博客原文：https://suzan.rbind.io/2018/01/dplyr-tutorial-1/
作者：Suzan Baert
这是一系列dplyr函数中的第二篇文章。 它涵盖了操纵列以便按照您希望的方式获取它们的工具：这可以是计算新列，将列更改为离散值或拆分/合并列。
数据集
根据之前的博客文章，当你有很多专栏时，为了方便人们复制粘贴代码和实验，我使用的是ggplot2内置数据集
library(tidyverse)
glimpse(msleep)
## Observations: 83
## Variables: 11
## $ name <chr> "Cheetah", "Owl monkey", "Mountain beaver", "Grea...
## $ genus <chr> "Acinonyx", "Aotus", "Aplodontia", "Blarina", "Bo...
## $ vore <chr> "carni", "omni", "herbi", "omni", "herbi", "herbi...
## $ order <chr> "Carnivora", "Primates", "Rodentia", "Soricomorph...
## $ conservation <chr> "lc", NA, "nt", "lc", "domesticated", NA, "vu", N...
## $ sleep_total <dbl> 12.1, 17.0, 14.4, 14.9, 4.0, 14.4, 8.7, 7.0, 10.1...
## $ sleep_rem <dbl> NA, 1.8, 2.4, 2.3, 0.7, 2.2, 1.4, NA, 2.9, NA, 0....
## $ sleep_cycle <dbl> NA, NA, NA, 0.1333333, 0.6666667, 0.7666667, 0.38...
## $ awake <dbl> 11.9, 7.0, 9.6, 9.1, 20.0, 9.6, 15.3, 17.0, 13.9,...
## $ brainwt <dbl> NA, 0.01550, NA, 0.00029, 0.42300, NA, NA, NA, 0....
## $ bodywt <dbl> 50.000, 0.480, 1.350, 0.019, 600.000, 3.850, 20.4...
转换列：基础部分
您可以使用mutate（）函数创建新列。 mutate中的选项几乎是无穷无尽的：你可以对普通向量做任何事情，可以在mutate（）函数内完成。mutate中的任何内容都可以是新列（通过赋予mutate新的列名），或者可以替换当前列（通过保持相同的列名）。
最简单的选项之一是基于其他列中的值的计算。 在示例代码中，我们将睡眠数据从以小时为单位的数据更改为分钟。
msleep %>%
select(name, sleep_total) %>%
mutate(sleep_total_min = sleep_total * 60)
## # A tibble: 83 x 3
## name sleep_total sleep_total_min
## <chr> <dbl> <dbl>
## 1 Cheetah 12.1 726
## 2 Owl monkey 17.0 1020
## 3 Mountain beaver 14.4 864
## 4 Greater short-tailed shrew 14.9 894
## 5 Cow 4.00 240
## 6 Three-toed sloth 14.4 864
## 7 Northern fur seal 8.70 522
## 8 Vesper mouse 7.00 420
## 9 Dog 10.1 606
## 10 Roe deer 3.00 180
## # ... with 73 more rows
可以使用aggregate函数制作新列，例如average，median，max，min，sd等等。示例代码生成两个新列：一列显示观察对象与平均睡眠时间的差值，一列显示观察对象与睡眠最少的动物的差值。
msleep %>%
select(name, sleep_total) %>%
mutate(sleep_total_vs_AVG = sleep_total - round(mean(sleep_total), 1),
sleep_total_vs_MIN = sleep_total - min(sleep_total))
## # A tibble: 83 x 4
## name sleep_total sleep_total_vs_AVG sleep_total_~
## <chr> <dbl> <dbl> <dbl>
## 1 Cheetah 12.1 1.70 10.2
## 2 Owl monkey 17.0 6.60 15.1
## 3 Mountain beaver 14.4 4.00 12.5
## 4 Greater short-tailed shrew 14.9 4.50 13.0
## 5 Cow 4.00 -6.40 2.10
## 6 Three-toed sloth 14.4 4.00 12.5
## 7 Northern fur seal 8.70 -1.70 6.80
## 8 Vesper mouse 7.00 -3.40 5.10
## 9 Dog 10.1 -0.300 8.20
## 10 Roe deer 3.00 -7.40 1.10
## # ... with 73 more rows
在下面的评论中，Steve询问了跨列的aggregate函数。 这些函数本质上需要总结一个列（如上所示），如果你想在列之间使用sum（）或mean（），你可能会遇到错误或荒谬的答案。 在这些情况下，您可以恢复实际拼写算术：mutate（average =（sleep_rem + sleep_cycle）/ 2）或者您必须向管道添加一条特殊指令，它应该执行这些聚合函数而不是整个 列，但按行：
