第8讲：dplyr筛选与排序

数据分析与R语言

朱 奇

2026年09月22日

本讲导览

Data Wrangling with dplyr

本讲路线

• 一、复习导入 ——base R筛选数据框够直观吗？
• 二、管道符 ——把多个步骤串起来
• 三、arrange() ——排序
• 四、filter() ——筛选行
• 五、select() ——选择列
• 六、综合实战 ——串成一条流水线
• 七、课堂总结与Exit Ticket ——“动词化”的数据处理思维

今天是项目二“数据准备”第二课，数据沿用第 7 课那套（一键复现）。

开场：今天是项目二“数据准备”的第二课。数据继续沿用第 7 课现场生成的虚构公司数据（一键复现），今天学完 dplyr 这套“动词化”工具，大家会明显感到：处理数据框比 base R 直观得多。

课前小测

复习一下第6、7课的内容，热热身

小测（2选择 + 2填空）

1. 单选：对数据框按某一列排序，第6课学过的函数是？ A. sort()　B. order()　C. arrange()　D. filter()

2. 单选：用 RStudio Project（.Rproj）打开一个项目后，默认的工作目录是？ A. 上次退出R时的目录　B. 项目文件所在的文件夹　C. C盘根目录　D. 桌面

3. 填空：readr包读取CSV文件最常用的函数是 ____()

4. 填空：要加载readr包，应写作 ____

参考答案

• 1. B（order()）——arrange() 是 dplyr 里的排序函数，今天才学
• 2. B（项目文件所在的文件夹）——这也是RStudio Project最大的好处：不用再手动设置工作目录
• 3. read_csv()
• 4. library(readr)

一、复习导入与新课导论

base R筛选数据框够直观吗？

1.1 复习提问

第7课学的四个类型转换函数还记得几个？（as.numeric() / as.character() / as.factor() / as.Date()）

1.2 情境导入

回顾第2课的向量筛选：revenue[revenue > 130]——这是对一列数字做筛选。

但如果是一个完整的数据框（company_data，含公司名、营收、评级多列），想“筛选出营收超过1000亿元的公司，只看公司名和评级两列，并按营收从高到低排序”——第6课的df[df$revenue > 500, ]能做，但写起来比较绕。

dplyr 是 tidyverse 的核心包，提供一套“动词”函数：arrange()排序、filter()筛选行、select()选列、mutate()新增列、summarise()汇总（后两个下节课学）——：把 base R 的“手动挡”升级成 dplyr 的“自动挡”。

1.3 先把本讲要用的数据准备好

本讲全程用这份虚构财务数据（锦城科技系列）——先跑一遍。

library(dplyr)              # 本讲要用（含管道符 %>%）

company_data <- data.frame(
  company = c("锦城科技", "蜀汉制造", "天府物流", "青羊金融", "锦江生物", "浣花实业"),
  revenue = c(1200.5, 980, 1560.3, 760.2, 2100, 890.75),
  cost    = c(800, 650, 1020, 500, 1400, 600),
  rating  = c("A", "B", "A", "C", "A", "B"))
company_data

   company revenue cost rating
1 锦城科技    1200  800      A
2 蜀汉制造     980  650      B
3 天府物流    1560 1020      A
4 青羊金融     760  500      C
5 锦江生物    2100 1400      A
6 浣花实业     891  600      B

提醒学生：这份数据与第 7 课完全一致（set.seed(42) 保证每次生成都一样）。以后每次打开课件，都先跑这一页。6 家公司、4 列——company（公司名）、revenue（营收，亿元）、cost（成本）、rating（信用评级）；本讲的每一个例子都基于它，公司名写错一个字符，后面每一页的结果都对不上。

二、管道符——把多个步骤串起来

管道符是 dplyr 工作流的“粘合剂”

