如果你正在學習使用R語言做資料分析，那你千萬不能錯過dplyr這個套件。dplyr主要使用於dataframe上，可以進行各式各樣的資料前處理，我們就開始介紹這個套件吧！

首先，先來了解dplyr套件中使用的運算子%>%，它可以把所有要執行的函數(動作)串起來。
換句話說，假設我們今天想要對一個dataframe做篩選，再做計算，不需要下兩行指令，只需要用%>%把它們做連結就可以先後執行。
以下整理一些在dplyr套件中常用的函數：

• select():提取要留下的欄位名稱
• filter():過濾要留下的條件
• group_by():將資料分組，分組後通常會搭配mutate()或summarise()來做計算
• mutate():用於生成新欄位
• arrange():選擇要以哪些欄位將資料排序
• summarise():可以搭配group_by()做使用，計算統計值

下面我們會先針對前幾個函數來做實例介紹，summarise()會留到下一篇文章在做更詳細的介紹。
進入實例之前，我們會先建立一組銷售的數據，包含購買人的id、購買商品、商品單價、商品數量。

# 載入套件
library(dplyr)
day11 = data.frame(
                  customer_id = c(1,1,1,1,2,2,2,3,3),
                  item = c("milk", "apple", "cookie", "mug", 
                           "mug", "milk", "milk", 
                           "apple", "cookie"),
                  price = c(10, 12, 7, 20, 10, 10, 12, 7, 2),
                  count = c(2, 3, 4, 4, 2, 1, 2, 3, 2)
)

# 原始資料
day11
  customer_id   item price count
1           1   milk    10     2
2           1  apple    12     3
3           1 cookie     7     4
4           1    mug    20     4
5           2    mug    10     2
6           2   milk    10     1
7           2   milk    12     2
8           3  apple     7     3
9           3 cookie     2     2

• select(): 只看客戶的購買數量，不看item, price欄位

day11 %>% select(customer_id, count)
  customer_id count
1           1     2
2           1     3
3           1     4
4           1     4
5           2     2
6           2     1
7           2     2
8           3     3
9           3     2

• filter(): 只看customer_id = 1的購買明細

day11 %>% filter(customer_id == 1)

  customer_id   item price count
1           1   milk    10     2
2           1  apple    12     3
3           1 cookie     7     4
4           1    mug    20     4

• mutate():生成新欄位total_cost，表示每次購買的總金額

day11 %>% mutate(total_cost = price*count)
  customer_id   item price count total_cost
1           1   milk    10     2         20
2           1  apple    12     3         36
3           1 cookie     7     4         28
4           1    mug    20     4         80
5           2    mug    10     2         20
6           2   milk    10     1         10
7           2   milk    12     2         24
8           3  apple     7     3         21
9           3 cookie     2     2          4

• arrange():將購買商品的單價由低到高排序

day11 %>% arrange(price)
  customer_id   item price count
1           3 cookie     2     2
2           1 cookie     7     4
3           3  apple     7     3
4           1   milk    10     2
5           2    mug    10     2
6           2   milk    10     1
7           1  apple    12     3
8           2   milk    12     2
9           1    mug    20     4

• group_by():計算每個客戶購買的次數

day11 %>% group_by(customer_id) %>% mutate(n = n())
  customer_id item   price count     n
1           1 milk      10     2     4
2           1 apple     12     3     4
3           1 cookie     7     4     4
4           1 mug       20     4     4
5           2 mug       10     2     3
6           2 milk      10     1     3
7           2 milk      12     2     3
8           3 apple      7     3     2
9           3 cookie     2     2     2

dplyr套件的函數今天就介紹到這邊，明天會再進一步介紹summarise()這個函數如何使用