#alternative to using the actual arithmetics:
msleep %>%
select(name, contains("sleep")) %>%
rowwise() %>%
mutate(avg = mean(c(sleep_rem, sleep_cycle)))
## Source: local data frame [83 x 5]
## Groups: <by row>
##
## # A tibble: 83 x 5
## name sleep_total sleep_rem sleep_cycle avg
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Cheetah 12.1 NA NA NA
## 2 Owl monkey 17.0 1.80 NA NA
## 3 Mountain beaver 14.4 2.40 NA NA
## 4 Greater short-tailed shrew 14.9 2.30 0.133 1.22
## 5 Cow 4.00 0.700 0.667 0.683
## 6 Three-toed sloth 14.4 2.20 0.767 1.48
## 7 Northern fur seal 8.70 1.40 0.383 0.892
## 8 Vesper mouse 7.00 NA NA NA
## 9 Dog 10.1 2.90 0.333 1.62
## 10 Roe deer 3.00 NA NA NA
## # ... with 73 more rows
ifelse（）函数值得特别提及，因为如果你不想以相同的方式改变整个列，它会特别有用。 使用ifelse（），首先指定一个逻辑语句，然后在语句返回“TRUE”时需要发生什么，最后如果它是“FALSE”则需要发生什么。
想象一下，我们有一个包含两个大值的数据库，我们假设它们是拼写错误或测量错误，我们想要排除它们。 下面的代码将使任何brainwt值超过4并返回NA。 在这种情况下，代码不会因4以下的任何内容而改变。
msleep %>%
select(name, brainwt) %>%
mutate(brainwt2 = ifelse(brainwt > 4, NA, brainwt)) %>%
arrange(desc(brainwt))
## # A tibble: 83 x 3
## name brainwt brainwt2
## <chr> <dbl> <dbl>
## 1 African elephant 5.71 NA
## 2 Asian elephant 4.60 NA
## 3 Human 1.32 1.32
## 4 Horse 0.655 0.655
## 5 Chimpanzee 0.440 0.440
## 6 Cow 0.423 0.423
## 7 Donkey 0.419 0.419
## 8 Gray seal 0.325 0.325
## 9 Baboon 0.180 0.180
## 10 Pig 0.180 0.180
## # ... with 73 more rows
您还可以使用stringr的str_extract（）函数以及任何字符或正则表达式模式来改变字符串列。示例代码将返回动物名称的最后一个单词并使其为小写。
msleep %>%
select(name) %>%
mutate(name_last_word = tolower(str_extract(name, pattern = "\\w+$")))
## # A tibble: 83 x 2
## name name_last_word
## <chr> <chr>
## 1 Cheetah cheetah
## 2 Owl monkey monkey
## 3 Mountain beaver beaver
## 4 Greater short-tailed shrew shrew
## 5 Cow cow
## 6 Three-toed sloth sloth
## 7 Northern fur seal seal
## 8 Vesper mouse mouse
## 9 Dog dog
## 10 Roe deer deer
## # ... with 73 more rows
一次性Mutate数列
这就是有趣的地方。 就像第1部分中的select（）函数一样，mutate（）有变种：
*mutate_all（）将根据您的进一步说明改变所有列
*mutate_if（）首先需要一个返回布尔值的函数来选择列。 如果确实如此，那么将对这些变量进行mutate指令。
*mutate_at（）要求你在vars（）参数中指定要进行变异的列。
Mutate全部列
mutate_all（）版本是最容易理解的，在清理数据时非常漂亮。 您只需传递要在所有列中应用的操作（以函数的形式）。容易入手：将所有数据转换为小写：
msleep %>%
mutate_all(tolower)
