前言：
这是关于张敬信老师@张敬信的专栏R&Python数据科学中的文章：玩转数据处理120题（R语言tidyverse版本）的个人自学笔记。敬信老师是我本科期间的恩师之一，非常感谢他提供的学习资源。
题目和主要代码均为敬信老师的原文内容，除此之外的注解为个人补充，如有错误，感激指正。
原来打算把敬信老师的120题在一篇文章中汇总出来，可是第一次在知乎上写长文，我发现在网页上写太容易出现乱码了，时不时就一长串乱码，真的害怕码了半天的字就没了。于是写到第50题就赶紧保存，然后另起一篇。不知道这是浏览器的原因还是知乎自己的原因，希望有人能不吝赐教。
#0（准备）：需要的包
install
#1（创建数据）：创建数据框df
敬信老师：
df
#2（筛选行）：提取含有字符串python的行
敬信老师：
df
敬信老师在这里用的是filter函数（筛选函数），允许对数据集取子集，第一个参数是数据框的名字（此处由于通过管道函数给定数据框为df），之后的参数是用于过滤数据框的表达式。
#3（查看列名）：输出df的所有列名
敬信老师：
names
#4（修改列名）：修改第二列列名为popularity
敬信老师：
df
#5（统计频数）：统计grammer列中每一种编程语言出现的次数
敬信老师：
df
#6（缺失值处理）：将空值用上下值的平均值填充
敬信老师：
df
敬信老师在这里用的是mutate函数，关于mutate函数补充如下：
# 删除grammer列的数据，即将null值赋予列
#7（筛选行）：提取popularity列中值大于3的行
敬信老师：
df
#8（数据去重）：按grammer列进行去重
敬信老师：
df
#9（数据计算）：计算popularity列平均值
敬信老师：
df
#10（格式转换）：将grammer列转换为序列
敬信老师：
df
#11（数据保存）：将数据框保存为Excel
敬信老师：
writexl
#12（数据查看）：查看数据的行数列数
敬信老师：
dim
#13（筛选行）：提取popularity列值大于3小于7的行
敬信老师：
df
#14（调整列位置）：交互两列的位置
敬信老师：
df
#15（筛选行）：提取popularity列最大值所在的行
敬信老师：
df
#16（查看数据）：查看最后几行数据
敬信老师：
tail
#17（修改数据）：删除最后一行数据
敬信老师：
df
敬信老师在这里用的是slice函数，关于slice函数补充如下：
# 如果选择某一特定行数据，例如选取第三行：
#18（修改数据）：添加一行数据："Perl", 6
敬信老师：
newrow
#19（数据整理）：对数据按popularity列值从到大到小排序
敬信老师：
df
敬信老师在这里用的是arrange函数（排序函数），关于arrange函数补充如下：
# 对数据按popularity列值从到小到大排序
#20（字符统计）：统计grammer列每个字符串的长度
敬信老师：
df
Excel数据：https://pan.baidu.com/s/1-J-wGj1_5-kaByvyhDGOHA 提取码：42yk
#21（读取数据）：读取本地Excel数据
敬信老师：
df
#22（查看数据）：查看df数据的前几行（后几行）
敬信老师：
head
#23（数据计算）：将salary列数据转换为最大值与最小值的平均值
敬信老师：
df
#24（分组汇总）：根据学历分组，并计算平均薪资
敬信老师：
df
敬信老师在这里用的是summarise函数（聚合函数），关于summarise函数补充如下：
# 创建新的数据框data frame，命名为salary，包含有group，salary_avg，salary_max，salary_min
#25（时间转换）：将createTime列转换为"月-日"
敬信老师：
library
#26（查看数据）：查看数据结构信息
敬信老师：
df
#27（查看数据）：查看数据汇总信息
敬信老师：
summary
#28（修改列）：新增一列将salary离散化为三水平值
敬信老师：
df
敬信老师在这里用的是case_when函数，允许定义多个if_else（）语句，等效于SQL中CASE WHEN 语句。
#29（数据整理）：按salary列对数据降序排列
敬信老师：
df
#30（筛选行）：提取第33行数据
敬信老师：
df
#31（数据计算）：计算salary列的中位数
敬信老师：
median
#32（数据可视化）：绘制salary列的频率分布直方图
敬信老师：
df
#33（数据可视化）：绘制salary的频率密度曲线图
敬信老师：
df
#34（数据删除）：删除列class
敬信老师：
df
#35（数据操作）：将df的第1列与第2列合并为新的一列
敬信老师：
df
敬信老师在这里用的是unite函数，关于unite函数的补充如下：
# "newcol"为合并列的新命名，1：2为合并1、2列，sep = " "为合并中间间隔空格
#36（数据操作）：将education列与第salary列合并为新的一列
敬信老师：
df
#37（数据计算）：计算salary最大值与最小值之差
敬信老师：
max
#38（数据操作）：将第一行与最后一行拼接
敬信老师：
bind_rows
#39（数据操作）：将第8行添加到末尾
敬信老师：
bind_rows
#40（查看数据）：查看每一列的数据类型
敬信老师：
df
#41（数据操作）：将createTime列设置为行索引
敬信老师：
df
#42（数据创建）：生成一个和df长度相同的随机数数据框
敬信老师：
df1
#43（数据连接）：将上面生成的数据框与df按列合并
敬信老师：
df
#44（修改列）：生成新列new为salary列减去随机数列
敬信老师：
df
#45（检查缺失值）：检查数据中是否含有任何缺失值
敬信老师：
anyNA
#46（类型转换）：将rnums列的类型转换为浮点数
敬信老师：
df
#47（数据汇总）：计算salary列大于10000的次数
敬信老师：
df
#48（统计频数）：查看每种学历出现的次数
敬信老师：
df
#49（数据汇总）：查看education列共有几种学历
敬信老师：
df
#50（筛选行）：提取salary与new列之和大于60000的最后3行
敬信老师：
df
参考资料：
1.张敬信：玩转数据处理120题之P1-P20（R语言tidyverse版本）
2.张敬信：玩转数据处理120题之P21-P50（R语言tidyverse版本）
3. molearner：dplyr 数据操作 列操作（select / mutate）
4.小橙子：数据整理—dplyr包（summarise系列）
5.王诗翔：【r<-数据分析】使用dplyr（1）：介绍与filter操作
6.张丹：R语言时间序列基础库zoo
7.张丹：R语言数据科学新类型tibble
8.g863402758：R语言数据类型转化