2.1 管道符：把左边的结果交给右边

提示

x %>% f() 等价于 f(x)；x %>% f(y) 等价于 f(x, y)——管道符把左边的结果，作为右边函数的第一个参数传进去。

指着图讲一句：数据从最左边流到最右边，所以代码可以"从上往下读"。这个"阅读方向"的改变，是 dplyr 工作流好用的根本原因。

2.2 一个最小例子

sqrt(16)        # 普通写法：先算16的平方根

[1] 4

16 %>% 
  sqrt()   # 管道写法：把16“传给”sqrt()

[1] 4

• 本课程统一用 %>%（magrittr 提供、dplyr 自动加载）。R 4.1+ 另有一个原生管道 |>，但部分学校机房的 R 版本较低、不支持 |>，所以我们一律用 %>%

2.3 为什么要用管道——从“从内往外读”到“从上往下读”

filter(select(company_data, company, revenue), revenue > 1000)   # 不用管道

   company revenue
1 锦城科技    1200
2 天府物流    1560
3 锦江生物    2100

company_data %>%   # 用管道
  select(company, revenue) %>%
  filter(revenue > 1000)

   company revenue
1 锦城科技    1200
2 天府物流    1560
3 锦江生物    2100

不用管道时，代码要“从内往外读”，步骤越多越绕；用管道后，代码“从上往下读”：拿到数据 → 选列 → 筛选，每一步做什么一目了然。指着两块输出让学生确认：结果一模一样，只是一个费劲、一个顺畅。

2.4 课堂练习

把 round(sqrt(15)) 改写成管道形式（提示：从最里层的 sqrt(15) 开始往外“传”）

三、arrange()——排序

arrange() 让数据框按某一列或几列的值重新排队

3.1 arrange() 是怎么排的

先让学生回答："下面这张表里，哪些数字的位置变了？"——答案：一个数字都没变，只是行换了位置。arrange() 不产生新数据，只重新排队。

3.2 升序：不写 desc() 就是从低到高

company_data %>% 
  arrange(revenue)          # 默认升序：营收从低到高

   company revenue cost rating
1 青羊金融     760  500      C
2 浣花实业     891  600      B
3 蜀汉制造     980  650      B
4 锦城科技    1200  800      A
5 天府物流    1560 1020      A
6 锦江生物    2100 1400      A

不写任何修饰就是从低到高——第一行是营收最低的青羊金融（760.2）。

对照上一页的图讲：这里没写任何修饰词，排出来就是升序。让学生用手指顺着 revenue 列自上而下扫一遍，确认数字确实越来越大。

3.3 降序：一定要记得加 desc()

company_data %>% 
  arrange(desc(revenue))    # 降序：营收从高到低

   company revenue cost rating
1 锦江生物    2100 1400      A
2 天府物流    1560 1020      A
3 锦城科技    1200  800      A
4 蜀汉制造     980  650      B
5 浣花实业     891  600      B
6 青羊金融     760  500      C

arrange() 默认是升序——很多同学第一反应以为是降序；想从高到低，一定要加 desc()。

最容易踩的坑。让学生对比上一页：同一份数据、同一个函数，只多了一个 desc()，顺序完全反过来——第一行换成营收最高的锦江生物（2100）。当场追问一句：如果忘了写 desc() 会怎样？

3.4 多变量排序

company_data %>% 
  arrange(rating, desc(revenue))  # 多列：先按评级排，同评级内按营收降序

   company revenue cost rating
1 锦江生物    2100 1400      A
2 天府物流    1560 1020      A
3 锦城科技    1200  800      A
4 蜀汉制造     980  650      B
5 浣花实业     891  600      B
6 青羊金融     760  500      C

多列排序时，条件从左到右依次作为主关键字、次关键字——先按评级分组，同一评级内再按营收从高到低排。

3.5 课堂练习：用真实数据集练习排序

1. 用 arrange() 对 R 内置数据集 mtcars 按 mpg（每加仑英里数）从高到低排序。
2. 用 arrange() 对 R 内置数据集 iris 先按 Species 排序，同一物种内再按 Sepal.Length 从高到低排序。