## # A tibble: 83 x 11
## name genus vore order conservation sleep_total sleep_rem sleep_cycle
## <chr> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
## 1 cheet~ acin~ carni carn~ lc 12.1 <NA> <NA>
## 2 owl m~ aotus omni prim~ <NA> 17 1.8 <NA>
## 3 mount~ aplo~ herbi rode~ nt 14.4 2.4 <NA>
## 4 great~ blar~ omni sori~ lc 14.9 2.3 0.133333333
## 5 cow bos herbi arti~ domesticated 4 0.7 0.666666667
## 6 three~ brad~ herbi pilo~ <NA> 14.4 2.2 0.766666667
## 7 north~ call~ carni carn~ vu 8.7 1.4 0.383333333
## 8 vespe~ calo~ <NA> rode~ <NA> 7 <NA> <NA>
## 9 dog canis carni carn~ domesticated 10.1 2.9 0.333333333
## 10 roe d~ capr~ herbi arti~ lc 3 <NA> <NA>
## # ... with 73 more rows, and 3 more variables: awake <chr>, brainwt <chr>,
## # bodywt <chr>
mutating 动作需要是一个函数：在许多情况下，您可以传递函数名称而不使用括号，但在某些情况下，您需要参数或者您想要组合元素。 在这种情况下，您有一些选择：要么预先创建一个函数（如果它更长时间有用），或者通过将它包装在funs（）或波形符中来动态创建函数。我首先要使用mutate_all（）搞砸了：下面的粘贴变异需要动态的函数。 你可以使用〜paste（。，“/ n”）或funs（paste（。，“/ n”））。 在动态创建函数时，通常需要一种方法来引用要替换的值：这是.符号。
msleep_ohno <- msleep %>%
mutate_all(~paste(., " /n "))
msleep_ohno[,1:4]
## # A tibble: 83 x 4
## name genus vore order
## <chr> <chr> <chr> <chr>
## 1 "Cheetah /n " "Acinonyx /n " "carni~ "Carn~
## 2 "Owl monkey /n " "Aotus /n " "omni ~ "Prim~
## 3 "Mountain beaver /n " "Aplodontia /n " "herbi~ "Rode~
## 4 "Greater short-tailed shrew /n " "Blarina /n " "omni ~ "Sori~
## 5 "Cow /n " "Bos /n " "herbi~ "Arti~
## 6 "Three-toed sloth /n " "Bradypus /n " "herbi~ "Pilo~
## 7 "Northern fur seal /n " "Callorhinus /n " "carni~ "Carn~
## 8 "Vesper mouse /n " "Calomys /n " "NA ~ "Rode~
## 9 "Dog /n " "Canis /n " "carni~ "Carn~
## 10 "Roe deer /n " "Capreolus /n " "herbi~ "Arti~
## # ... with 73 more rows
让我们再次清理它：
在这段代码中它首先删除任何/ n，然后修剪任何其他空格：
msleep_corr <- msleep_ohno %>%
mutate_all(~str_replace_all(., "/n", "")) %>%
mutate_all(str_trim)
msleep_corr[,1:4]
## # A tibble: 83 x 4
## name genus vore order
## <chr> <chr> <chr> <chr>
## 1 Cheetah Acinonyx carni Carnivora
## 2 Owl monkey Aotus omni Primates
## 3 Mountain beaver Aplodontia herbi Rodentia
## 4 Greater short-tailed shrew Blarina omni Soricomorpha
## 5 Cow Bos herbi Artiodactyla
## 6 Three-toed sloth Bradypus herbi Pilosa
## 7 Northern fur seal Callorhinus carni Carnivora
## 8 Vesper mouse Calomys NA Rodentia
## 9 Dog Canis carni Carnivora
## 10 Roe deer Capreolus herbi Artiodactyla
## # ... with 73 more rows
Mutate if
并非所有的清理功能都可以使用mutate_all（）来完成。 如果同时具有数字和字符列，则尝试对数据进行舍入将导致错误。
msleep %>%
mutate_all(round)
Error in mutate_impl(.data, dots) : Evaluation error: non-numeric argument to mathematical function.
