zoukankan      html  css  js  c++  java
  • dplyr 数据操作 常用函数(4)

    接下来我们继续了解一些dplyr中的常用函数。

    1、ranking

    以下各个函数可以实现对数据进行不同的排序

    row_number(x)

    ntile(x, n)

    min_rank(x)

    dense_rank(x)

    percent_rank(x)

    cume_dist(x)

    具体的看些例子。

    x <- c(5, 1, 3, 2, 2, NA)
    x
    

    row_number(x)
    

    row_number是对数据大小进行编号排序,遇到重复值,排序继续加1,缺失值不计入

    min_rank(x)

    min_rank是对数据大小进行编号排序,遇到重复值,排序相同,但每个值都占一个位置,缺失值不计入

    dense_rank(x)
    

    dense_rank是对数据大小进行编号排序,遇到重复值,排序相同,所有重复值只占一个位置,缺失值不计入

     percent_rank(x)
    

    percent_rank是对数据进行百分比排序,每个值表示数据所在总体排名中的百分比位置

    cume_dist(x)
    

    cume_dist是把所有点集中反应在0-1之间的一个数值,每个数值表示数据所在位置,跟percent_rank有点类似

    ntile(x, 2)
    

    ntile则可以指定数据排序的个数,然后循环这些排序数据对数据进行排序。

      

    2、recode()  

    recode(.x, ..., .default = NULL, .missing = NULL)

     数据替换函数,在数据替换中使用非常灵活。

    x <- sample(c("a", "b", "c"), 10, replace = TRUE)
    x
    

    recode(x, a = "wo")
    

    recode(x, a = "wo", .default = NA_character_)
    

    x<-sample(1:5,10,rep=T)
    x
    

    recode(x, `2` = 20L, `4` = 40L)
    

    recode(x, `2` = "b", `4` = "d")
    

    recode(x, "a", "b")
    

    recode(x, "a", "b", .default = "wo")
    

    x <- c(1:4, NA)
    x
    

    recode_factor(x, `1` = "z", `2` = "y", `3` = "x")
    

    recode_factor(x, `1` = "z", `2` = "y", .default = "D", .missing = "M")
    

    recode_factor(factor(letters[1:3]), b = "z", c = "y")
    

  • 相关阅读:
    项目发展规划 题解
    善意的投票&小M的作物 题解
    方格取数加强版 题解
    BZOJ1001 狼抓兔子 题解
    a
    一个搬运
    代码“小白”的温故而知新(一)-----OA管理系统
    工作流-----WorkFlow
    温习SQL语句
    浅谈MVC基础
  • 原文地址:https://www.cnblogs.com/wkslearner/p/5768845.html
Copyright © 2011-2022 走看看