高效R语言编程

高效数据木匠

｜

123

与 aggregate 函数相对应的是分组函数 group_by 与通用函数 summarize（不

要混淆基本

R

中 summary），结合使用，我们将在本章后面“数据聚集”一

节看到相关内容。

链操作

dplyr

包的另外一个迷人特征是链操作的能力。

这样克服了

R

代码的美学问

题：你可使用将一些函数嵌入另外函数形成的长命令来回复一些相对简单的

问题。

结合 group_by() 函数，管道可将数千行数据压缩成人类可读的内容。

下面代码给出如何使用链操作总结每

10

年的平均

Gini

指数：

wb_ineq %>%

select

（

Year, gini

）

%>%

mutate

（

decade = floor

（

Year / 10

）

* 10

）

%>%

group_by

（

decade

）

%>%

summarize

（

mean

（

gini, na.rm = TRUE

））

#> # A tibble: 6

×

2

#> decade `mean

（

gini, na.rm = TRUE

）

`

#> <dbl> <dbl>

#> 1 1970 40.1

#> 2 1980 37.8

#> 3 1990 42.0

#> 4 2000 40.5

#> # ... with 2 more rows

常用学习方法是尝试并突破它，所以尝试使用不同的

dplyr

关键词运行下前 ...