在这些情况下，我们必须在给出round（）指令之前添加列需要为数字的条件，这可以使用mutate_if来完成。
通过使用mutate_if（），我们在管道中需要两个参数：
首先，它需要有关列的信息。 此信息必须是返回布尔值的函数。 最简单的情况是
is.numeric，is.integer，is.double，is.logical，is.factor，lubridate :: is.POSIXt或lubridate :: is.Date。其次，它需要以函数形式的变异指令。 如果需要，请使用代字号或
funs（）之前（见上文）。
msleep %>%
select(name, sleep_total:bodywt) %>%
mutate_if(is.numeric, round)
## # A tibble: 83 x 7
## name sleep_total sleep_rem sleep_cycle awake brainwt bodywt
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Cheetah 12.0 NA NA 12.0 NA 50.0
## 2 Owl monkey 17.0 2.00 NA 7.00 0 0
## 3 Mountain beaver 14.0 2.00 NA 10.0 NA 1.00
## 4 Greater short-t~ 15.0 2.00 0 9.00 0 0
## 5 Cow 4.00 1.00 1.00 20.0 0 600
## 6 Three-toed sloth 14.0 2.00 1.00 10.0 NA 4.00
## 7 Northern fur se~ 9.00 1.00 0 15.0 NA 20.0
## 8 Vesper mouse 7.00 NA NA 17.0 NA 0
## 9 Dog 10.0 3.00 0 14.0 0 14.0
## 10 Roe deer 3.00 NA NA 21.0 0 15.0
## # ... with 73 more rows
更改特定列
通过使用mutate_at（），我们在管道中需要两个参数：
首先，它需要有关列的信息。 在这种情况下，您可以包装任何列的选择（使用
select（）函数内可能的所有选项）并将其包装在vars（）中。其次，它需要以函数形式的变异指令。 如果需要，请使用代字号或
funs（）之前（见上文）。
所有睡眠测量柱都在几小时内完成。 如果我想在几分钟内完成，我可以使用mutate_at（）并将包含列的所有'sleep'包装在vars（）中。 其次，我在飞行中创建一个函数，将每个值乘以60。
示例代码显示，在这种情况下，所有sleep列都已更改为分钟，但awake没有。
msleep %>%
select(name, sleep_total:awake) %>%
mutate_at(vars(contains("sleep")), ~(.*60))
## # A tibble: 83 x 5
## name sleep_total sleep_rem sleep_cycle awake
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Cheetah 726 NA NA 11.9
## 2 Owl monkey 1020 108 NA 7.00
## 3 Mountain beaver 864 144 NA 9.60
## 4 Greater short-tailed shrew 894 138 8.00 9.10
## 5 Cow 240 42.0 40.0 20.0
## 6 Three-toed sloth 864 132 46.0 9.60
## 7 Northern fur seal 522 84.0 23.0 15.3
## 8 Vesper mouse 420 NA NA 17.0
## 9 Dog 606 174 20.0 13.9
## 10 Roe deer 180 NA NA 21.0
## # ... with 73 more rows
mutation后更改列名
使用单个mutate（）语句，您可以立即选择更改列名称。 例如，在上面的示例中，令人困惑的是睡眠列位于不同的单元中，您可以通过调用重命名函数来更改它：
msleep %>%
select(name, sleep_total:awake) %>%
mutate_at(vars(contains("sleep")), ~(.*60)) %>%
rename_at(vars(contains("sleep")), ~paste0(.,"_min"))
## # A tibble: 83 x 5
## name sleep_total_min sleep_rem_min sleep_cycle_min awake
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 Cheetah 726 NA NA 11.9
## 2 Owl monkey 1020 108 NA 7.00
## 3 Mountain beaver 864 144 NA 9.60
## 4 Greater short-tail~ 894 138 8.00 9.10
## 5 Cow 240 42.0 40.0 20.0
## 6 Three-toed sloth 864 132 46.0 9.60
## 7 Northern fur seal 522 84.0 23.0 15.3
## 8 Vesper mouse 420 NA NA 17.0
## 9 Dog 606 174 20.0 13.9
## 10 Roe deer 180 NA NA 21.0
## # ... with 73 more rows
https://twitter.com/TomasMcManus1/status/981187099649912832）指出：你可以在funs（）中指定一个“标签”，它将附加到当前名称。 两个选项之间的主要区别是：funs（）版本是一行代码少，但是将添加而不是替换列。 根据您的情况，两者都可能有用。
msleep %>%
select(name, sleep_total:awake) %>%
mutate_at(vars(contains("sleep")), funs(min = .*60))
