使用dplyr处理数据示例1

dplyr 提供的数据处理方式非常直观且强大，不仅可以处理单个列，也可以同时处理多列或多行。本文通过一个简单示例进行对比不同方式实现，从而让读者体会dplyr简单、强大的处理方式。

1. 引入需求

假设我们有三个学科的成绩，但由于分值范围不同，需要进行标准化处理。然后按行求平均值。
我们首先用R内置能力实现：

set.seed(12345)
data <-data.frame(chinese=runif(50,1,100),
                  math=runif(50,1,100),
                  english=runif(50,1,50))
head(data)

# chinese  math  english
#        
# 1	72	96	15	
# 2	88	83	31	
# 3	76	32	49	
# 4	89	22	31	
# 5	46	74	27	
# 6	17	50	45	

我们首先生成三个学科的成绩。然后使用 scale 函数 对每列进行标准化；接着再用apply函数按行求平均；最后利用cbind函数绑定列：

z = sapply(data, scale)
# z = scale(data)
head(z)

#      chinese   math english
# [1,]    0.77  1.427   -0.98
# [2,]    1.29  0.983    0.14
# [3,]    0.90 -0.675    1.37
# [4,]    1.33 -1.005    0.14
# [5,]   -0.13  0.676   -0.20
# [6,]   -1.12 -0.079    1.12

means <- apply(z, 1, mean)
score <- cbind(z, means)
head(score)

这里也直接使用scale,其参数为数值矩阵，当然也可以使用sapply，其参数vector 或 list。
apply 函数第二个参数 MARGIN 为1 表示 按行执行，2 表示按列执行函数。

2. 使用dplyr 包实现

# install.packages("dplyr")         # Install & load dplyr package
library("dplyr")

z <- data %>% mutate_each(funs(scale))
# head(z)

# Show in New Window
#      chinese   math english
# [1,]    0.77  1.427   -0.98
# [2,]    1.29  0.983    0.14
# [3,]    0.90 -0.675    1.37
# [4,]    1.33 -1.005    0.14
# [5,]   -0.13  0.676   -0.20
# [6,]   -1.12 -0.079    1.12

score <- z %>% mutate(means=rowMeans(z))
head(score)

#   chinese   math english      means
# 1    0.77  1.427   -0.98       0.404
# 2    1.29  0.983    0.14       0.803
# 3    0.90 -0.675    1.37       0.533
# 4    1.33 -1.005    0.14       0.153
# 5   -0.13  0.676   -0.20       0.116
# 6   -1.12 -0.079    1.12      -0.024

首先使用mutate_each对每列执行scale函数，然后再使用mutate函数对每行执行rowMeans增加rowMeans函数生成means列。整个过程非常流程、简单、直接。

3. 其他聚集函数

前面我们使用了R内置rowMeans函数，用于计算matrix 或 array 每行平均数。
语法如下：

rowMeans(x, na.rm = FALSE, dims = 1)

当然其他几个类似函数也可以：colMeans, rowSums, colSums.