四、filter()——筛选行

filter() 是 dplyr 里使用频率最高的函数

4.1 filter() 是怎么筛的

深蓝的行"留下"，浅灰的行"被剔除"。强调一句：filter() 动的是行，不动列——这和后面 select() 动列，正好相反。

4.2 单条件筛选

company_data %>% 
  filter(revenue > 1000)   # 筛选营收超过1000（亿元）的公司

   company revenue cost rating
1 锦城科技    1200  800      A
2 天府物流    1560 1020      A
3 锦江生物    2100 1400      A

筛选逻辑和前面学的向量筛选一样，只是把对象从“一列数字”换成了“整个数据框”，条件写在逗号后面的参数里

4.3 &（且）与 |（或）：两种完全不同的逻辑

深蓝色块＝最后留下的行。让学生用手指比一下两张图里"留下的是哪一块"，再回到代码看结果条数。这是本讲最容易混淆的一页。

4.4 代码演示：同一个筛选，两种逻辑的差别

company_data %>% filter(revenue > 1000 & rating == "A")   # 且：都满足 → 3 家

   company revenue cost rating
1 锦城科技    1200  800      A
2 天府物流    1560 1020      A
3 锦江生物    2100 1400      A

company_data %>% filter(revenue > 1000 | rating == "B")   # 或：满足一个 → 5 家

   company revenue cost rating
1 锦城科技    1200  800      A
2 蜀汉制造     980  650      B
3 天府物流    1560 1020      A
4 锦江生物    2100 1400      A
5 浣花实业     891  600      B

对照上一页的韦恩图讲：深蓝色块就是留下来的行。上面“且”筛出 3 家，“或”筛出 5 家——逻辑不同、结果不同，写代码之前先想清楚业务上到底是“并且”还是“或者”。财务场景里这一条最容易错。

4.5 %in%——更简洁的多值匹配

# 等价的啰嗦写法：filter(rating == "A" | rating == "B")
company_data %>% 
  filter(rating %in% c("A", "B"))   # %in% 表示“属于”，一多就清爽

   company revenue cost rating
1 锦城科技    1200  800      A
2 蜀汉制造     980  650      B
3 天府物流    1560 1020      A
4 锦江生物    2100 1400      A
5 浣花实业     891  600      B

上一页的图已经给出等价关系：rating %in% c("A", "B") 就是 rating == "A" | rating == "B" 的简写。取值越多，%in% 越占便宜——要筛 5 个评级，| 得连写 5 遍。 课堂追问：筛出“评级为 A 且营收超过 800 亿”的公司，结果和只筛“评级为 A”一样吗？ 参考答案：

   company revenue cost rating
1 锦城科技    1200  800      A
2 天府物流    1560 1020      A
3 锦江生物    2100 1400      A

提示：三家 A 级公司（锦城科技、天府物流、锦江生物）营收都超过 800，所以结果与“评级为 A”完全一致——可借此提醒学生：条件写完先想一想，是不是有冗余。

4.6 课堂练习：用真实数据集练习筛选

用 R 内置数据集 airquality（1973年纽约每日空气质量观测）完成：

1. 筛选出 Temp（华氏温度）大于90的记录（单条件）
2. 筛选出 Month 等于7 且 Temp 大于85的记录（双条件“且”）
3. 筛选出 Month 等于6 或 Month 等于9的记录（双条件“或”）

五、select()——选择列

选列，为数据“瘦身”

5.1 select() 是怎么挑列的

和上一章的 filter() 正好对照：filter() 动行（整行进出），select() 动列（整列进出）。两个动词一个管"横"、一个管"纵"。

5.2 选列：只留下想要的

company_data %>% 
  select(company, revenue)     # 只保留公司名和营收两列

   company revenue
1 锦城科技    1200
2 蜀汉制造     980
3 天府物流    1560
4 青羊金融     760
5 锦江生物    2100
6 浣花实业     891

财务场景：原始数据常有几十列，某次分析只需要其中几列——select() 能快速给数据“瘦身”。

对照上一页的图：只有 company、revenue 两列是深蓝（保留），cost、rating 变成浅灰（丢弃）。行数一行没少——select() 只动列，不动行。