## # A tibble: 83 x 8
## name sleep_total sleep_rem sleep_cycle awake sleep_total_min
## <chr> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Cheetah 12.1 NA NA 11.9 726
## 2 Owl monkey 17.0 1.80 NA 7.00 1020
## 3 Mountain beaver 14.4 2.40 NA 9.60 864
## 4 Greater short-~ 14.9 2.30 0.133 9.10 894
## 5 Cow 4.00 0.700 0.667 20.0 240
## 6 Three-toed slo~ 14.4 2.20 0.767 9.60 864
## 7 Northern fur s~ 8.70 1.40 0.383 15.3 522
## 8 Vesper mouse 7.00 NA NA 17.0 420
## 9 Dog 10.1 2.90 0.333 13.9 606
## 10 Roe deer 3.00 NA NA 21.0 180
## # ... with 73 more rows, and 2 more variables: sleep_rem_min <dbl>,
## # sleep_cycle_min <dbl>
使用离散列
重新编码离散列
要重命名或重新组织当前的离散列，可以在mutate（）语句中使用recode（）：这使您可以更改当前命名，或将当前级别分组到更低级别。 .default指的是除NA之外的前组不包含的任何内容。 如果需要，可以通过添加.missing参数将NA更改为NA以外的其他参数（请参阅下一个示例代码）。
msleep %>%
mutate(conservation2 = recode(conservation,
"en" = "Endangered",
"lc" = "Least_Concern",
"domesticated" = "Least_Concern",
.default = "other")) %>%
count(conservation2)
## # A tibble: 4 x 2
## conservation2 n
## <chr> <int>
## 1 Endangered 4
## 2 Least_Concern 37
## 3 other 13
## 4 <NA> 29
A special version exists to return a factor: recode_factor(). By default the .ordered argument is FALSE. To return an ordered factor set the argument to TRUE:
msleep %>%
mutate(conservation2 = recode_factor(conservation,
"en" = "Endangered",
"lc" = "Least_Concern",
"domesticated" = "Least_Concern",
.default = "other",
.missing = "no data",
.ordered = TRUE)) %>%
count(conservation2)
## # A tibble: 4 x 2
## conservation2 n
## <ord> <int>
## 1 Endangered 4
## 2 Least_Concern 37
## 3 other 13
## 4 no data 29
创建新的离散型数据列（两个level）
ifelse（）语句可用于将数字列转换为离散列。 如上所述，ifelse（）采用逻辑表达式，然后如果表达式返回“TRUE”则该怎么办，最后当它返回“FALSE”时要做什么。示例代码将当前度量“sleep_total”划分为离散的“长”或“短”睡眠者。
msleep %>%
select(name, sleep_total) %>%
mutate(sleep_time = ifelse(sleep_total > 10, "long", "short"))
## # A tibble: 83 x 3
## name sleep_total sleep_time
## <chr> <dbl> <chr>
## 1 Cheetah 12.1 long
## 2 Owl monkey 17.0 long
## 3 Mountain beaver 14.4 long
## 4 Greater short-tailed shrew 14.9 long
## 5 Cow 4.00 short
## 6 Three-toed sloth 14.4 long
## 7 Northern fur seal 8.70 short
## 8 Vesper mouse 7.00 short
## 9 Dog 10.1 long
## 10 Roe deer 3.00 short
## # ... with 73 more rows
创建新的离散列（多个级别）
ifelse（）可以嵌套，但如果你想要两个以上的级别，但是使用case_when（）可能更容易，它允许你喜欢的语句数量多，并且比许多嵌套的ifelse更容易阅读声明。
参数按顺序计算，因此只有第一个语句不为true的行才会继续为下一个语句计算。 对于最后留下的所有内容，只需使用TRUE~“newname”。
不幸的是，似乎没有简单的方法让case_when（）返回一个有序的因子，所以你需要自己做，之后使用forcats :: fct_relevel（），或者只是一个因子（）函数。 如果你有很多关卡，我会建议你提前制作一个关卡矢量，以避免过多地混乱。
msleep %>%
select(name, sleep_total) %>%
mutate(sleep_total_discr = case_when(
sleep_total > 13 ~ "very long",
sleep_total > 10 ~ "long",
sleep_total > 7 ~ "limited",
TRUE ~ "short")) %>%
mutate(sleep_total_discr = factor(sleep_total_discr,
levels = c("short", "limited",
"long", "very long")))
