Paquete dplyr en Programación R

El paquete dplyr en el lenguaje de programación R es una estructura de manipulación de datos que proporciona un conjunto uniforme de verbos, lo que ayuda a resolver los obstáculos de manipulación de datos más frecuentes.

El paquete dplyr en R realiza los pasos que se indican a continuación de forma más rápida y sencilla:

• Al limitar las opciones, ahora el enfoque puede centrarse más en las dificultades de manipulación de datos.
• Hay «verbos» sencillos, funciones presentes para abordar cada manipulación de datos común y los pensamientos se pueden traducir a código más rápido.
• Hay backends valiosos y, por lo tanto, se reduce el tiempo de espera para la computadora.

Funciones verbales importantes

El paquete dplyr proporciona varias funciones importantes que se pueden usar para la manipulación de datos. Estos son: 

• Función filter(): para elegir casos y usar sus valores como base para hacerlo.

# Create a data frame with missing data
d < - data.frame(name=c("Abhi", "Bhavesh",
                        "Chaman", "Dimri"),
                 age=c(7, 5, 9, 16),
                 ht=c(46, NA, NA, 69),
                 school=c("yes", "yes", "no", "no"))
d
 
# Finding rows with NA value
d % > % filter(is.na(ht))
 
# Finding rows with no NA value
d % > % filter(! is.na(ht))

Producción: 

# A tibble: 4 x 4
  name      age    ht school
        
1 Abhi        7    46 yes   
2 Bhavesh     5    NA yes   
3 Chaman      9    NA no    
4 Dimri      16    69 no

# A tibble: 2 x 4
  name      age    ht school
        
1 Bhavesh     5    NA yes   
2 Chaman      9    NA no

# A tibble: 2 x 4
  name    age    ht school
      
1 Abhi      7    46 yes   
2 Dimri    16    69 no

• arreglar(): Para reordenar los casos.

# Create a data frame with missing data
d <- data.frame( name = c("Abhi", "Bhavesh", "Chaman", "Dimri"),
                 age = c(7, 5, 9, 16),
                 ht = c(46, NA, NA, 69),
                 school = c("yes", "yes", "no", "no") )
 
# Arranging name according to the age
d.name<- arrange(d, age)
print(d.name)

Producción: 

# A tibble: 4 x 4
  name      age    ht school
        
1 Bhavesh     5    NA yes   
2 Abhi        7    46 yes   
3 Chaman      9    NA no    
4 Dimri      16    69 no   

• select() y rename(): para elegir variables y usar sus nombres como base para hacerlo.

# Create a data frame with missing data
d < - data.frame(name=c("Abhi", "Bhavesh",
                        "Chaman", "Dimri"),
                 age=c(7, 5, 9, 16),
                 ht=c(46, NA, NA, 69),
                 school=c("yes", "yes", "no", "no"))
 
# startswith() function to print only ht data
select(d, starts_with("ht"))
 
# -startswith() function to print
# everything except ht data
select(d, -starts_with("ht"))
 
# Printing column 1 to 2
select(d, 1: 2)
 
# Printing data of column
# heading containing 'a'
select(d, contains("a"))
 
# Printing data of column
# heading which matches 'na'
select(d, matches("na"))

Producción: 

# A tibble: 4 x 1
     ht
  
1    46
2    NA
3    NA
4    69

# A tibble: 4 x 3
  name      age school
       
1 Abhi        7 yes   
2 Bhavesh     5 yes   
3 Chaman      9 no    
4 Dimri      16 no

# A tibble: 4 x 2
  name      age
     
1 Abhi        7
2 Bhavesh     5
3 Chaman      9
4 Dimri      16

# A tibble: 4 x 2
  name      age
     
1 Abhi        7
2 Bhavesh     5
3 Chaman      9
4 Dimri      16

# A tibble: 4 x 1
  name   
    
1 Abhi   
2 Bhavesh
3 Chaman 
4 Dimri

• mutate() y transmute(): Adición de nuevas variables que son las funciones de las variables prevalecientes.

# Create a data frame with missing data
d <- data.frame( name = c("Abhi", "Bhavesh",
                          "Chaman", "Dimri"),
                 age = c(7, 5, 9, 16),
                 ht = c(46, NA, NA, 69),
                 school = c("yes", "yes", "no", "no") )
 
# Calculating a variable x3 which is sum of height
# and age printing with ht and age
mutate(d, x3 = ht + age)
 
# Calculating a variable x3 which is sum of height
# and age printing without ht and age
transmute(d, x3 = ht + age)

Producción: 

 
# A tibble: 4 x 5
  name      age    ht school    x3
         
1 Abhi        7    46 yes       53
2 Bhavesh     5    NA yes       NA
3 Chaman      9    NA no        NA
4 Dimri      16    69 no        85

# A tibble: 4 x 1
     x3
  
1    53
2    NA
3    NA
4    85
> 

• summarise(): condensar varios valores en un solo valor.

# Create a data frame with missing data
d <- data.frame( name = c("Abhi", "Bhavesh",
                          "Chaman", "Dimri"),
                 age = c(7, 5, 9, 16),
                 ht = c(46, NA, NA, 69),
                 school = c("yes", "yes", "no", "no") )
 
# Calculating mean of age
summarise(d, mean = mean(age))
 
# Calculating min of age
summarise(d, med = min(age))
 
# Calculating max of age
summarise(d, med = max(age))
 
# Calculating median of age
summarise(d, med = median(age))

Producción: 

# A tibble: 1 x 1
      mean
     
1     9.25

# A tibble: 1 x 1
    med
  
1     5

# A tibble: 1 x 1
    med
  
1    16

# A tibble: 1 x 1
    med
  
1     8

• sample_n() y sample_frac(): para tomar muestras al azar.

# Create a data frame with missing data
d <- data.frame( name = c("Abhi", "Bhavesh",
                          "Chaman", "Dimri"),
                 age = c(7, 5, 9, 16),
                 ht = c(46, NA, NA, 69),
                 school = c("yes", "yes", "no", "no") )
 
# Printing three rows
sample_n(d, 3)
 
# Printing 50 % of the rows
sample_frac(d, 0.50)

Producción: 

# A tibble: 3 x 4
  name      age    ht school
        
1 Abhi        7    46 yes   
2 Bhavesh     5    NA yes   
3 Chaman      9    NA no 

# A tibble: 2 x 4
  name      age    ht school
        
1 Dimri      16    69 no    
2 Bhavesh     5    NA yes