【越学越厉害】R语言编程必备，tidyverse最实用的开源包推荐！

R语言是数据科学家和统计学家的选择之一。对于数据分析和数据可视化，R语言拥有丰富的开源包提供支持。其中最受欢迎的R包之一是tidyverse。Tidyverse是Hadley Wickham设计的一组R包，它们一起工作，采用一致的规范和语法。本文将介绍一些tidyverse中最实用的开源包，以及它们的功能。

1、首先是ggplot2

让您快速获得数据可视化的绝佳体验，非ggplot2莫属！这种艺术般的工具，将数据的排列、美观和易读性完美融合，让你的数据变得生动起来。她的万能图层语法，让它在图形处理中毫不费力的创建出令人惊叹的作品。这正是其高超可读性的原因——无论您是业务分析，学术出版，还是统计建模，ggplot2都能让您轻松掌握亲手打造出高清晰度的漂亮图表的技巧，让您的研究更具影响力！以下是一个简单的例子：

我们采用的数据集是`iris`，该数据集包含了150朵鸢尾花的测量数据，其中包括花瓣长度、花瓣宽度、花萼长度、花萼宽度以及所属鸢尾花的种类。这里我们用ggplot2绘制散点图，其中横坐标为花萼长度，纵坐标为花瓣长度，颜色根据花的种类进行分类。

下面是数据集的前6个观测值示例：

代码如下：

library(ggplot2)
data(iris)
ggplot(data = iris, aes(x = Sepal.Length, y = Petal.Length, color = Species)) +
geom_point(size = 2) +
labs(title = "Iris Sepal and Petal Length", x = "Sepal Length", y = "Petal Length", color = "Species")

以下是代码绘制的散点图，其中不同颜色代表的是不同的鸢尾花种类：

2、接下来是dplyr。

当涉及到数据操纵时，您需要dplyr！这是一款高效流畅的工具，可满足您所有的数据处理需求:无论是数据的筛选、排序，还是快速汇总和过滤，dplyr都能帮助您轻松应对。最令人惊叹的是，它终于能够以清新脱俗的方式书写，让你拥有一种流畅且愉悦的使用体验，就仿佛一个技能娴熟的舞者在跳尽其所能，周而复始且增添新意。dplyr不仅易于使用，而且处理数据速度奇快，毫不磨蹭就能完成重复的工作——它将在日常数据处理中为您释放更多时间和精力，让您把更多的注意力投入到创造性、战略型活动中。规模化处理大数据时，dplyr将是您的得力助手，爬山越岭皆可轻松驾驭，是您提升数据检索技能，为学术和商业工作增添色彩的首选利器！以下是一个简单的例子：

在这里我们使用dplyr来对航班延误数据进行操作。

# 加载dplyr包library(dplyr)
# 加载flights数据集data("flights")
# 显示数据结构及部分示例数据str(flights)
head(flights)
# 按照目的地分组，计算每个目的地的总延迟时间top_flights <- flights %>%
group_by(dest) %>%
summarize(total_delay = sum(arr_delay)) %>%
arrange(desc(total_delay)) %>%
head(10)
# 显示结果top_flights

数据介绍：航班延误数据集（flights）是一个包含了来自于美国连续的11个月的航班信息的数据集。数据集包含了实际起飞日期和时间，航班号，起飞机场和目的地机场，航空公司信息等等。其中arr_delay表示到达该目的地的延迟时间。

部分示例数据如下所示：

使用dplyr可以对数据进行简单且快速的操作，例如上述代码就是对所有航班数据按照目的地分组，计算其延误时间并按照降序排序，最终选出前10个目的地的操作

3、接下来是tidyr。

假设您有一堆混乱的数据表格需要清洗，那么让tidyr成为您的救世主吧！它是一位数据整理的明星工具，尤其在不同类型数据的转换方面大有可为。其实，我们在数据清理的过程中都会遇到一些难以预料的问题，比如一些数量错位，一些混杂的值和格式差异。在这方面，tidyr使得数据转换更简单，提供了一些实用的函数，可以将数据从一种形式转化为另一种形式。通过这些功能，您可以轻松地将“宽格式”转化为“长格式”，或将“乱码”数据转换为更规范的数据格式，让您的数据得到统一，使用起来更加高效。其次，tidyr能够协助你更精确的分析数据，让数据呈现更高的质量和精度。所以，无论您是数据分析师还是数据科学家，tidyr都是您清晰、整齐和尽可能准确的数据前置处理策略中的不二之选！以下是一个简单的例子：

library(tidyr)
library(dplyr)
# 创建包含学生姓名和两门成绩的数据框df <- data.frame(
name = c("Alice", "Bob", "Charlie"),
grade_1 = c(80, 90, 95),
grade_2 = c(85, 88, 92)
# 使用gather函数将宽格式的成绩信息转换为长格式df_long <- df %>%
gather(grade, grade_value, grade_1:grade_2)
# 展示转换后的数据框df_long %>%
knitr::kable()

转换后的数据如下所示：

这段代码将原始数据从“宽格式”转换为了“长格式”，通过gather函数将原本的2列成绩转换为了一列“grade”和一列“grade_value”。tidyr还有其他强大的函数，如separate、unite等等。

