当你添加一个手机号到通讯录，手机会问你是“新建联系人”还是“添加到已有联系人”。这是两个不同的操作。不过，dplyr 的mutate()函数，将它们合二为一了。
- 更改变量名
rename() 重命名rename_with() 批量重命名（进阶技巧）
- 更改或新建列（变量）
mutate() 更改、新建变量fill() 就近填充缺失值（进阶技巧）replace_na() 批量替换缺失值（进阶技巧）rownames_to_column() 复制行名称为变量（进阶技巧）add_count() 添加变量频数为新变量（进阶技巧）unite() 合并多个变量为一个（进阶技巧）separate()等 拆分一个变量为多个（进阶技巧）add_column() 手动添加变量（几乎不用）
- 更改或新建行（个案）
expand() 和 complete() 根据变量取值的组合扩充个案（进阶技巧）add_row() 手动添加个案（几乎不用）
rename()
library(tidyverse)
# 把 price 改名为 price_usd
diamonds %>%
rename(price_usd = price)
# A tibble: 53,940 × 10
carat cut color clarity depth table price_usd x y z
<dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
4 0.29 Premium I VS2 62.4 58 334 4.2 4.23 2.63
5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48
7 0.24 Very Good I VVS1 62.3 57 336 3.95 3.98 2.47
8 0.26 Very Good H SI1 61.9 55 337 4.07 4.11 2.53
9 0.22 Fair E VS2 65.1 61 337 3.87 3.78 2.49
10 0.23 Very Good H VS1 59.4 61 338 4 4.05 2.39
# ℹ 53,930 more rows
# 把 x, y, z 分别改名为 size_x, size_y, size_z
diamonds %>%
rename(
size_x = x,
size_y = y,
size_z = z
)
# A tibble: 53,940 × 10
carat cut color clarity depth table price size_x size_y size_z
<dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl>
1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
4 0.29 Premium I VS2 62.4 58 334 4.2 4.23 2.63
5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48
7 0.24 Very Good I VVS1 62.3 57 336 3.95 3.98 2.47
8 0.26 Very Good H SI1 61.9 55 337 4.07 4.11 2.53
9 0.22 Fair E VS2 65.1 61 337 3.87 3.78 2.49
10 0.23 Very Good H VS1 59.4 61 338 4 4.05 2.39
# ℹ 53,930 more rows
mutate()
# 新建变量 price_rmb，即换算为人民币，假设汇率为7
diamonds %>%
mutate(price_rmb = price * 7)
# A tibble: 53,940 × 11
carat cut color clarity depth table price x y z price_rmb
<dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl> <dbl>
1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43 2282
2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31 2282
3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31 2289
4 0.29 Premium I VS2 62.4 58 334 4.2 4.23 2.63 2338
5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75 2345
6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48 2352
7 0.24 Very Good I VVS1 62.3 57 336 3.95 3.98 2.47 2352
8 0.26 Very Good H SI1 61.9 55 337 4.07 4.11 2.53 2359
9 0.22 Fair E VS2 65.1 61 337 3.87 3.78 2.49 2359
10 0.23 Very Good H VS1 59.4 61 338 4 4.05 2.39 2366
# ℹ 53,930 more rows
# 更改变量 price，换算为人民币，假设汇率为7
diamonds %>%
mutate(price = price * 7)
# A tibble: 53,940 × 10
carat cut color clarity depth table price x y z
<dbl> <ord> <ord> <ord> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 0.23 Ideal E SI2 61.5 55 2282 3.95 3.98 2.43
2 0.21 Premium E SI1 59.8 61 2282 3.89 3.84 2.31
3 0.23 Good E VS1 56.9 65 2289 4.05 4.07 2.31
4 0.29 Premium I VS2 62.4 58 2338 4.2 4.23 2.63
5 0.31 Good J SI2 63.3 58 2345 4.34 4.35 2.75
6 0.24 Very Good J VVS2 62.8 57 2352 3.94 3.96 2.48
7 0.24 Very Good I VVS1 62.3 57 2352 3.95 3.98 2.47
8 0.26 Very Good H SI1 61.9 55 2359 4.07 4.11 2.53
9 0.22 Fair E VS2 65.1 61 2359 3.87 3.78 2.49
10 0.23 Very Good H VS1 59.4 61 2366 4 4.05 2.39
# ℹ 53,930 more rows
# 新建变量 size，由 x, y, z 相乘而得（不代表钻石真实体积）
diamonds %>%
mutate(size = x * y * z)
# A tibble: 53,940 × 11
carat cut color clarity depth table price x y z size
<dbl> <ord> <ord> <ord> <dbl> <dbl> <int> <dbl> <dbl> <dbl> <dbl>
1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43 38.2
2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31 34.5
3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31 38.1
4 0.29 Premium I VS2 62.4 58 334 4.2 4.23 2.63 46.7
5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75 51.9
6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48 38.7
7 0.24 Very Good I VVS1 62.3 57 336 3.95 3.98 2.47 38.8
8 0.26 Very Good H SI1 61.9 55 337 4.07 4.11 2.53 42.3
9 0.22 Fair E VS2 65.1 61 337 3.87 3.78 2.49 36.4
10 0.23 Very Good H VS1 59.4 61 338 4 4.05 2.39 38.7
# ℹ 53,930 more rows