dplyr 1.0 更新內容大概記錄
最前面的話
2020/5/31
image.png
<br />
# devtools::install_github("tidyverse/dplyr")
library(tidyverse)
## 2020/5/31
## 可以通過以下了
install.packages("dplyr")
<a name="24239833"></a>
這次更新了什么呢？
<br />見官方鏈接 dplyr 1.0.0 , emm，就不一一列舉了，反正進行了大規模的更新。<br />這里列舉幾個驚艷的功能：<br />
-
across()：可以使我們對數據列進行相同批量處理，目的用來盡可能的取代 apply()、do() 等函數。
-
relocate(): 更快捷的改變列的順序
-
rowwise: 傳統的dplyr中一般使針對列處理，有了此函數后可以對數據進行處理，比如對行求和、平均值，取代rowsum()等函數，常常與across()函數連用，，能更好的能夠進行批量處理。
<a name="ca996b56"></a>
還是翻譯一下吧，更好的了解一下：
<a name="e670ab3b"></a>
Breaking changes
-
bind_cols()：當輸入文件格式為data frame格式時候，返回的是data frame格式，而非tibble格式。 -
bind_rows()、*_join()、summrise()、mutatte()：有兩點主要的改變- 將因子和字符向量合并一起后不發出警告創造一個字符串向量，之前合并的同時會發出警告
- 將多個因子合并后創造一個組合水平因子，之前是創造一個字符串向量同時會發出警告
-
bind_rows()和其他使用向量修復向量名，詳細見?vctrs::vec_as_names -
all.equal.tbl_df()被移除-
data frame、tibbles、已分組的data frame數據即使數據一模一樣也不再相等 -
data frame數據是否相等不再忽略行排序、分組 -
expect_equal()使用內置的all.equal()：比較data frame時候，以前正確的現在可能會出錯
-
-
distinct()：去重復，保持原始的列順序 -
distinct()：缺失列時會增加報錯，一直以來之前是只警告！ -
group_modify()：將分組變量列放置在最前面，類似函數還有group_map()、group_walk()，詳情見?group_modify() -
n()、row_number()：當沒有加載dplyr包時候，不能直接使用了，現在使用dplyr::mutate(mtcars, x = n())會報錯，必須得dplyr::mutate(mtcars, x = dplyr::n()) - 不再支持
grouped_df()舊數據格式，可能會影響我們將數據存入本地，比如使用knir緩存或者使用saveRDS() -
lead()、lag()函數的輸入文件更加嚴格 - 拓展數據框需要首先添加一個或多個額外的類，而不是最后添加。將額外的類放在末尾會導致一些向量操作失敗，例如:
Input must be a vector, not a<data.frame/...>object -
right_join()不再根據tibbley 中的參數按照RHS的順序對結果tibble的行進行排序
<a name="4078e029"></a>
New features
-
cur_*系列函數cur_data()、cur_group()、cur_group_id()、cur_group_rows()受data.table()函數中的.SD、.GRP、.BY、.I啟發，能更方便的訪問有關dplyr“當前”組的信息。 -
row_*系列函數rows_insert()、rows_update()、rows_upsert()、rows_patch()、rows_delete()提供一個新的 API 來插入和刪除來自第二個數據框或表的行。
-
mutate()、summrise()：如果返回一個數據框，可以從單個表達式創建多個列
-
select()、rename()使用最新的tidyselect接口；現在支持布爾邏輯運算(例如：! & |)，可以結合where()函數按照類型來進行選擇列(比如：where(is.character)(upgrade select() to new tidyselect )[https://github.com/tidyverse/dplyr/issues/4680])，還可以用來修復具有重復的列名的數據。 -
slice()增加了以下幾個子函數：-
slice_head()、slice_tail()：選擇第一列或者最后一列，類似head()和tail()，但是返回每一個組的行數 -
slice_sample()：隨機選擇行，接替sample_n()和sample_frac() -
slice_min()、slice_max()：選擇最小值和最大值，接替令人困惑的函數top_n()
-
-
summrise()：增加參數.groups =以便于更好的控制分組 -
relocate()：增加的新函數，更方便的調整數據列順序
-
rename_with()：增加的新函數，可以用函數來沖命名列名。
-
ungroup()：可以選擇性的移除分組變量
-
pull()：現在可以通過指定一個額外的列名返回指定的向量
<a name="59c5b601"></a>
Experimental features
-
mutate()：僅適用于data frame，增加新參數.before和.after可以控制新增加的列的位置
-
mutate()：僅適用于data frame, 增加了新參數.kepp參數可以控制保持數據.data中哪些列，.kepp = "all"默認;.keep = "none"不保留輸入變量，類似tranmute()函數；.keep = "used"僅保留用于創建新列的變量。
morph() to automatically remove columns "used up" by a mutate()
-
with_groups()：方便臨時分組或者取消分組
<a name="960ea0eb"></a>
across()
-
