R编程学习指南

第12章　数据操作

在前面的章节中，我们已经学习了连接不同类型数据库的方法，包括关系型数据库（SQLite 和 MySQL）和非关系型数据库（MongoDB 和 Redis）。关系型数据库通常以表格形式返回结果，非关系型数据库则可能支持嵌套数据结构和其他特性。

通常来说，即使数据已经被载入内存中，我们为数据分析所做的准备还远远不够。事实上，在进行任何统计建模和可视化之前，大部分数据仍需要花费大量的时间进行清洗和转换。在本章中，我们将学习用于数据操作的一系列内置函数和许多相关的扩展包。这些扩展包都非常强大。然而，为了能够更好地使用这些包，需要扎实地掌握前面章节所介绍的知识。

本章，我们会介绍以下主题：

• 使用基础函数操作数据框
• 通过sqldf包使用SQL查询数据框
• 使用data.table包操作数据
• 使用dplyr管道操作处理数据框
• 使用rlist包处理嵌套数据结构

12.1　使用内置函数操作数据框

我们已经学习了数据框的基础，这里回顾一下用于筛选数据框的内置函数。尽管数据框本质上是一个由向量构成的列表，由于各列长度相同，所以可以将其看作矩阵进行访问和操作。选择满足特定条件的行，需要为 [ ] 的第 1 个参数提供一个逻辑向量，第 2 个参数留空。

在R中，这些操作可以通过内置函数实现。本节会介绍一些非常有用的数据操作内置函数，这些函数可以将数据转换成建模或展示需要的形式。一些函数和技巧在前面的章节中已经展示过了。

本章的大部分代码都是基于一组产品的虚构数据。为了更好地处理列的类型，我们要使用 readr 包载入数据。如果尚未安装，请运行 install.packages("readr")：

library(readr)
product_info <- read_csv("data/product-info.csv") ...