r语言psych包_R语言 | Tidyverse包入门介绍
R语言
语言学与R语言的碰撞
Xu & Yang
PhoneticSan
学习参考
Discovering Statistics Using R
Statistics for Linguistics with R
How to Do Linguistics with R
R in Action
Analyzing Linguistic Data
R Graphics Cookbook
··· ···
R: The R Project for Statistical Computing
RStudio:
在语言学本科专业逐渐兴起的时代，R已经逐渐成为语言学学生所需掌握的必备技能之一。事到如今，依旧有“数据处理，Python和R到底学哪个”的争辩。今天，我们讲一个“让R能够和Python在数据处理方面一较高下”的扩展包：tidyverse 包。本期将介绍以下函数运算：
%>%, tibble, as_tibble, read_csv, read_delim, filter, select, mutate, group_by, summarise, gather, spread
数据处理流程 (R for Data Science , pp. ix)
迄今为止，我们的R语言入门级讲解，都会对已有的数据进行预处理，得出漂亮的可视化结果。这些处理都是在base R上得到的，你可以理解为R内置的自带函数，比如plot、data.frame等函数。然而，这些函数在进行大量数据处理的时候，不仅处理繁琐，而且语句会显得冗长，可读性较差，降低了数据处理的效率。以此为契机，统计学家Hadley Wickham开发出了一系列数据处理的包，整合成为一个，这就是tidyverse 包，它里面包括了与数据处理相关的内容，如ggplot2，dplyr，tidyr，tibble等等。你可以直接调用tidyverse，也可以调用它所辖属的包。下面，我们讲解一些tidyverse中可能使用到的函数，帮助你快速上手这个方便的东西。同时，我们会比较tidyverse和base R之间的不同之处，帮助你更快理解，为什么tidyverse受到更多的推崇。
数据导入：tibble
如果已经学过R的一些基础教程，或者你读过** R in Action** 这本教材，就会发现，导入到R的语言学数据，都会成为一个data.frame结构的数据，因为它往往包含多个变量。然而，这种导入往往会莫名地更改一些数据的原本格式。有时我们更需要原来的格式，该如何设置？tidyverse下的tibble 包帮助我们实现了这一想法。如果你直接调用了tidyverse，那么不需要额外再调用tibble。
tidyverse包的内容
tibble是升级版的data.frame格式，它可以保持数据原本的格式，此外，它不会再把放不下的数据多行多列显示，而是以总结形式显示够你的屏幕即可。以languageR包中beginningReaders的数据为例，一共有13列数据，如果是base R，直接调用会发现，到第9列时已经占不下，它会自动换下一行继续显示，显得十分冗长。如果转换为tibble格式，它会最多显示8列，剩余的内容以解读的形式展现，在每个标头下会显示该列数据格式，如int表示整数型数据，fct表示factor。tibble使得该数据的格式和结构一目了然。
tibble格式下的数据显示
除了创建tibble，以及将已有的格式转变为tibble外，在导入时，我们也可以将数据直接以tibble格式导入。在之前base R中，我们使用的函数为read.table等，相应的，tidyverse包中也有相关函数，且运行速度要比base R中的快。以csv格式为例，使用read_csv 即可，内部结构与base R的函数一致。更一般的，如果读取制表分隔符的文本数据，使用read_delim 函数，记得添加一句delim='\t'即可。
使用read_delim导入制表分隔符文本数据
下面我们将tibble包中主要使用的函数总结，你可以根据相关代码进行体验：
library(languageR)# 加载tidyverselibrary(tidyverse)# 创建tibble格式数据a b my_tibble # 将已有数据转变为tibble格式BegReaders # 导入数据时直接以tibble格式导入my_data my_data my_data数据整理：dplyr/tidyr
tidyverse所包含的dplyr包中，囊括了众多数据处理的函数，包括filter、select、mutate、summarise等。在tidyr包中，则有重要的gather/spread函数帮助我们转换长/宽数据格式。下面我们对这些函数的使用逐一讲解。
首先介绍filter 函数。正如名字所讲，它所实现的功能是根据条件筛选出符合条件的数据。以languageR中verbs数据为例，假设想选出LengthOfTheme大于2的所有数据，并绘制出点状图，那么代码如下：
verbs_f <- filter(verbs, LengthOfTheme > 2)ggplot(verbs_f, aes(RealizationOfRec, LengthOfTheme, color=AnimacyOfRec)) + geom_point()也可以针对字符串进行筛选，如筛选出AnimacyOfRec下属于animate的数据，那么应写为：
