在我们数据分析的实际应用中，我们可能会花费大量的时间在数据清洗上，而如果使用 R 里面自带的一些函数（base 包的 transform 等），可能会觉得力不从心，或者不是很人性化。好在我们有其他选择。这里我们介绍 dplyr 包。
单表操作函数（one table verbs）
- filter: 保留满足条件的行
- select: 使用列名选出列
- arrange: 对数据的所有行排序
- mutate: 添加新的变量
- summarise: 分类汇总
这些函数的结构如下：
- 第一个参数为 data frame 名
- 接下来的参数是指定函数操作的依据（或条件）
- 通常返回的是一个 data frame
- 我们这里一个一个函数介绍，为了更好地表述我们的操作，我们这里使用一个构造的 data frame。
df <- data.frame(
color = c("blue", "black", "blue", "blue", "black"),
value = 1:5)
filter
filter 用于选择满足条件的观测（行），第一个参数是 data frame 名字，第二个参数是条件。这里举两个例子，我们对上面构造的 data frame 进行 filter 操作。第一个例子要求选取 color == blue 的观测； 第二个例子要求选取 value == 1 或者 value == 4 的观测。
我们的 data frame 如下：
> df
color value
1 blue 1
2 black 2
3 blue 3
4 blue 4
5 black 5
例子：
# 选取 `color == blue` 的观测
> filter(df, color == "blue")
color value
1 blue 1
2 blue 3
3 blue 4
# 选取 `value == 1` 或者 `value == 4 ` 的观测。
> filter(df, value %in% c(1, 4))
color value
1 blue 1
2 blue 4
效果如下：
注意： 这里需要提醒的是，对于多条件的选择，需要完整条件的，然后使用集合运算符将条件拼接起来。集合运算符有 !、|、\&、xor(交补)。条件的判断符有>(=)、\<(=)、==、!=、\%in\% (判断元素是否在集合或者列表内，返回逻辑值)。
select
select 用于选择列，比如
> select(df, color)
color
1 blue
2 black
3 blue
4 blue
5 black
> select(df, -color)
value
1 1
2 2
3 3
4 4
5 5
注意： select 中负号表示不选择。其中变量的声明还有其他形式，比如B:F表示从 B 列到 F 列所有列；ends_with(“string”) 表示选取列名以 string 结尾的全部列；contains(“string”) 表示选取列名中含有 string 的所有列。代码如下：
select(flights, arr_delay, dep_delay)
select(flights, arr_delay:dep_delay)
select(flights, ends_with("delay"))
select(flights, contains("delay"))
arrange
arrange 用于根据变量排序，如果排序依据（列）是字符，按照字母表的顺序，如果是数字，默认按照从小到大的顺序排序，如果需要使用逆序排，可以使用desc(var) 或者 -var。
> arrange(df, color)
color value
1 black 2
2 black 5
3 blue 1
4 blue 3
5 blue 4
> arrange(df, desc(value))
color value
1 black 5
2 blue 4
3 blue 3
4 black 2
5 blue 1
注意： 多个排序依据直接把列名放在函数内，用逗号隔开；可以在排序里面使用计算，比如
arrange(flights, date, hour, minute)
arrange(flights, desc(dep_delay - arr_delay))
mutate
mutate 用于添加新的变量，直接使用列名进行计算得到新变量即可。而且它很有特色地方是，可以使用刚添加的变量，也就是在一个语句中可以多个变量，而且变量可以来源于刚新建的变量。
> mutate(df, double = 2 * value, quadruple = 2 * double)
color value double quadruple
1 blue 1 2 4
2 black 2 4 8
3 blue 3 6 12
4 blue 4 8 16
5 black 5 10 20
summarise
summarise 可以用于“分类汇总”，但不是传统意义上的分类汇总，它还能做更多。
> by_color <- group_by(df, color) # 分组依据
> summarise(by_color, total = sum(value)) # 分组求和
Source: local data frame [2 x 2]
color total
1 black 7
2 blue 8
实际上它是把我们现有的完整 data frame 依据分组依据（这里是 color）拆分成多个 data frame，然后对每个 data frame 分别计算，类似于 ddply。使用经历：分组依据可以多个，比如根据城市、月份、年份，我们对数据进行分类汇总，可以得到每个城市每一年每月的情况。
summarise 可以使用的函数有：
- min(x), median(x), max(x), quantile(x, p)
- n(), n_distinct(), sum(x), mean(x)
- sum(x > 10), mean(x > 10)
- sd(x), var(x), iqr(x), mad(x)
本文转载自：使用 dplyr 包进行数据操作与清洗