dplyr 是什么
dplyr 是 R 中最流行的数据处理包，一套由少数几个动词构成的“数据语法”。每个动词都是一个函数：接收一个数据框，只做一件事（保留部分行、添加一列、计算分组汇总），然后返回一个新的数据框。因为每个动词的形状都一样，数据框进，数据框出，所以它们能用管道拼接成流水线，从上往下读就像一份菜谱。dplyr 是 tidyverse 的核心，tidyverse 是一系列采用同样设计的包（tidyr、ggplot2、readr）。
dplyr 能做的一切，base R 也能做。下面是一个纯 base R 写的小分析：把内置的 mtcars 数据筛选为 4 缸汽车，计算一个新列，再按档位数求平均值。这段代码可以运行：
它能用，而且是很好的 R 代码。但注意，整个逻辑被分散在方括号索引、一次 $ 赋值和一个公式里。同样分析的 dplyr 版本：
library(dplyr)
mtcars |>
filter(cyl == 4) |>
mutate(kml = mpg * 0.425) |>
group_by(gear) |>
summarize(avg_kml = round(mean(kml), 1))
四个动词，顺序和你口头讲解时一模一样。可读性就是 dplyr 最大的卖点，在二十步的流水线上，这一点是决定性的。
本页的 dplyr 代码片段是静态的，因为这里的编辑器只能运行 base R；想运行它们，就按下面的方法在你自己的电脑上安装 dplyr。
安装和加载
安装一次，然后在每个用到它的脚本中加载：
install.packages("dplyr") # once, per machine
library(dplyr) # every script
也可以改为运行 install.packages("tidyverse")，它会把 dplyr 和它的兄弟包一起装上。dplyr 加载时会警告说它屏蔽了 stats::filter 和 stats::lag，这是正常现象，不是错误。
六个核心动词
每个动词都把数据框作为第一个参数，列名直接裸写，不加引号，也不加 df$ 前缀。
filter() 保留符合条件的行：
mtcars |> filter(mpg > 25)
mtcars |> filter(cyl == 4, hp < 70) # comma = AND
select() 保留列，可以按名称、范围或辅助函数选择：
mtcars |> select(mpg, cyl, hp)
mtcars |> select(mpg:hp) # a range of adjacent columns
mtcars |> select(starts_with("d")) # disp, drat
mutate() 添加或变换列：
mtcars |> mutate(kml = mpg * 0.425, heavy = wt > 3.5)
arrange() 对行排序，把列包在 desc() 里就是降序：
mtcars |> arrange(desc(mpg))
summarize() 把多行折叠成一行汇总，而 group_by() 让它改为按组折叠：
mtcars |>
group_by(cyl) |>
summarize(n = n(), avg_mpg = mean(mpg))
group_by() 本身看不出任何效果，它只是给数据框打上标记，让接下来的 summarize()（或 mutate()）按组进行。每个动词在本章都有完整的文档：筛选行、添加列、排序和分组汇总。
用管道串联动词
管道 |> 把它前面的值作为第一个参数传给后面的函数：x |> f(y) 就是 f(x, y)。因为每个 dplyr 动词都接收并返回数据框，所以动词可以无限串下去：
mtcars |>
filter(hp > 100) |>
mutate(kml = mpg * 0.425) |>
group_by(cyl) |>
summarize(cars = n(), avg_kml = round(mean(kml), 1)) |>
arrange(desc(avg_kml))
大声读出来：取 mtcars，保留马力超过 100 的汽车，添加一列每升公里数，按气缸数分组，统计每组数量并求平均值，再按平均值排序。没有中间变量，也没有嵌套。较早的代码用 magrittr 包的 %>% 而不是 |>，在 dplyr 中两者可以互换；|>（R 4.1 及以上版本内置）的讲解见管道文档。
count() 和 n()：计数助手
计数太常用了，所以 dplyr 提供了快捷方式。n() 给出当前组的行数（只能在 summarize() 或 mutate() 内部使用），而 count() 把 group_by() + summarize(n = n()) 这一整套合并成一次调用：
mtcars |> count(cyl) # rows per cyl value
mtcars |> count(cyl, gear, sort = TRUE) # two groupers, biggest first
如果你发现自己在写 group_by(x) |> summarize(n = n())，就把它换成 count(x)。
关于 tibble
dplyr 动词经常返回 tibble，它是 tidyverse 版本的数据框。它本身就是数据框（任何接受数据框的地方都接受 tibble），只是打印更友好：只显示前 10 行和放得下的列，每个列名下方还会显示类型。有两点区别值得了解：tibble 从不使用行名（所以 mtcars |> as_tibble() 会丢掉汽车名称，tidyverse 希望标识符放在真正的列里），而且单层方括号索引总是返回 tibble，而不会有时退化成向量。日常使用中这两点都不会让你意外；只是当 str() 显示 tbl_df 时不用慌。
要点总结
- dplyr 是一套语法：六个动词，每个对数据框只做一件事，用管道串起来。
filter()选行，select()选列，mutate()添加列，arrange()排序，group_by() + summarize()做聚合。x |> f(y)就是f(x, y)：流水线按事情发生的顺序从上往下读。count()和n()能满足大部分计数需求。- base R 全都能做；一旦流水线变长，dplyr 在可读性上胜出。
下一篇：深入讲解筛选和取子集，包括 base R 的方括号写法，以及 dplyr 的 filter() 适合用在哪里。
常见问题
R 中的 dplyr 是什么？
dplyr 是使用最广泛的 R 数据框处理包。它提供一小组动词：filter()、select()、mutate()、arrange()、summarize()、group_by()，每个动词对数据框只做一件事，再用管道串起来，形成可读的流水线。它是 tidyverse 的一部分。
怎么安装 dplyr？
运行一次 install.packages("dplyr")，然后在每个用到它的脚本开头写 library(dplyr)。也可以改为安装 tidyverse，一次就能装好 dplyr 和它的兄弟包（tidyr、ggplot2、readr）。
我需要 dplyr 吗，还是 base R 就够了？
dplyr 能做的，base R 都能做：取子集、aggregate()、order()。base R 值得掌握，因为它无需任何依赖、到处都能用。当流水线变长时，dplyr 的优势就体现出来了：串起来的五个动词读起来像一句话，而等价的 base R 代码读起来像层层嵌套的括号谜题。
dplyr 中的 summarize 和 summarise 有什么区别？
没有区别。它们是同一个函数，只是美式和英式拼写不同；dplyr 两个都导出了。你的团队用哪个就用哪个，保持一致即可。