## # A tibble: 83 x 3
## name sleep_total sleep_total_discr
## <chr> <dbl> <fctr>
## 1 Cheetah 12.1 long
## 2 Owl monkey 17.0 very long
## 3 Mountain beaver 14.4 very long
## 4 Greater short-tailed shrew 14.9 very long
## 5 Cow 4.00 short
## 6 Three-toed sloth 14.4 very long
## 7 Northern fur seal 8.70 limited
## 8 Vesper mouse 7.00 short
## 9 Dog 10.1 long
## 10 Roe deer 3.00 short
## # ... with 73 more rows
case_when（）函数不仅可以在单独列工作，还可以用于跨列分组：
msleep %>%
mutate(silly_groups = case_when(
brainwt < 0.001 ~ "light_headed",
sleep_total > 10 ~ "lazy_sleeper",
is.na(sleep_rem) ~ "absent_rem",
TRUE ~ "other")) %>%
count(silly_groups)
## # A tibble: 4 x 2
## silly_groups n
## <chr> <int>
## 1 absent_rem 8
## 2 lazy_sleeper 39
## 3 light_headed 6
## 4 other 30
拆分和合并列
(conservation_expl <- read_csv("conservation_explanation.csv"))
## # A tibble: 11 x 1
## `conservation abbreviation`
## <chr>
## 1 EX = Extinct
## 2 EW = Extinct in the wild
## 3 CR = Critically Endangered
## 4 EN = Endangered
## 5 VU = Vulnerable
## 6 NT = Near Threatened
## 7 LC = Least Concern
## 8 DD = Data deficient
## 9 NE = Not evaluated
## 10 PE = Probably extinct (informal)
## 11 PEW = Probably extinct in the wild (informal)
您可以使用tidyr的separate（）函数拆分列。为此，首先指定要拆分的列，然后指定新的列名，以及用于拆分的分隔符。示例代码显示基于'='作为分隔符分隔成两列。
(conservation_table <- conservation_expl %>%
separate(`conservation abbreviation`,
into = c("abbreviation", "description"), sep = " = "))
## # A tibble: 11 x 2
## abbreviation description
## * <chr> <chr>
## 1 EX Extinct
## 2 EW Extinct in the wild
## 3 CR Critically Endangered
## 4 EN Endangered
## 5 VU Vulnerable
## 6 NT Near Threatened
## 7 LC Least Concern
## 8 DD Data deficient
## 9 NE Not evaluated
## 10 PE Probably extinct (informal)
## 11 PEW Probably extinct in the wild (informal)
相反的是tidyr的unite（）函数。 您指定新列名称，然后指定要合并的列，最后指定要使用的分隔符。
conservation_table %>%
unite(united_col, abbreviation, description, sep=": ")
## # A tibble: 11 x 1
## united_col
## * <chr>
## 1 EX: Extinct
## 2 EW: Extinct in the wild
## 3 CR: Critically Endangered
## 4 EN: Endangered
## 5 VU: Vulnerable
## 6 NT: Near Threatened
## 7 LC: Least Concern
## 8 DD: Data deficient
## 9 NE: Not evaluated
## 10 PE: Probably extinct (informal)
## 11 PEW: Probably extinct in the wild (informal)
从其他数据表中引入列
如果要添加另一个数据框的信息，可以使用dplyr中的连接函数。连接本身就是一个章节，但在这种特殊情况下你会做一个left_join（），即保持我的主表（在左边），并从另一个向右添加列。 在by =语句中，您指定哪些列相同，因此连接知道要添加的位置。
示例代码将把不同保护状态的描述添加到主msleep表中。 主要数据包含一个额外的“domisticated”标签，我想保留。 这是在表的最后一行用ifelse（）完成的。
msleep %>%
select(name, conservation) %>%
mutate(conservation = toupper(conservation)) %>%
left_join(conservation_table, by = c("conservation" = "abbreviation")) %>%
mutate(description = ifelse(is.na(description), conservation, description))
## # A tibble: 83 x 3
## name conservation description
## <chr> <chr> <chr>
## 1 Cheetah LC Least Concern
## 2 Owl monkey <NA> <NA>
## 3 Mountain beaver NT Near Threatened
## 4 Greater short-tailed shrew LC Least Concern
## 5 Cow DOMESTICATED DOMESTICATED
## 6 Three-toed sloth <NA> <NA>
## 7 Northern fur seal VU Vulnerable
## 8 Vesper mouse <NA> <NA>
## 9 Dog DOMESTICATED DOMESTICATED
## 10 Roe deer LC Least Concern
## # ... with 73 more rows
展开和聚合数据
