在前四篇文章，大概介紹了如何畫圖以及一些變數的調整，而內部的細節這邊不在做深度的討論。接著這篇文章開始要介紹另一個package dplyr ，這個套件主要用途是用來調整你的資料，包括缺失值的處理等等。而 dplyr 一樣在 tidyverse 的內部，以及我們將使用一些來自 package nycflights13 裡面的資料。

library(nycflights13)
library(tidyverse)

這次我們會使用 nycflights13 裡面的 flights 這筆資料。

glimpse(flights)

我們可以看到它是 336776x19 的表格資料，也就是說它有19個變數，而在每個變數後面會有一些英文縮寫，這是代表的該欄位的資料類型，比較常見的資料型態有：

1. int:代表整數
2. dbl:代表雙精度浮點數
3. chr:代表字串
4. dttm:代表日期與時間
5. lgl:代表邏輯向量
6. fctr:代表因子
7. date:代表日期

而接下來幾篇文章會為大家介紹在 dplyr 裡面幾個常用的函數。

首先會看到 filter() ，它的功能跟 subset 相似，可以擷取你想要的資料的小區塊，以底下例子來說明。

flights 是航班資料，如果今日我只想要看 1/1 的資料，我們可以試試看以下語法。

filter(flights,month==1,day==1)

我們可以看到，33萬多筆的資料中，有842筆 1/1 的資料。而 filter 的第一個參數是data，後面的參數就是你想要限制的條件，我們甚至可以試試一些真假值條件， & ! | 依序代表的是 且 否定 或。例子如下

filter(flights,month==11|month==12)

我們就可以去擷取所有十一月跟十二月的資料，在使用 且 的時候，我們也用逗號作為代替。

接下來我們來看下一個函數 arrange ，顧名思義就是重排，使用方法與 filter 類似，如果我們輸入以下程式碼：

arrange(flights,year,month,day)

它的意思是從flights這筆資料，由year,month,day這些變數由小到大重新排列，但是因為我們這筆資料本身就是這樣的排列了。那我們可以試試下面這個與法。

arrange(flights,desc(arr_delay))

它就會將資料由 arr_delay 從大到小的重排，而缺失值總是會排在資料的最後端。

所謂 缺失值 就是資料中缺失的資料，通常缺失資料會顯示 NA ，在R語言中，缺失資料通常很難處理，因為它不同於前面所說的資料形態。

而且我們看到

NA==NA

這是相當弔詭的事情，我們也可以透過 class 這個函數去查看它的資料形態。

像是

class(pi)

是數值資料。

class(TRUE)

是邏輯資料。

那 NA 到底是何種資料呢?

class(NA)

這邊看到它是邏輯資料，但是如果我們拿NA去跟數值做一些運算，會發現一些有趣的事情。

NA+5

NA>5

上面兩個結果雖然都是NA，但是如果用資料形態去看它。

class(NA+5)

class(NA>5)

卻是不同的結果，很弔詭吧?而事實上缺失值的處理一直是資料分析中的一門學問，在這邊我們先用一個簡單的語法來判斷資料是否為缺失值：

is.na(NA)

is.na(NA>6)

若為缺失值，則會顯示TRUE，不是則FALSE。

下一篇文章會繼續針對 dplyr 的其他函數做討論，這篇文章就先介紹到這，謝謝大家。