R语言专题2-数据框

#学习这部分内容之前先加载这个包哦
library(dplyr) 

#这边随便用内置数据生成一个数据框
test <- iris[c(1:2,51:52,101:102),]
#去掉行名，这一步的目的是为了调整编号哦，大家可以看一下不去掉会怎么样
rownames(test) =NULL 
test

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          5.1         3.5          1.4         0.2     setosa
## 2          4.9         3.0          1.4         0.2     setosa
## 3          7.0         3.2          4.7         1.4 versicolor
## 4          6.4         3.2          4.5         1.5 versicolor
## 5          6.3         3.3          6.0         2.5  virginica
## 6          5.8         2.7          5.1         1.9  virginica

# arrange()函数默认是升序，调整某一列的数值排序，会对整个数据框进行相应调整
arrange(test,Sepal.Length)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          4.9         3.0          1.4         0.2     setosa
## 2          5.1         3.5          1.4         0.2     setosa
## 3          5.8         2.7          5.1         1.9  virginica
## 4          6.3         3.3          6.0         2.5  virginica
## 5          6.4         3.2          4.5         1.5 versicolor
## 6          7.0         3.2          4.7         1.4 versicolor

# arrange()降序
arrange(test,desc(Sepal.Length))

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          7.0         3.2          4.7         1.4 versicolor
## 2          6.4         3.2          4.5         1.5 versicolor
## 3          6.3         3.3          6.0         2.5  virginica
## 4          5.8         2.7          5.1         1.9  virginica
## 5          5.1         3.5          1.4         0.2     setosa
## 6          4.9         3.0          1.4         0.2     setosa

# distinct，数据框按照某一列去重复
distinct(test,Species) # 该函数默认只保留去重复那一列

##      Species
## 1     setosa
## 2 versicolor
## 3  virginica

# 若想保留所有列可以通过修改.keep_all这个参数
distinct(test,Species,.keep_all = T) 

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          5.1         3.5          1.4         0.2     setosa
## 2          7.0         3.2          4.7         1.4 versicolor
## 3          6.3         3.3          6.0         2.5  virginica

# 这边比较简单直接看代码和图应该就能知道其表达
# 若想保存这个操作需要赋值哦
x = mutate(test,new = Sepal.Length * Sepal.Width);x

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species   new
## 1          5.1         3.5          1.4         0.2     setosa 17.85
## 2          4.9         3.0          1.4         0.2     setosa 14.70
## 3          7.0         3.2          4.7         1.4 versicolor 22.40
## 4          6.4         3.2          4.5         1.5 versicolor 20.48
## 5          6.3         3.3          6.0         2.5  virginica 20.79
## 6          5.8         2.7          5.1         1.9  virginica 15.66

# 由于data.frame[]中括号就能做到这些事情，所以这两个函数就比较鸡肋
# 仅演示一些基础操作
select(test,2:3)

##   Sepal.Width Petal.Length
## 1         3.5          1.4
## 2         3.0          1.4
## 3         3.2          4.7
## 4         3.2          4.5
## 5         3.3          6.0
## 6         2.7          5.1

select(test,-5)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width
## 1          5.1         3.5          1.4         0.2
## 2          4.9         3.0          1.4         0.2
## 3          7.0         3.2          4.7         1.4
## 4          6.4         3.2          4.5         1.5
## 5          6.3         3.3          6.0         2.5
## 6          5.8         2.7          5.1         1.9

filter(test,Sepal.Length > 6) # filter后面只能是逻辑值

##   Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
## 1          7.0         3.2          4.7         1.4 versicolor
## 2          6.4         3.2          4.5         1.5 versicolor
## 3          6.3         3.3          6.0         2.5  virginica

# 1.多次赋值，产生多个中间的变量
# 这种代码对于小白很友好，易懂且出了问题也不难检查
x1 = select(iris,-5)
x2 = as.matrix(x1)
x3 = head(x2,50)
pheatmap::pheatmap(x3)

# 2.嵌套式代码
pheatmap::pheatmap(head(as.matrix(select(iris,-5)),50))

# 3.利用管道符号 %>%
# 管道符号的作用：将符号前所有代码的计算结果，传递给符号后的函数并作为其第一个参数
iris %>%
  select(-5) %>%
  as.matrix() %>%
  head(50) %>%
  pheatmap::pheatmap()

# 1、2、3等价，根据实际情况需要自行选择即可