用于將寬數(shù)據(jù)轉(zhuǎn)換為長(zhǎng)數(shù)據(jù)；spread()函數(shù)用于將長(zhǎng)數(shù)據(jù)轉(zhuǎn)換為寬數(shù)據(jù)；unite()函數(shù)用于將多列合并為一列；separate()函數(shù)用于將一列分離為多列。

（3）reshape2包：reshape2包是由Hadley Wickham開(kāi)發(fā)的用于數(shù)據(jù)重構(gòu)的包，主要功能函數(shù)為melt()、cast()，其實(shí)現(xiàn)了長(zhǎng)數(shù)據(jù)和寬數(shù)據(jù)之間的轉(zhuǎn)換，包中還包含add_margin()等其他函數(shù)和french_fries（三種不同的油對(duì)薯?xiàng)l口感的影響）等數(shù)據(jù)集。

（4）tidyverse包：tidyverse是由Hadley Wickham于2017年創(chuàng)建的R包的集合，它“分享整潔數(shù)據(jù)的基礎(chǔ)設(shè)計(jì)理念、語(yǔ)法和數(shù)據(jù)結(jié)構(gòu)”。核心軟件包是ggplot2、dplyr、tidyr、readr、purrr、tibble、stringr和forcats，它們提供了建模、轉(zhuǎn)換和可視化數(shù)據(jù)的功能。更多內(nèi)容可以見(jiàn)他出版的新書(shū)R for Data Science。其中，readr包用于讀取數(shù)據(jù)，tidyr包用于整理數(shù)據(jù)，dplyr包用于數(shù)據(jù)轉(zhuǎn)換，ggplot2包用于數(shù)據(jù)可視化，purrr包用于函數(shù)式編程。大家如對(duì)此有興趣，可以更加深入地學(xué)習(xí)。