下面是 R 语言常用数据处理函数速查表（按“基础 R / tidyverse / dplyr”为主来整理）。

1) 基础 R（Base R）数据处理常用函数#

1.1 查看 / 基本信息#

  • str(x)：结构（列类型、层级等）

  • summary(x)：快速统计摘要

  • head(x, n), tail(x, n)：查看前/后 n 行

  • dim(x), nrow(x), ncol(x)：维度

  • names(x), colnames(x), rownames(x)：名称

  • class(x), typeof(x)：类型

  • unique(x), duplicated(x)：去重/重复检测

  • table(x)：频数表

1.2 选取 / 子集#

  • x[i, j]：矩阵/数据框按行列取子集

  • subset(df, 条件, select=列)：按条件和列筛选（简便但不推荐写包时用）

  • with(df, expr)：在数据框环境里写表达式

  • within(df, expr)：在数据框里修改/新增列

1.3 排序 / 合并 / 连接#

  • order(x)：返回排序索引（常配合 df[order(df$col), ]）

  • sort(x)：排序后的向量

  • merge(x, y, by=..., all.x=..., all.y=...)：连接（类似 join）

  • cbind(...), rbind(...)：按列/行拼接（列名、行数要对齐）

1.4 缺失值处理#

  • is.na(x)：缺失判断

  • na.omit(df)：删除含 NA 的行（注意会丢数据）

  • complete.cases(df)：完整行逻辑索引

  • ifelse(cond, a, b)：向量化条件赋值（NA 处理要小心）

  • replace(x, idx, values)：替换

1.5 字符串 / 正则（base）#

  • paste(...), paste0(...)：拼接

  • sprintf(...)：格式化字符串

  • substr(x, start, stop)：截取子串

  • grep(pattern, x, value=TRUE)：匹配查找

  • gsub(pattern, repl, x)：替换

  • strsplit(x, split)：分割

1.6 类型转换#

  • as.numeric(), as.character(), as.integer(), as.factor()

  • as.Date(), as.POSIXct()

  • unlist(), as.list(), as.data.frame()

1.7 汇总统计 / 向量化#

  • mean(), median(), sd(), var(), quantile(), range()

  • sum(), min(), max()

  • tapply(x, group, FUN)：按组汇总（老牌但仍常用）

  • aggregate(x ~ g1 + g2, data=df, FUN)：按组汇总（data.frame 友好）

  • by(data, INDICES, FUN)：按组执行函数

  • apply(X, MARGIN, FUN)：矩阵按行/列

  • lapply(), sapply(), vapply()：列表/向量映射

  • mapply()：多参数映射

1.8 重新塑形（base）#

  • reshape()：宽长转换（不如 tidyverse 常用）

  • stack(), unstack()：简单宽长转换

2) tidyverse 通用（不止 dplyr）#

2.1 tibble（更好用的数据框）#

  • tibble::tibble(...)：建 tibble

  • tibble::as_tibble(x)：转 tibble

  • tibble::tribble(...)：手写小表（行方式）

2.2 readr（读写数据）#

  • readr::read_csv(), read_tsv(), read_delim()

  • readr::write_csv()

2.3 stringr（字符串）#

  • stringr::str_detect(x, pattern)：是否匹配

  • str_subset(x, pattern)：筛选匹配项

  • str_replace(), str_replace_all()

  • str_split()

  • str_extract()

  • str_trim()

  • str_to_lower(), str_to_upper()

2.4 lubridate（日期时间）#

  • ymd(), mdy(), dmy()

  • ymd_hms()

  • floor_date(), ceiling_date()

  • interval(), duration()

2.5 purrr（函数式/映射）#

  • purrr::map(), map_dbl(), map_chr(), map_df()

  • map2(), pmap()

  • walk()：只执行副作用不返回

  • possibly(), safely()：容错执行

2.6 tidyr（数据整形：非常常用）#

  • pivot_longer()：宽 → 长

  • pivot_wider()：长 → 宽

  • separate()：按分隔符拆列

  • unite()：合并多列为一列

  • separate_rows()：一格多值拆成多行

  • drop_na(), replace_na()

  • fill()：向下/向上填充缺失

  • nest(), unnest()：嵌套数据（建模常用）

2.7 forcats（因子）#

  • fct_relevel()：调整水平顺序

  • fct_reorder()：按数值重排水平（画图/汇总很常用）

  • fct_lump()：合并低频水平

3) dplyr 核心（你日常 80% 的操作）#

3.1 行/列操作（最常用五件套）#

  • select()：选列

    • select(starts_with("x")), ends_with(), contains(), matches()

  • filter()：筛行（条件筛选）

  • mutate()：新增/修改列

  • arrange()：排序

  • summarise()：汇总（常配合分组）

3.2 分组与汇总#

  • group_by(...)

  • summarise(...)

  • ungroup()

  • count(x, sort=TRUE)：快速计数（等价 group_by + summarise(n=n())）

  • n(), n_distinct()：组内计数/去重计数

  • across(cols, fns)：对多列批量计算（超级常用）

3.3 连接（join）#

  • left_join(x, y, by=...)

  • inner_join()

  • right_join()

  • full_join()

  • anti_join()：找 x 中没有匹配到 y 的

  • semi_join()：保留 x 中能匹配到 y 的（不带 y 的列）

3.4 组合 / 集合#

  • bind_rows(...), bind_cols(...)

  • distinct()：去重（行级）

  • union(), intersect(), setdiff()

3.5 排序/排名/窗口函数#

  • desc(x)：降序

  • slice_head(n=), slice_tail(), slice_sample()

  • slice_max(order_by, n=) / slice_min()

  • row_number(), min_rank(), dense_rank()

  • lag(), lead()：前后位移（时间序列常用）

  • cummean(), cumsum(), cummin(), cummax()

3.6 条件与缺失#

  • if_else(cond, a, b)：类型更严格，比 ifelse 更安全

  • case_when(...)：多条件映射（非常常用）

  • coalesce(x, y, z)：依次用非 NA 的值填充

3.7 其他高频#

  • rename(new = old)

  • relocate(col, .before=, .after=)

  • pull(col)：抽取一列成向量

  • everything()：选择全部列（select 辅助）

  • recode() / recode_factor()：值映射

4) 一套“最常用”的组合模板（你可以当写法套路）#

4.1 清洗 + 筛选 + 新列 + 汇总（标准 pipeline）#

df %>%
  filter(...) %>%
  mutate(...) %>%
  group_by(...) %>%
  summarise(...)

4.2 多列批量处理（across）#

df %>%
  summarise(across(where(is.numeric), ~mean(.x, na.rm = TRUE)))

4.3 宽长转换（pivot）#

long <- df %>% tidyr::pivot_longer(cols = -id, names_to = "feature", values_to = "value")
wide <- long %>% tidyr::pivot_wider(names_from = feature, values_from = value)

如果你愿意，我也可以把这份速查表 整理成“可打印 1 页版”（更像 cheatsheet），或者按你做的方向（例如 scRNA / 空间转录组）把例子换成：meta.data 清洗、marker 表处理、按 cluster 汇总比例、pivot_longer 转 “gene × cluster” 长表这种更贴你场景的版本。

R基础函数 Forward