across()：新增函數；能夠在函數summrise()、mutate()和其他將一個函數(或一組函數)應用于選定的列的函數，詳情見vignette("colwise") -
c_across()：新增函數；同across()函數，使得在行處理更加方便，比如：求每一行的平均值，見vignette("rowwise")。
<a name="ccb4fdd8"></a>
rowwise()
-
rowwise()：允許指定在以下情況下應保留在輸出中的其他變量 summarising 。所有操作都會保留按行順序
-
nest_by()：它具有與group_by()相同的接口，但會返回分組鍵的行數據框，并以包含其余數據的數據框的列表列，即返回分組的列表。
<a name="vctrs"></a>
vctrs
-
vctrs：向量幫助文檔，詳情見?vctrs。簡單記錄兩點：- 舍棄了兩個最重要的依賴：
Rcpp和BH - 處理數據框 data frame 數據時候保留行名
- 舍棄了兩個最重要的依賴：
<a name="Grouping"></a>
Grouping
-
group_by()使用來自包vctrs()中的哈希算法 - 已分組的數據框現在可以通過
names<-、[[<-、 [<- 、$<-來重新生成底層分組。 -
.grouped_df()：重新分組
-
mutate()、summarise()現在可以調整分組變量
-
group_modify()新增了額外的參數
-
group_by()：當按drop = TRUE的因子分組時，不創建任意的 NA 組
False positive implicit NA warning with factors and 0-row slices
<a name="ba5a9bcd"></a>
Lifecycle changes
- 不推薦使用 lifecycle
- 也就是說，默認情況下，每個會話只會看到一次棄用警告， 您可以使用
options(lifecycle_verbosity = x)進行控制，其中 x 是NULL, "quiet", "warning", and "error"之一。
- 也就是說，默認情況下，每個會話只會看到一次棄用警告， 您可以使用
<a name="Removed"></a>
Removed
-
id()函數 -
failwith()函數 -
tbl_cube()函數 -
rbind_all()函數 -
rbind_list()函數 -
dr_dplyr()函數
<a name="Deprecated"></a>
Deprecated
-
add_count()函數中的drop參數 -
add_rownames函數已經被tibble::rownames_to_column()取代 -
as.tbl() 和 tbl_df()函數已經被as_tibble()取代 -
bench_tbls()、compare_tbls()、compare_tbls2()、eval_tbls() and eval_tbls2()函數已棄用 -
combine()函數已經被vctrs::vec_c()取代 -
funs()函數已經被list()取代 -
group_by(add = )已經被group_by(.add = )取代 -
group_by(.dots = )/group_by_prepare(.dots = )已經被!!!取代
-
location() 和 changes()函數已被lobstr::ref()取代 -
src_loacl函數已棄用 -
src_mysql()、 src_postgres()、src_sqlite()函數已棄用- 推薦使用
dbplyr包：dbplyr，自動將數據轉變為SQL
- 推薦使用
<a name="Superseded"></a>
Superseded
-
_if _at _all等系列變體函數已經被across()函數取代。
-
rename_*()、select_*()已經被rename_with()取代 -
do()被summarise()取代 -
top_n()被slice_min()和 slice_max()取代
<a name="Questioning"></a>
Questioning
-
all_equal()解決了一個似乎不再重要的問題
<a name="Stable"></a>
Stable
-
rowwise()is no longer questioning.
<a name="7dfebbeb"></a>
Documentation improvements
-
vignette("base)簡述了dplyr與base R的異同
[https://cran.r-project.org/web/packages/dplyr/vignettes/base.html](dplyr <-> base R)
-
vignette("grouping")介紹了當應用于分組數據時候，dplyr 怎么變化的。
-
vignette("programming")已經完全重寫，以反映最新的詞匯表、最新的rlang特性和當前的建議。現在用dplyr編程應該會簡單很多。
- 更多關于
dplyr的幫助說明書見 dplyr/vignettes<br />
<a name="10cfcd06"></a>
Minor improvements and bug fixes
?dplyr_extending-
dplyr不再提供all.equal.tbl_df()方法。 coalesce()
-
distinct()在處理不存在的變量時候會報錯，之前是警告 -
filter()、mutate()、summarise()提供了更詳細的報錯信息 - 當所有列均為邏輯向量時，
filter()處理數據框結果通過用＆減少它們。意味著我們可以結合across與filter()函數
-
left_join()、right_join()、full_join()增加了新參數kepp，可以選擇保留這兩組連接鍵。當我們想要確定哪一行在每一個數據丟失時非常有用。
-
*join()函數增加了by = character()來進行數據合并
[https://github.com/tidyverse/dplyr/issues/4206](Problems writing cross-join in dplyr)
-
group_by(..., .add = TRUE)取代了group_by(..., add = TRUE)
