前言
[!note] tidyverse 是由 Hadley Wickham 及其团队开发的一系列R语言包的集合，它们有着共同的设计哲学、语法和数据结构，旨在使数据科学的整个过程——从数据导入到可视化和建模——更加简单、高效且易于理解。
顾名思义，tidyverse库的作用核心是==“tidy”==，让数据处理更加==整洁美观==
下载方法：
install.packages("tidyverse")tidyverse 实际上是一个元包 (Metapackage)，在里面其实有多种核心包(dplyr,ggplot2,tidyr,readr,purr,tibble,stringr,forcats)，
-
数据导入: 使用
readr包 -
数据整理: 使用
tidyr包 -
数据操作: 使用
dplyr包 -
数据可视化: 使用
ggplot2包 -
函数式编程: 使用
purrr包
每次使用时，必须像这样library(tidyverse)将包导入
[!tip] 在详细介绍之前，我需要补充一个非常方便的东西———管道操作符
%>%，打印方法非常简单，Windows系统只需要摁住Ctrl+Shift+M快捷键打出。 管道操作符 是tidyverse风格的精髓。它允许您将上一步的结果直接作为下一步函数的第一个参数。这使得代码流程清晰、可读性极高。
下面我们着重介绍最常用的两个包——dplyr和ggplot2
dplyr包
此包的主要功能是数据操作和转换，提供一套用于筛选 (filter)、选择 (select)、排列 (arrange)、新建变量 (mutate) 和汇总 (summarise) 等数据处理的“动词”。
1. 筛选行：filter()
功能： 根据变量的值，选择符合条件的行（观测）。
# 选出所有来自“北京”的客户data_frame %>% filter(city == "北京")2. 重排列行：arrange()
功能： 根据一个或多个变量的值对行进行排序。
# 按年龄升序排列，如果年龄相同，则按收入降序排列data_frame %>% arrange(age, desc(income))3. 选择列：select()
功能： 根据变量的名称，选择、删除或重命名列。
# 仅保留 'ID'、'name' 和 'salary' 三列data_frame %>% select(ID, name, salary)
# 删除 'notes' 这一列data_frame %>% select(-notes)4. 添加或修改列：mutate()
功能： 利用现有变量的值，创建新的变量（列），或修改现有变量。
# 计算人均消费（总消费/月数）data_frame %>% mutate(avg_spend = total_spend / months)5. 汇总数据：summarise()
功能： 将多行数据塌缩为一行，计算出汇总统计量（如均值、总和、计数）。
# 计算所有客户的平均年龄和最高收入data_frame %>% summarise( mean_age = mean(age, na.rm = TRUE), max_income = max(income) )ggplot2包
此包的主要功能是数据可视化，基于**图形语法，提供强大、灵活且美观的绘图功能
library(tidyverse)
ggplot(data = <数据框>) + geom_<图形类型>(mapping = aes(<x轴变量>, <y轴变量>, color = <分组变量>))实际运用
看完这些可能还是很模糊，接下来结合实际运用
这里直接使用R里的著名数据集`mpg
ps：
mpg数据集观测了 38 种不同型号汽车在 1999 年和 2008 年的各种性能和分类数据
| 变量名 | 含义 (What it measures) | 类型 |
|---|---|---|
manufacturer | 制造商名称 (e.g., audi, ford) | 字符/分类 |
model | 汽车型号名称 | 字符/分类 |
displ | 发动机排量（Liters） | 连续 |
year | 汽车生产年份 | 离散 |
cyl | 气缸数（4, 5, 6, 8） | 离散 |
trans | 变速器类型（自动或手动） | 字符/分类 |
drv | 驱动类型（前驱 f，后驱 r，四驱 4） | 字符/分类 |
cty | 城市燃油效率（city miles per gallon, MPG） | 连续 |
hwy | 高速公路燃油效率（highway miles per gallon, MPG） | 连续 |
fl | 燃油类型 (e.g., r: Regular, p: Premium) | 字符/分类 |
class | 汽车类型/级别（e.g., SUV, compact） | 字符/分类 |
| 首先，加载库 |
library(tidyverse)data(mpg)1. 改变和创建变量：mutate()
目标： 计算城市（cty）和高速（hwy）燃油效率的平均值，并将其转换为更直观的 每百公里油耗 (L/100km)。
mpg_mutated <- mpg %>% mutate( avg_mpg = (cty + hwy) / 2, l_per_100km = 235.21 / avg_mpg, )对比： 直接使用R的基础用法：
mpg$avg_mpg <- (mpg$cty + mpg$hwy) / 2mpg$l_per_100km <- 235.21 / mpg$avg_mpg不难发现需要重复使用 ’$’ 符号
2. 筛选行观测：filter()
目标： 筛选出产于 2008 年，且 城市油耗（cty）高于 20 MPG 的车型。
mpg_filtered <- mpg %>% filter( year == 2008, # 筛选2008年的车型 cty > 20 # 城市油耗高于20 ) %>% select(manufacturer, model, cty, hwy)
mpg_filtered对比： 直接使用R的基础用法：
mpg_filtered_base <- mpg[mpg$year == 2008 & mpg$cty > 20, ]也不难发现，使用下标 ’[]’ 和 ’&’ 符号，语句较长
3. 选择列变量：select()
目标： 只保留描述汽车基本特征（制造商、型号、排量）和油耗指标（cty, hwy）的列。
mpg_selected <- mpg %>% select( manufacturer, # 选择 'manufacturer' model, # 选择 'model' displ, # 选择 'displ' starts_with("c"), # 选择以 'c' 开头的变量 (cty, class) contains("wy") # 选择包含 'wy' 的变量 (hwy) )
mpg_selected %>% head(3)对比： 直接使用R的基础用法：
mpg_selected_base <- mpg[, c("manufacturer", "model", "displ", "cty", "hwy")]4. 按组拆分：group_by() 和 5. 聚合总结：summarise()
group_by() 负责将数据按某一分类变量分组；summarise() 负责对每个组计算汇总统计量。
mpg_summary <- mpg %>% group_by(drv) %>% # 1. 按驱动类型分组 ('4', 'f', 'r') summarise( # 2. 计算每个组的平均高速油耗 mean_hwy = mean(hwy, na.rm = TRUE), # 3. 计算每个组的车型数量 count = n(), # 4. 计算油耗的标准差 sd_hwy = sd(hwy, na.rm = TRUE) ) %>% # 5. 管道操作：按平均油耗降序排列结果 arrange(desc(mean_hwy))
mpg_summary对比： 直接使用R的基础用法：
avg_hwy_base <- tapply(mpg$hwy, mpg$drv, mean)count_base <- table(mpg$drv)劣势：使用 tapply，只能聚合一列
6. 数据可视化：ggplot2
目标： 绘制**发动机排量（displ）与高速油耗（hwy）之间的关系，并按汽车类型（class）**着色。
ggplot2 是 tidyverse 的可视化组件，基于图形语法（Grammar of Graphics）。
# 使用 ggplot2 绘制散点图mpg %>% ggplot(aes(x = displ, y = hwy, color = class)) + # 1. 定义数据和映射 (aes) geom_point() + # 2. 添加几何对象 (散点图) geom_smooth(method = "lm", se = FALSE) + # 3. 添加线性回归趋势线 labs( # 4. 添加标签 title = "发动机排量与高速油耗的关系", x = "发动机排量 (L)", y = "高速油耗 (MPG)", color = "汽车类型" ) + theme_minimal() # 5. 应用简洁主题Some information may be outdated