用Swirl学习R语言，Learn R, in R

how to import data (read function) how to manipulate data wit dplyr

lesson: Getting and Cleaning Data

我们可以使用read.csv函数来导入数据。具体查看?read.csv，例子

#set a path to csv file
path2csv <-"E:/R-3.3.2/library/swirl/Courses/Getting_and_Cleaning_Data/Manipulating_Data_with_dplyr/2014-07-08.csv"

#use read.csv to read the csv file
mydf<-read.csv(path2csv,stringsAsFactors = FALSE)
#stringsAsFactors: logical: should character vectors be converted to factors?

使用dim()查看数据的行列情况

dim(mydf)

使用Dplyr包处理数据，首先library(dplyr)，然后使用tbl_df()(tibble)函数读取frame中的数据，这一步很重要，只有这样才能继续使用下面的函数和功能。使用函数rm("what_you_want_to_delete")(remove)删除frame。

library(dplyr)
cran<-tbl_df(mydf)
rm("my_df")

五个最基础最常用的函数工具：select(), filter(), arrange(), mutate(), summarize()

select函数可选取frame中的任意列，不用使用$符号。可以使用:，选取连续列，使用-删除不需要的列，例如

select(cran,country:r_arch)
select(cran, -(time:size))

filter函数可以选取任意行

> filter(cran, package == "swirl")
> filter(cran,country == "IN", r_version <= "3.0.2") #, for AND
> filter(cran, country == "US" | country == "IN") #|for OR
> filter(cran, !is.na(r_version)) #

is.na()如果数据是空的，返回TRUE，反之FALSE

arrange函数可以根据要求重新排列行的顺序。

arrange(cran, ip_id)
arrange(cran, desc(ip_id))

mutate函数可以用来增加一列派生变量。

> mutate(cran3, correct_size = size+1000)
> mutate(cran3, temperature = mean(AvgTemp, na.rm = "TRUE")) #求平均值，把空值删除
> mutate(cran3, decade = trunc(year/10))#trunc函数取整， 一系列的函数还有floor(), round(),signif().

Lesson2 Grouping and Chaining with dplyr

summarize是个很重要的函数。例如

by_package <- group_by(cran, package)
pack_sum <- summarize(by_package,
                      count = n(),
                      unique = n_distinct(ip_id),
                      countries = n_distinct(country),
                      avg_bytes = mean(size))

n()表示的是括号内的字段有多少不为空的数据，n_distinct表示括号内的字段有多少不重复的数据。这个函数是length(unique(x))的简化和快速版，更容易操作。

如果需要使用递进关系的函数，那么可以使用%>%连接符，可以连接不同函数。例如，

cran %>%
  select(ip_id, country, package, size) %>%
  mutate(size_mb = size / 2^20) %>%
  filter(size_mb <= 0.5) %>%
  arrange(desc(size_mb))

在上面的例子中，select函数需要用到cran数据框架，mutate函数需要用到select函数处理之后的数据框架，……以此类推。而在末尾的%>%连接符正好起到这样的作用。