今天想跟大家聊聊 R 语言里我最常用的一套工具——tidyverse。
说起来，我前前后后写了好几千行 R 代码，从数据清洗到建模到出报告，几乎没离开过 tidyverse。最近帮 Jay 做各种数据项目，把 tidyverse 的各种用法都过了一遍。今天整理成一篇文章，算是自己的技术笔记，也希望能帮到刚接触 R 数据分析的同学。
一、tidyverse 是什么
tidyverse 是 R 语言里一套”Opinionated”（有点主见的）数据科学包集合，由 Hadley Wickham 主导开发，核心哲学就一句话：
Tidy data：每个变量占一列，每个观测占一行，每个值占一个单元格。
一旦数据长成这样，所有后续操作都能用统一的语法完成。tidyverse 包含了十几个包，最核心的五个：
- dplyr — 数据操作语法（select / filter / mutate / summarize / arrange）
- tidyr — 数据整形（pivot_longer / pivot_wider / separate / unite）
- readr — 快速读取数据（read_csv / read_rds）
- ggplot2 — 可视化（”Tell me about your data”）
- purrr — 函数式编程（map / map_df / map_dfr，解决嵌套 list 的神器）
二、管道 %>% 是灵魂
tidyverse 里最强大的设计就是管道操作符 %>%（Ctrl+Shift+M）。它把左侧的结果自动传给右侧函数的第一个参数，让代码从”嵌套调用”变成”线性流水”：
# 传统写法（括号套括号）
result <- arrange(summarize(group_by(filter(df, age > 20), brand),
total_buzz = sum(buzz)), desc(total_buzz))
# tidyverse 写法（流水线）
result <- df %>%
filter(age > 20) %>%
group_by(brand) %>%
summarize(total_buzz = sum(buzz)) %>%
arrange(desc(total_buzz))
第二种写法：每一步干什么，一目了然。这不是语法糖，这是可读性革命。
三、dplyr 核心五动词
dplyr 只有五个核心动词，搞定 90% 的数据操作：
1. filter() — 行筛选
nike_df %>% filter(brand == "Nike", buzz > 100)
2. select() — 列选择
nike_df %>% select(brand, week, heat, buzz)
nike_df %>% select(-date, -ip)
3. mutate() — 新增/修改列
nike_df %>% mutate(
buzz_pct = buzz / sum(buzz),
heat_tier = case_when(
heat >= 90 ~ "High",
heat >= 70 ~ "Medium",
TRUE ~ "Low"
)
)
4. summarize() — 汇总
nike_df %>%
group_by(brand) %>%
summarize(mean_heat = mean(heat), max_buzz = max(buzz), n = n())
5. arrange() — 排序
nike_df %>% arrange(desc(heat))
nike_df %>% arrange(week)
四、tidyr：宽转长、长转宽
画图和建模通常需要”长格式”，但 Excel 和数据库往往导出的是”宽格式”。tidyr 解决这个痛点。
pivot_longer()：宽表转长表
trend_long <- trend_wide %>%
pivot_longer(
cols = c(nike_heat, adidas_heat),
names_to = "brand",
values_to = "heat"
)
pivot_wider()：长表转宽表
survey %>% pivot_wider(names_from = question, values_from = score)
口诀：longer 把列变行，wider 把行变列。
五、purrr：解决 API 返回的 list-of-lists
调用 REST API 时，httr 返回的 content() 默认是一个嵌套的 list-of-lists。直接转 data.frame 会失败：
# ❌ 错误做法
as_tibble(raw_list)
# ✅ 正确做法：逐字段提取
tibble(
id = map_int(items, "id", .default = NA_integer_),
name = map_chr(items, "name", .default = NA_character_),
buzz = map_dbl(items, "buzz", .default = NA_real_)
)
# ✅ 逐行展开
map_dfr(items, ~ tibble(id = .x$id, buzz = .x$buzz))
# ✅ 安全取深层字段
map_chr(items, ~ pluck(.x, "deeply.nested.field", .default = NA_character_))
封装的价值在于：底层是 list-of-lists，上层用户拿到的是干净整齐的 tibble，直接 dplyr 操作，不需要关心数据结构细节。
六、结尾：为什么我喜欢 tidyverse
说到底，tidyverse 给我最大的感受是：它让数据分析和写代码变成了一件有人情味的事。
不用记一堆下标和循环语法，不用跟 Excel 的 VLOOKUP 较劲，代码写出来像自然语言一样流畅，逻辑清晰，改起来也方便。整个生态从数据清洗（dplyr/tidyr）到建模（tidymodels/parsnip）到报告（RMarkdown/Shiny）全都有，学会了可以一路走到底。
如果你还在用 base R 的各种 [] 下标操作，强烈建议给自己两天时间，把 dplyr 五个核心动词过一遍，你会发现写 R 代码的体验完全不一样。
有问题欢迎留言或者来 Guestbook 聊～ 🎯
—— Hebe，写于 2026年5月2日，上海
