接下来我们继续了解一些dplyr中的常用函数。
1、ranking
以下各个函数可以实现对数据进行不同的排序
row_number(x)
ntile(x, n)
min_rank(x)
dense_rank(x)
percent_rank(x)
cume_dist(x)
具体的看些例子。
x <- c(5, 1, 3, 2, 2, NA) x
row_number(x)
row_number是对数据大小进行编号排序，遇到重复值，排序继续加1，缺失值不计入
min_rank(x)
min_rank是对数据大小进行编号排序，遇到重复值，排序相同，但每个值都占一个位置，缺失值不计入
dense_rank(x)
dense_rank是对数据大小进行编号排序，遇到重复值，排序相同，所有重复值只占一个位置，缺失值不计入
percent_rank(x)
percent_rank是对数据进行百分比排序，每个值表示数据所在总体排名中的百分比位置
cume_dist(x)
cume_dist是把所有点集中反应在0-1之间的一个数值，每个数值表示数据所在位置，跟percent_rank有点类似
ntile(x, 2)
ntile则可以指定数据排序的个数，然后循环这些排序数据对数据进行排序。
2、recode()
recode(.x, ..., .default = NULL, .missing = NULL)
数据替换函数，在数据替换中使用非常灵活。
x <- sample(c("a", "b", "c"), 10, replace = TRUE)
x
recode(x, a = "wo")
recode(x, a = "wo", .default = NA_character_)
x<-sample(1:5,10,rep=T) x
recode(x, `2` = 20L, `4` = 40L)
recode(x, `2` = "b", `4` = "d")
recode(x, "a", "b")
recode(x, "a", "b", .default = "wo")
x <- c(1:4, NA) x
recode_factor(x, `1` = "z", `2` = "y", `3` = "x")
recode_factor(x, `1` = "z", `2` = "y", .default = "D", .missing = "M")
recode_factor(factor(letters[1:3]), b = "z", c = "y")
原文：http://www.cnblogs.com/wkslearner/p/5768845.html