上周三我们学了学如何整洁我们的数据，清理好我们的数据后，我们就一起来搞点事情~

子曰：“工欲善其事，必先利其器“。《论语·卫灵公》

我们习惯了excel保存处理数据，习惯总是很难改编的，不过没关系，我们先来介绍几个简单的功能来实现我们excel里常用的操作。

比如下面的筛选，排序，合并，分类汇总等等。。。

首先，亮剑！抄家伙。

dplyr安装加载

dplyr自称 是a grammar of data manipulation, 既然是grammar学会了，我们就可以用dplyr语法与R沟通交流，来实现我们那先非分的想法。

首先安装加载包：

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

一、常用的数据操作归纳为以下五种:

1. filter: 保留满足条件的行

2. select: 使用列名选出列

3. arrange: 对数据的所有行排序

4. mutate: 添加新的变量

5. summarise: 分类汇总

1. 筛选: filter()

筛选的目的就是为了保留满足条件的行。为了更好地表述我们的操作，这里使用一个构造的 data frame。

df frame(color = c("blue", "black", "blue", "blue", "black"),value = 1:5)
View(df)

比如基于上面的table，我们要

例一：选取 `color == blue` 的观测

例二：选取 `value == 1` 或者 `value == 4 ` 的观测。

2.select--选择需要的列

3. arrange--对数据的所有行排序

再来个降序排列

4. mutate---添加新的变量

mutate对已有列进行数据运算并添加为新列并保存已有列和新列

5.summarise---数据汇总

summarie可以使用的函数有

min(x), median(x), max(x), quantile(x, p),IQR()等统计量
n()返回观测个数, 
n_distinct()返回不同的观测个数, 
sum(x), mean(x) sum(x > 10), mean(x > 10)
sd(x)标准差, var(x)方差, 
iqr(x) ：computes interquartile range of the x values.
mad(x) ：median absolute deviation,
first()返回第一个观测
last()返回最后一个观测
nth(x,n)返回第n个观测

举个栗子:

二、分类汇总group_by()

以上函数已经很方便了, 但是当它们跟分组操作这个概念结合起来时, 那才叫如虎添翼! 
我们举个飞机航班的例子：

install.packages("hflights")
library(hflights)
head(hflights)

我们对飞机航班数据按飞机编号 (TailNum) 进行分组, 计算该飞机航班的：

1. 次数 (count = n()),

2. 平均飞行距离 (dist = mean(Distance, na.rm = TRUE))

3. 延时 (delay = mean(ArrDelay, na.rm = TRUE))

1. 延时 (delay = mean(ArrDelay, na.rm = TRUE))

planes group_by(hflights, TailNum)

delay n(),       
  dist = mean(Distance, na.rm = TRUE),   
  delay = mean(ArrDelay, na.rm = TRUE))
    
#最后提取飞行距离2000以内，飞行次数>20的行数【观测】
delay filter(delay, count > 20, dist < 2000)

稍微用 ggplot2 包作个图观察一下,飞机延时不延时跟飞行距离的相关性，发现延不延误和距离没什么关系，完全在于体制问题，。。。嗯，或者也有可能是天气的原因？

library(ggplot2)
ggplot(delay, aes(dist, delay)) +   
  geom_point(aes(size = count), alpha = 1/2) +   
  geom_smooth() +   
  scale_size_area()

【作图这么简单，我想学！！！，不急，不急，我们下周三开始学习做各种漂亮的统计图形，先埋个伏笔~~~】

三、管道操作（%>% ）

嗯，大神就是用来膜拜的，这个符号和ggplot2里的+连接符号一样，都是鄙人喜欢的不得了的创新。

hflights %>% 
    group_by(TailNum) %>% 
    summarise(  dist = mean(Distance, na.rm = TRUE)) %>% 
    View()

参考链接阅读资料请点这里

【ggplot2，ggvis】 is a plotting system for R, based on the grammar of graphics 

下期我们开始绘制各种漂亮的图片~

加个群，随时沟通哦，（575383226）