最新！R的4.4.0版本发布！是时候停用{dplyr}了？

一般来说，载入的R包越少越好，除非这个R包不可替代。

前几天R推出了最新版本，为4.4.0版本。

其中添加了一个函数sort_by()，对于数据清理来说非常有帮助，这个函数有挑战{dplyr}包中的arrange()函数的潜力。

举个例子予以说明。

将使用iris数据集，查看概况：

summary(iris)

再查看数据的前10行：

head(iris, 10)

下一步，使用最新的sort_by()函数对第一个变量进行排序：

sort_by(iris, iris$Sepal.Length)

上述的结果仅显示前10行。对比上面的两个结果可知，上述代码将按照第一个变量进行从小到大的排序。

也可以对多个变量进行排序，这里以两个为例，代码如下：

sort_by(iris, list(iris$Species, iris$Sepal.Length))

R将返回所有行数，上述仅为一部分。上述的代码先对Species排序，之后对Sepal.Length进行排序。

下面，列出两段代码，一个为R自带函数，另外一个为使用{dplyr}的函数，用于处理数据清理工作。

各位可以通过下方代码来比较两种方法。

首先为R自带函数，代码如下：

iris |>
  sort_by(~ list(Species, Petal.Width)) |>
  subset(Sepal.Length > 5) |>
  subset(select = c(Species, Sepal.Length, Petal.Width)) |>
  transform(new_variable = log(Petal.Width)) |>
  aggregate(. ~ Species, FUN = mean, data = _)

第二段代码使用{dplyr}相关代码：

install.packages("dplyr") # 安装R包
library(dplyr) # 载入

iris %>%
  arrange(Species, Petal.Width) %>%
  filter(Sepal.Length > 5) %>%
  select(Species, Sepal.Length, Petal.Width) %>%
  mutate(new_variable = log(Petal.Width)) %>%
  group_by(Species) %>%
  summarise(mean_Sepal.Length = mean(Sepal.Length),
            mean_Petal.Width = mean(Petal.Width),
            mean_new_variable = mean(new_variable))