6
13 11 4 1 90 49 87
14 12 7 1 94 38 87
若想由大到小排序，使用desc()函数
1 > arrange(df,desc(Chinese)) #按语文成绩由大到小排序
2 ID Class Chinese Math English
3 1 7 1 94 38 87
4 2 4 1 90 49 87
5 3 6 3 89 99 46
6 4 8 2 66 77 95
7 5 1 2 65 59 23
8 6 3 3 65 76 67
9 7 9 3 62 93 43
10 8 2 2 37 38 45
11 9 5 2 20 71 34
12 10 10 1 20 21 76
13 11 11 2 20 65 23
14 12 12 3 20 12 94
2、distinct()函数 去重
distinct(.data, ..., .keep_all = FALSE)
1 > df1 <- df[rep(1:nrow(df),each = 2),] #将df每行复制1次
2 > df1
3 ID Class Chinese Math English
4 1 1 2 65 59 23
5 1.1 1 2 65 59 23
6 2 2 2 37 38 45
7 2.1 2 2 37 38 45
8 3 3 3 65 76 67
9 3.1 3 3 65 76 67
10 4 4 1 90 49 87
11 4.1 4 1 90 49 87
12 5 5 2 20 71 34
13 5.1 5 2 20 71 34
14 6 6 3 89 99 46
15 6.1 6 3 89 99 46
16 7 7 1 94 38 87
17 7.1 7 1 94 38 87
18 8 8 2 66 77 95
19 8.1 8 2 66 77 95
20 9 9 3 62 93 43
21 9.1 9 3 62 93 43
22 10 10 1 20 21 76
23 10.1 10 1 20 21 76
24 11 11 2 20 65 23
25 11.1 11 2 20 65 23
26 12 12 3 20 12 94
27 12.1 12 3 20 12 94
28 > df1 <- distinct(df1) #去除重复的行
29 > df1
30 ID Class Chinese Math English
31 1 1 2 65 59 23
32 2 2 2 37 38 45
33 3 3 3 65 76 67
34 4 4 1 90 49 87
35 5 5 2 20 71 34
36 6 6 3 89 99 46
37 7 7 1 94 38 87
38 8 8 2 66 77 95
39 9 9 3 62 93 43
40 10 10 1 20 21 76
41 11 11 2 20 65 23
42 12 12 3 20 12 94
3、group_by()函数 分组 summarise()函数 概括
group_by(.data, ..., add = FALSE, .drop = FALSE)
ungroup(x, ...)
summarise(.data, ...)
group_by()与summarise()函数常连用，用于对不同的分组进行操作,在这里再介绍一个管道函数“%>%”，其作用是把左件的值发送给右件的表达式，并作为右件表达式函数的第一个参数
1 > df %>%
2 + group_by(Class) %>%
3 + summarise(max = max(Chinese)) #求出按Class分组每组中语文成绩最高分
4 # A tibble: 3 x 2
5 Class max
6 <dbl> <dbl>
7 1 1 94
8 2 2 66
9 3 3 89
4、filter()函数 筛选
filter(.data, ..., .preserve = FALSE)
选出符合条件的行(返回数据框格式)
1 > df %>%
2 + group_by(Class) %>%
3 + filter(Chinese == max(Chinese)) #选出每个班语文成绩最高的学生的信息
4 # A tibble: 3 x 5
5 # Groups: Class [3]
6 ID Class Chinese Math English
7 <dbl> <dbl> <dbl> <dbl> <dbl>
8 1 6 3 89 99 46
9 2 7 1 94 38 87
10 3 8 2 66 77 95
5、select()函数 选择
select(.data, ...)
1 > select(df,ID,Chinese,Math,English) #选出df中ID、语文、数学、英语数据
2 ID Chinese Math English
3 1 1 65 59 23
4 2 2 37 38 45
5 3 3 65 76 67
6 4 4 90 49 87
7 5 5 20 71 34
8 6 6 89 99 46
9 7 7 94 38 87
10 8 8 66 77 95
11 9 9 62 93 43
12 10 10 20 21 76
13 11 11 20 65 23
14 12 12 20 12 94
6、rbind()函数与cbind()函数 合并
rbind()函数根据行进行合并，cbind()根据列进行合并
1 #新建数据框df1
2 > df1 <- data.frame(ID = 13,Class = 2,
3 Chinese = 65,Math = 26,English = 84)
4 > df1
5 ID Class Chinese Math English
6 1 13 2 65 26 84
7 > rbind(df,df1) #合并df与df1
8 ID Class Chinese Math English
9 1 1 2 65 59 23
10 2 2 2 37 38 45
11 3 3 3 65 76 67
12 4 4 1 90 49 87
13 5 5 2 20 71 34
14 6 6 3 89 99 46
15 7 7 1 94 38 87
16 8 8 2 66 77 95
17 9 9 3 62 93 43
18 10 10 1 20 21 76
19 11 11 2 20 65 23
20 12 12 3 20 12 94
21 13 13 2 65 26 84
22 > df2 #新建数据框df2
23 Biological
24 1 65
25 2 15
26 3 35
27 4 59
28 5 64
29 6 34
30 7 29
31 8 46
32 9 32
33 10 95
34 11 46
35 12 23
36 > cbind(df,df2) #合并df与df2
37 ID Class Chinese Math English Biological
38 1 1 2 65 59 23 65
39 2 2 2 37 38 45 15
40 3 3 3 65 76 67 35
41 4 4 1 90 49 87 59
42 5 5 2 20 71 34 64
43 6 6 3 89 99 46 34
44 7 7 1 94 38 87 29
45 8 8 2 66 77 95 46
46 9 9 3 62 93 43 32
47 10 10 1 20 21 76 95
48 11 11 2 20 65 23 46
49 12 12 3 20 12 94 23
7、join函数 连接
inner_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"),...)
left_join(x, y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...)
right_join(x, y, by = NULL, copy = FALSE, suffix = c(".x&qu