4、接下来，大家翘首以盼的readr来啦！

readr可以被称作是数据读取中的“神器”，它为大家提供了一个快速而准确的数据读取器，可以轻松读取多种不同类型的数据文件，比如CSV、TXT和XLSX等。读取数据极为重要，因为一旦数据格式出现错误，就会影响后续分析和处理，所带来的麻烦就只有您自己能体会了！那么，想象一下这种情形，因为数据读取器工具不够准确，导致数据遗漏或混乱。再次进行分析就会发现一些不合理的现象，浪费了很多时间和精力。但是，借助readr这个工具，您将会在最短的时间内快速而准确地读取数据，并得到您实际想要的结果。它让您不必为文件夹、文件、数据类型和文件格式等琐碎问题烦恼，只需在短暂的时间里，轻轻松松地得到数据，尽情享受数据分析的乐趣吧！

以下是一个简单的例子：

library(readr)
data <- read_csv("path_to_csv_file")

这段代码将CSV文件读取到R中，并将其存储在名为“data”的变量中。readr还提供了其他有用的函数，如write_csv、parse_number等等。

5、最后是purrr！

purrr这个包不简单，它提供了一系列高级的函数，能够轻松简化许多常见的编程任务，如迭代、映射以及过滤等等。它是数据分析师最好的朋友，因为它为您的好朋友（数据集）提供了无与伦比的处理能力！想象一下这种情景，您需要对大量数据进行筛选，筛选出精确的数据集合，这时您需要用到purrr里面的“过滤函数”；或者，您需要对几个数据集进行比较，这时您可以尝试使用映射函数。这只是其众多函数的冰山一角，purrr能够轻松处理面对的任何灵活性与复杂性数据，并简化数据分析的过程。通过这些高级函数，您可以更容易地探索和分析数据，而且还能够找出数据集合的应用和使用它们的方法。这样，您的项目将会变得更为简单和高效，假如还没有使用purrr，那么赶紧行动起来吧，体验这个包带来的强大威力! 以下是一个简单的例子：

好的，我来介绍三个使用purrr包的R语言代码案例，它们分别是对数据进行拟合、切分和统计汇总。以下是具体的介绍和代码：

案例一：对数据进行线性拟合

在这个案例中，我们将使用purrr包中的map函数，对mtcars数据集中的每一列应用线性回归模型，获取系数和截距：

library(purrr)
library(dplyr)
# 加载数据
data(mtcars)
# 使用map函数进行线性拟合，输出每一列的系数和截距
mtcars %>%
map(~ lm(.x ~ wt, data = mtcars) %>%
summary() %>%
coef() %>%
`[`("wt",) %>%
t()) %>%
enframe(name = "var", value = "coefficients") %>%
unnest() %>%
mutate_at(vars(2:3), round, digits = 3)

在上面的代码块中，我们通过管道符连接了map()和其他函数，将回归系数和截距提取出来。最后，我们将数据集转换为宽格式，并将系数和截距四舍五入至小数点后3位。输出结果如下：

# A tibble: 2 x 3
var   coefficients    x
1 mpg -5.33  37.3
2 cyl -2.88  37.9

案例二：对数据进行切分

在这个案例中，我们将使用purrr包中的map()函数，将数据集中的各个组切分，并对每个组应用函数：

library(purrr)
library(dplyr)
# 加载数据
data(mtcars)
# 将数据集按不同的车型切分
groups <- mtcars %>%
group_split(carb)
# 对切分后的各组数据进行描述性统计
maps <- map(groups, ~ summary(.x) %>%
as_tibble() %>%
mutate(group = unique(.x$carb)))
# 将各组统计结果合并
result <- bind_rows(maps)
result

在这个案例中，我们使用`group_split()`函数将数据集按照不同的`carb`值进行切分，并使用map()函数对每个组应用`summary()`函数来计算描述性统计信息。最后，我们将统计结果合并为一个数据集，其中每一行对应一个组。输出结果如下：

# A tibble: 10 x 12
mpg  cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb group
1  29.1     4  78.7    NA  4.08 1.613 18.61     1     1     4     1     1
2  22.8     4 108.     93  3.85 2.32  18.61     1     1     4     1     1
3  19.7     6 145     175  3.62 2.77  15.5      0     1     5     2     2
4  15.2     8 304     150  3.15 3.44  17.3      0     0     3     2     2
5  19.2     8 400.    175  3.08 3.84  17.0      0     0     3     2     2
6  14.7     8 440     230  3.23 5.34  17.4      0     0     3     4     4
7  10.4     8 472     205  2.93 5.25  18.0      0     0     3     4     4
8  14.3     8 360.    245  3.21 3.57  15.8      0     0     3     4     4
9  13.3     8 350     245  3.73 3.84  15.4      0     0     3     4     4
10 15.8     8 351     264  4.22 3.17  14.5      0     1     5     4     4

案例三：对列表进行统计汇总

在这个案例中，我们将使用purrr包中的map()函数，将一个列表转换为数据框，并根据一列数据进行统计汇总：

library(purrr)
library(tibble)
# 创建列表
my_list <- list(a = c(1, 2, 3), b = c(4, 5, 6), c = c(7, 8, 9))
# 将列表转换为数据框
my_df <- map_df(my_list, ~ data.frame(values = .x, group = names(my_list)),
.id = "id")
# 根据id和group进行汇总