管道符号 筛选、排序行filter()，arrange(), slice()

%>% 管道函数读"then"，即然后

• 把左边值发送到右边的表达式，并作为右边表达式函数的第一个参数。 
• 当操作多个数据集或函数时，使用%>%会更方便，更逻辑性。
• R 其他含义的管道符号用的少，包括：
  •  %<>%　在%>%基础上，把右边的最终返回值返回给左边
  •  %T>%   把左边值传入后，不产生任何返回值（可对计算的中间过程画个图，再接着计算）
  •  %$%     选取左边任意变量名来操作，但左边原数据不会保存，仅保留剩下计算后的值

注意：%>%不是base自带，需要先libray(tydiverse) 。否则报： 没有"%>%"这个函数

dplyr五个核心函数：filter()筛选行 arrange()排列行 select()选择列 mutate()基于现有变量创建新变量列 summarise()计算摘要统计量

dplyr五个核心函数：

• filter()筛选行
• arrange()排列行
• select()选择列
• mutate()基于现有变量创建新变量列
• summarise()计算摘要统计量。

上面五个函数搭配group_by()可以对每个变量水平操作，高效解决数据框转换。

他们都是生成新数据框，不改变原数据。通用的参数结构：

1. 第一个参数是数据框，待处理的数据集
2. 变量名（不带引号），描述怎么处理

函数：

1.  filter()函数筛选符合条件的观测行。

• • • 　　常用到比较运算符 ==　!=   >   >=  < <=    搭配逻辑运算符 &  ｜ ！ 。
    • • filter（）多个condition时，表示“与”的关系，筛选同时满足这些条件的行。如flights%>% filter(dep_delay>120,arr_delay<=120)
      • x %in% y 表示x被包含于y,返回True.　　非(不包含) 用 !(x %in%y) 
      • flights %>%filter(month==11 |month==12) ，等同于flights %>%filter(month %in% c(11,12))
      • between(x,left.right) 判断x是否落在 [left,right]区间内 。flights %>% filter(between(month,11,12))　　
      • 注意出现无理数时，计算机会存储为有限位数。因此在这无理数基础上进一步计算、做判断时会False.在比较时需要用near()来比较是否近似相等。
      • 

　　  1.1 slice ()按行号筛选。对应filter()函数的row_number()参数

• • 　slice(mtcars,1)         #取第一行          filter(mtcats,row_number()==1)
  • 　slice(mtcars,n())　　#取最后一行　　  filter(mtcats,row_number()==n())
  •    slice(mtcars,5:n())   #取第5行到最后一行　　filter(mtcars,between(row_number(),5,n()))
  • 　mtcars %>% slice_head(n=5)    #基于现有顺序筛选前5行
  •    mtcars %>% slice_tail(n=5)  #基于现有顺序筛选后5行
  •    mtcars%>%slice_max(order_by = mpg,n=5)  # 取出mpg最大的5行
  •    mtcars %>% slice_min(order_by = mpg,prop=0.05,with_ties = FALSE) # 取出mpg前0.05小的行，with_tiles=FALSE表示，mpg值相同时只取一行。
  •    mtcars %>% slice_sample(n=5,replace=TRUE)   #对数据抽样，replace为TRUE表示可以重复取样。

　　2.arrange()函数对行排序。

　　　　参数： 数据集、一组作为排序依据的列名或表达式。列名多个的话，用后面的列在前面列排序基础上继续排序。

• •   比slice_head/tail排序更精准 
  •   flights %>% arrange(year,month,day)  # 依次按year -> month->day 三个变量升序排序(ascend，从小到大)。
  • 

  •  

      flights%>% arrange(desc(arr_delay))　　#按arr_delay降序排序(descend，从大到小)

  • 

  •  

    默认的缺失值NA总是排在最后 。如果想把缺失值排在前面需要 flights %>% arrange(desc(is.na(dep_time)),dep_time)

  • # is.na(dep_time) 把所有NA 转换为TRUE（1），其他数值转换为FALSE(0)。所以desc(is.na(dep_time))先排NA在前面,再把不含NA按dep_time排序。

　　　　

• • 参数是列的表达式，则按表达式取值排序。　如：
    • 　 flights %>%arrange(dep_delay**2)　　 #按dep_delay的平方（绝对值）排序
    • 

    •  

      flights %>% arrange(desc(arr_delay+dep_delay)) 按 arr_delay+dep_delay的加和值 降序排列。

    • 

    • 管道符号数据处理后赋值。如：

      • flights_start<-flights %>%  select(starts_with("TIME")) ;flights_start

      • 等同于(flights_start<-flights %>%  select(starts_with("TIME")))

      • 

         

         

        　　 

    •