第2章 R语言数据处理基础

在R中有许多用于数据框基本操作的内置函数，比如transform（）、rbind（）、cbind（）等函数，都是基于base包的。base包是安装R时会自带的包，无须加载包就可以直接使用。除此之外，还有如下几种常用的数据处理的包。

（1）dplyr包：dplyr包是Hadley Wickham（ggplot2包的作者，被称作“一个改变R的人”）的杰作，并自称a grammar of data manipulation，他将原本plyr包中的ddply（）等函数进一步分离强化，专注接受dataframe对象，大幅提高了速度，并且提供了更稳健地与其他数据库对象间的接口。该包常用的函数包括：变量筛选函数select（）、记录筛选函数filter（）、排序函数arrange（）、变形（计算）函数mutate（）、汇总函数summarize（）、分组函数group_by（）、随机抽样函数sample_n（）和sample_frac（），以及多步操作连接符%＞%等。

（2）tidyr包：在具体应用中，tidyr包经常与dplyr包共同使用，目前渐有取代reshape2包之势，是值得关注的一个R包。在tidyr包中，有4个常用的函数，分别是：gather（）函数用于将宽数据转换为长数据；spread（）函数用于将长数据转换为宽数据；unite（）函数用于将多列数据合并为一列数据；separate（）函数用于将一列数分离为多列数。

（3）reshape2包：reshape2包是由Hadley Wickham开发的用于数据重构的包，主要功能函数为melt（）、cast（），其实现了长数据和宽数据之间的转换，包中还包含add_margin（）等其他函数和french_fries（三种不同的油对薯条口感的影响）等数据集。

（4）tidyverse包：tidyverse是由Hadley Wickham于2017年创建的R包的集合，它“分享整洁数据的基础设计理念、语法和数据结构”。核心软件包是ggplot2、dplyr、tidyr、readr、purrr、tibble、stringr和forcats，它们提供了建模、转换和可视化数据的功能。更多内容可以见他出版的新书R for Data Science。其中，readr包用于读取数据，tidyr包用于整理数据，dplyr包用于数据转换，ggplot2包用于数据可视化，purrr包用于函数式编程。大家如对此有兴趣，可以更加深入地学习。