tidyverse：R语言中相当于python中pandas+matplotlib的存在

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

tidyverse：R语言中相当于python中pandas+matplotlib的存在[color=rgba(0, 0, 0, 0.3)]原创 [color=rgba(0, 0, 0, 0.3)]拴小林 https://www.tidyverse.org/

书籍网址：https://r4ds.had.co.nz/

The tidyverse is an opinionated collection of R packages designed for data science. All packages share an underlying design philosophy, grammar, and data structures.Install the complete tidyverse with:

1. install.packages("tidyverse")

复制代码

library(tidyverse)  #加载以下tidyverse中核心的packages:

• ggplot2：画图，可视化数据

• dplyr：操控数据，过滤、排序等

• tidyr：清理数据

• readr：(从文件中读取数据

• purrr：(提供好用的编程函数

• tibble：data.frame升级款

• stringr：处理字符，查找、替换等

• forcats：处理因子问题

  
  

1. install.packages("tidyverse")  #安装包 关联的包比较多，耐心等待一会儿library(tidyverse) #使用前，记得载入包

复制代码

以下讲：readr（读）、tibble（类型）、%>%(管道）、dplyr（加减乘除）、tidyr（透视/反透视）、ggplot2（可视化）

01

—

readr：数据导入/读取

readr comes with five parsers for rectangular file formats:

• read_csv() and read_csv2() for csv files，csv文件（逗号分隔的文件，execl文件可以另存为csv文件）【必学】
• read_tsv() for tabs separated files
• read_fwf() for fixed-width files
• read_log() for web log files
  

1. > df <- read_csv("df.csv")
   
2. -- Column specification -------------------------------------------------------------------cols(  Sepal.Length = col_double(),  Sepal.Width = col_double(),  Petal.Length = col_double(),  Petal.Width = col_double(),  Species = col_character())
   
3. 
   
4. > df# A tibble: 150 x 5   Sepal.Length Sepal.Width Petal.Length Petal.Width Species         

复制代码

读取其他格式数据：

• readxl：readxls(); readxlsx();

• haven：打开SAS 、SPSS、Stata等外部数据。

  
  

02

—

tibble：高级数据框（data.frame升级版）

——数据（列）类型一目了然

tibble是R语言中一个用来替换data.frame类型的扩展的数据框，tibble继承了data.frame，是弱类型的，同时与data.frame有相同的语法，使用起来更方便。tibble包，也是由Hadley开发的R包。

tibble对data.frame做了重新的设定：

• tibble，不关心输入类型，可存储任意类型，包括list类型

• tibble，没有行名设置 row.names

• tibble，支持任意的列名

• tibble，会自动添加列名

• tibble，类型只能回收长度为1的输入

• tibble，会懒加载参数，并按顺序运行

• tibble，是tbl_df类型

  
  

tibble是data.frame的进化版，有如下优点：生成的数据框数据每列可以保持原来的数据格式； 查看数据时，不再会一行显示不下（会自动隐藏一部分，自带head）；有两种方式来创建tibble格式的数据：

1. 直接创建

1. > x <- c(1:3)> y <- c(4:6)> z <- letters[1:3]> dft <- tibble(x,y,z) # > dft# A tibble: 3 x 3      x     y z      <int> <int> <chr>1     1     4 a    2     2     5 b    3     3     6 c

复制代码

2. 其他格式转化，使用as_tibble转换为tibble格式

1. > dft_1 <- as_tibble(mtcars)

复制代码

更多：http://blog.fens.me/r-tibble/

03

—

%>%：管道函数

——将左侧的值应用到右侧数据data位置

管道函数在tidyverse中，管道符号是数据整理的主力，可以把许多功能连在一起，而且简洁好看，比起R的基本代码更加容易阅读！例如：x %>% f(y) 等价于 f(x,y)
Rstudio中快捷键：   ctrl+shift+m

以R中自带的iris（鸢尾花数据集）为例：

1. > head(iris,n=3)  Sepal.Length Sepal.Width Petal.Length Petal.Width Species1          5.1         3.5          1.4         0.2  setosa2          4.9         3.0          1.4         0.2  setosa3          4.7         3.2          1.3         0.2  setosa
   
2. > iris %>% head(n=3) # %>% 的作用就是将iris数据用于管道后面的head函数。  Sepal.Length Sepal.Width Petal.Length Petal.Width Species1          5.1         3.5          1.4         0.2  setosa2          4.9         3.0          1.4         0.2  setosa3          4.7         3.2          1.3         0.2  setosa