gather（）函数会将多列合并为一列。 在这种情况下，我们有3列描述时间度量。 对于某些分析和图表，可能有必要将它们合二为一。gather函数需要您为新的描述性列指定名称（“key”），并为值列指定另一个名称（“value”）。 最后需要取消选择您不想收集的列。 在示例代码中，我取消选择列name。
msleep %>%
select(name, contains("sleep")) %>%
gather(key = "sleep_measure", value = "time", -name)
## # A tibble: 249 x 3
## name sleep_measure time
## <chr> <chr> <dbl>
## 1 Cheetah sleep_total 12.1
## 2 Owl monkey sleep_total 17.0
## 3 Mountain beaver sleep_total 14.4
## 4 Greater short-tailed shrew sleep_total 14.9
## 5 Cow sleep_total 4.00
## 6 Three-toed sloth sleep_total 14.4
## 7 Northern fur seal sleep_total 8.70
## 8 Vesper mouse sleep_total 7.00
## 9 Dog sleep_total 10.1
## 10 Roe deer sleep_total 3.00
## # ... with 239 more rows
聚集中有用的属性是factor_key参数，默认为“FALSE”。 在前面的示例中，新列“sleep_measure”是一个字符向量。 如果您要进行总结或后续的绘制，则该列将按字母顺序排序。如果要保留原始顺序，请添加“factor_key = TRUE”，这将使新列成为有序因子。
(msleep_g <- msleep %>%
select(name, contains("sleep")) %>%
gather(key = "sleep_measure", value = "time", -name, factor_key = TRUE))
## # A tibble: 249 x 3
## name sleep_measure time
## <chr> <fctr> <dbl>
## 1 Cheetah sleep_total 12.1
## 2 Owl monkey sleep_total 17.0
## 3 Mountain beaver sleep_total 14.4
## 4 Greater short-tailed shrew sleep_total 14.9
## 5 Cow sleep_total 4.00
## 6 Three-toed sloth sleep_total 14.4
## 7 Northern fur seal sleep_total 8.70
## 8 Vesper mouse sleep_total 7.00
## 9 Dog sleep_total 10.1
## 10 Roe deer sleep_total 3.00
## # ... with 239 more rows
聚合的反面是展开。 Spread将占用一列并从中生成多列。 如果您已经开始使用上一列，则可以在不同的列中获得不同的睡眠度量：
msleep_g %>%
spread(sleep_measure, time)
## # A tibble: 83 x 4
## name sleep_total sleep_rem sleep_cycle
## * <chr> <dbl> <dbl> <dbl>
## 1 African elephant 3.30 NA NA
## 2 African giant pouched rat 8.30 2.00 NA
## 3 African striped mouse 8.70 NA NA
## 4 Arctic fox 12.5 NA NA
## 5 Arctic ground squirrel 16.6 NA NA
## 6 Asian elephant 3.90 NA NA
## 7 Baboon 9.40 1.00 0.667
## 8 Big brown bat 19.7 3.90 0.117
## 9 Bottle-nosed dolphin 5.20 NA NA
## 10 Brazilian tapir 4.40 1.00 0.900
## # ... with 73 more rows
将数据转换为NA
函数na_if（）将特定值转换为NA。 在大多数情况下，命令可能是na_if（“”）（即将空字符串转换为NA），但原则上你可以做任何事情。相同的代码会将任何“omni”的值转换为NA
msleep %>%
select(name:order) %>%
na_if("omni")
## # A tibble: 83 x 4
## name genus vore order
## <chr> <chr> <chr> <chr>
## 1 Cheetah Acinonyx carni Carnivora
## 2 Owl monkey Aotus <NA> Primates
## 3 Mountain beaver Aplodontia herbi Rodentia
## 4 Greater short-tailed shrew Blarina <NA> Soricomorpha
## 5 Cow Bos herbi Artiodactyla
## 6 Three-toed sloth Bradypus herbi Pilosa
## 7 Northern fur seal Callorhinus carni Carnivora
## 8 Vesper mouse Calomys <NA> Rodentia
## 9 Dog Canis carni Carnivora
## 10 Roe deer Capreolus herbi Artiodactyla
## # ... with 73 more rows