filter(verbs, AnimacyOfRec == 'animate')不过从上面的代码可以看到，这样写内容确实还是冗长的，而且verbs数据是在重复使用，并没有体验到与base R有差别的地方。下面，我们介绍tidyverse中最重要的函数之一：管道运算**% >%**，是它将代码变得简洁易懂。通俗解释，将运算符左侧的内容应用到右边的内容去。如上面verbs的处理，我们可以这样使用：
verbs %>% as_tibble() %>% filter(LengthOfTheme > 2) %>% ggplot(aes(RealizationOfRec, LengthOfTheme, color=AnimacyOfRec)) + geom_point()用语言解释一下即：将verbs数据应用到as_tibble中转换为tibble格式，然后筛选转变后的数据，最后将筛选出来的数据绘图。%>%的存在让整个代码显得简洁高效，可读性也大大提高。
第二个select 函数可以选择特定的一列或多列数据。与filter不同，filter可以筛选出行的数据，而select则是筛选出列的数据。以verbs为例，具体代码和运行效果如下：
# 筛选出一列select(verbs, Verb)# 筛选出多列select(verbs, Verb, LengthOfTheme)select(verbs, Verb:LengthOfTheme)# 筛选出除特定列外的其他列select(verbs, -Verb)
如果想要改变tibble中的数据，或者增加变量，那么你可以使用mutate 函数，它的主要功用是增加一列新的数据变量，并与已有数据对应起来。以beginningReaders数据为例，上面我们已经转换为tibble格式了，存到了BegReaders变量中。我想筛选出log相关数据并添加一列SumOfLog数据，该数据是将两列Log相加得到，那么我可以这样操作：
BegReaders %>% filter(LogRT:LogFrequency) %>% mutate(SumOfLog = LogRT:LogFrequency)运行后就可以看到，我们的数据增加了新的一列，名为SumOfLog，数据是由LogRT和LogFrequency相加得来的。自然，你也可以添加一个新的字符串的列，记得使用引号将字符引用起来即可。
对于统计数据而言，summarise 函数，可以很好地计算相关列的数据统计结果。这个函数往往会和group_by 函数一起使用。以beginningReaders数据为例，如果在base R中想求出不同的词汇在LogRT上的平均值，那我们就得使用100多次$运算符进行计算：
mean(BegReaders$LogRT[BegReaders$Word == 'avontuur'])mean(BegReaders$LogRT[BegReaders$Word == 'baden'])# ...在tidyverse中，我们可以使用summarise函数结合gourp_by快速完成相关的计算，并返回一个tibble格式的数据，不用我们再进行重组，具体代码如下所示。summarise函数也可以用来计算标准差等数据。
BegReaders %>% group_by(Word) %>% summarise(average=mean(LogRT))
最后，我们介绍tidyr包中的gather 和spread 两个函数。reshape2包中有melt函数，可以帮助我们进行数据整理，把宽数据转变为适合ggplot的长数据类型(即一行只对应一个数据)。tidyr中的这两个函数也是这种功能，但是要比reshape更高效且更方便。gather函数可以把宽数据转变为长数据。以我们自己的数据为例，它的宽数据表现如下图所示。
为了让大家更直观地感受两个函数的不同之处，我们分别进行数据格式转换，具体代码如下：
# reshape2包中的melt函数data data.melt data, id=c(data.melt$TonalCategory $variabledata.melt$DurationRatio $value# tidyverse包中的gather函数data_2 '\t')data_2_re这两种函数都将宽数据转变为了长数据，但是很明显，base R的操作要更加繁琐，而tidyverse使用了管道函数后，整个代码变得十分简洁。gather函数的主要构成是：gather(data, variable, value, range) 。variable和value是设定好标头名称，这里我们分别命名为TonalCategory和DurationRatio。运行后也可以看到，gather函数下的数据更为简洁明了。
而spread 函数则正与gather函数相反，它是将长数据转变为宽数据。比如我们将data_2_re转为宽数据：
data_3 <- data_2_re %>% spread(TonalCategory, DurationRatio)
今天这期主要介绍了tidyverse包中一些最基本的操作。相较于Base R，它的确更加高效和简洁，同时学习成本也并不高。之后有机会我们会继续介绍相关数据操作的内容。此外，在Rstudio官网中有相关的cheatsheet，其中有一份比较了base R和Tidyverse语法的不同之处，如下图所示。除此之外，还有很多其他的简介版cheatsheet。点击
—END—
排版：Xu & Yang