复制代码

04

—

dplyr：数据整理

dplyr包的下述五个函数用法

4.1 筛选: filter
4.2 排列: arrange
4.3 选择: select
4.4 变形: mutate
4.5 汇总: summarise
4.6 分组: group_by

1. # install.packages("dplyr")library(dplyr)

复制代码

4.1 筛选: filter()

#按给定的逻辑判断筛选出符合要求的子数据集

1. filter(mtcars_df,mpg==21,hp==110) #按给定的逻辑判断筛选出符合要求的子数据集

复制代码

4.2 排列: arrange()

1. arrange(mtcars_df, disp) #可对列名加 desc(disp)进行降序

复制代码

4.3 选择: select()

1. > select(mtcars_df, disp:wt) #用列名作参数来选择子数据集:

复制代码

4.4 变形: mutate()

1. #取行#取1:dim(mtcars_df)[1]行mutate(mtcars_df, NO = 1:dim(mtcars_df)[1])
   
2. #数值重定义和赋值#将Ozone列取负数赋值给new，然后Temp列重新计算为(Temp - 32) / 1.8mutate(airquality, new = -Ozone, Temp = (Temp - 32) / 1.8)

复制代码

4.5 汇总: summarise()

1. #对数据框调用其它函数进行汇总操作summarise(mtcars_df,mdisp = mean(disp, na.rm = TRUE))

复制代码

4.6 分组: group_by()

1. #当对数据集通过group_by()添加了分组信息后，mutate()，arrange() 和 summarise() 函数会自动对这些 tbl 类数据执行分组操作。

复制代码

05

—

tidyr：数据整理

tidyr的两个主要函数是 gather()和 spread()。这些函数允许在长数据格式（long data）和宽数据格式（wide data）之间进行转换（功能类似于reshape包，但是比reshape更好用，并且可以用于管道%>%连接）。
tidyr包的下述四个函数用法5.1 宽数据转为长数据：gather （excel透视表反向操作）5.2 长数据转为宽数据：spread （excel透视表功能）5.3 多列合并为一列：unit5.4 将一列分离为多列：separat

1. #install.packages("tidyr") #安装tidyr包library(tidyr)

复制代码

5.1 宽数据转为长数据：gather()
类似excel透视表反向操作
图片解析参考：https://www.zhihu.com/collection/467554113#gather(data, key, value, …, na.rm = FALSE, convert = FALSE)
#data：需要被转换的宽形表#key：将原数据框中的所有列赋给一个新变量key
#value：将原数据框中的所有值赋给一个新变量value
#…：可以指定哪些列聚到同一列中#na.rm：是否删除缺失值

1. widedata <- data.frame(person=c('Alex','Bob','Cathy'),grade=c(2,3,4),score=c(78,89,88))#widedata#  person grade score#1   Alex     2    78#2    Bob     3    89#3  Cathy     4    88
   
2. longdata <- gather(widedata, variable, value,-grade)#longdata#  person variable value#1   Alex    grade     2#2    Bob    grade     3#3  Cathy    grade     4#4   Alex    score    78#5    Bob    score    89#6  Cathy    score    88

复制代码

5.2 长数据转为宽数据：spread()


类似excel透视表操作
图片解析参考：https://www.zhihu.com/collection/467554113

1. #spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)

复制代码

5.3 多列合并为一列：unit()

1. #unite(data, col, …, sep = “_”, remove = TRUE)#data：为数据框

复制代码

6.4 将一列分离为多列：separate()

1. #separate()函数可将一列拆分为多列，一般可用于日志数据或日期时间型数据的拆分，语法如下：#separate(data, col, into, sep = “[^[:alnum:]]+”, remove = TRUE,#convert = FALSE, extra = “warn”, fill = “warn”, …)#data：为数据框#col：需要被拆分的列#into：新建的列名，为字符串向量#sep：被拆分列的分隔符#remove：是否删除被分割的列
   
2. widesep <- separate(wideunite, information,c("person","grade","score"), sep = "-")widesep
   
3. #  person grade score#1   Alex     2    78#2    Bob     3    89#3  Cathy     4    88

复制代码

07

—

ggplot2：R语言经典可视化包

R语言 高阶可视化绘图系统：ggplot2入门 | 第8讲

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：Matplotlib matplot pandas python panda