5.3 排除列：用减号去掉不要的

company_data %>% 
  select(-rating)              # 排除 rating，其余列全部保留

   company revenue cost
1 锦城科技    1200  800
2 蜀汉制造     980  650
3 天府物流    1560 1020
4 青羊金融     760  500
5 锦江生物    2100 1400
6 浣花实业     891  600

列多的时候，用 - 比把要保留的列名一个个列出来省事，也不怕漏列。

- 是“排除”的意思。让学生想一想：如果这份数据有 30 列、只想扔掉 1 列，是用 - 省事，还是把剩下 29 列的名字都写出来省事？这正是 select() 在财务场景里最常见的用法。

5.4 课堂练习：用真实数据集练习选列

用 R 内置数据集 mtcars 完成：

1. 选取 mpg、cyl、hp 三列（正向选择）
2. 排除 vs 和 am 两列，保留其余所有列（排除选择）
3. 选取并把列顺序调整为 gear、mpg、hp，其余列放最后（用 everything()）

5.5 课堂练习：三个动词综合运用

用一条管道完成：筛选出评级为A的公司 → 按营收从高到低排序 → 只保留公司名和营收两列

六、综合实战——串成一条流水线

把今天学的动词串成一条连贯的流水线

6.1 实战任务

模拟一份真实的财务分析任务：从 company_data 出发，完成——

1. 只保留公司名、营收、评级三列
2. 筛选出营收超过500亿元且评级为A的公司
3. 按营收从高到低排序
4. 用 write_csv() 导出结果（回顾第7课的导出）

提示

建议先用管道写一个“一气呵成”的版本，再用 base R 写一遍同样逻辑，对比两者的可读性。

6.2 参考实现

company_data %>%
  select(company, revenue, rating) %>%        # 第1步：选列
  filter(revenue > 500 & rating == "A") %>%   # 第2步：筛选
  arrange(desc(revenue))                      # 第3步：排序

   company revenue rating
1 锦江生物    2100      A
2 天府物流    1560      A
3 锦城科技    1200      A

每一步一个“动词”，代码本身就是操作说明书——这正是“代码即流程”的体现

6.3 课堂展示

现场邀请1-2名学生展示自己的管道写法与 base R 写法的对比

七、课堂总结与Exit Ticket

“动词化”的数据处理思维

7.1 本讲知识回顾

flowchart LR
    A["管道符<br/>把步骤串起来"] --> B["arrange()<br/>排序"]
    B --> C["filter()<br/>筛选行"]
    C --> D["select()<br/>选列瘦身"]
    D --> E["综合实战<br/>一条流水线"]

    style A fill:#1a3a5c,color:#fff
    style B fill:#2e5984,color:#fff
    style C fill:#7a4419,color:#fff
    style D fill:#375623,color:#fff
    style E fill:#6b3d8f,color:#fff

管道符（%>%）把数据传下去，arrange() 排序、filter() 筛选行、select() 选列——这就是 dplyr“动词化”工作的核心范式：数据从左流到右，每一步做什么清清楚楚

7.2 学习成果自查

对照一下，今天这几件事你都做到了吗？

• ✓ 能用管道符 %>% 把多个处理步骤串起来
• ✓ 能用 arrange() 排序（记得 desc() 降序）
• ✓ 能用 filter() 做单条件与多条件（&、|、%in%）筛选
• ✓ 能用 select() 选择、排除列或调整列顺序
• ✓ 能对比 dplyr 与 base R 写法的差异，体会“代码即流程”

提示

如果有没打勾的，下课后一定要找同学或老师补上，不要留到下一讲。

7.3 Exit Ticket —— 写给自己的三个问题

请花1分钟，在纸条或在线问卷上简要回答：

1. 管道符 %>% 改变了代码的“阅读方向”，具体是怎么变的？
2. arrange() 默认是升序还是降序？想要降序要加什么？
3. filter() 里 & 和 | 有什么区别？什么时候用 %in% 更合适？

课后作业

dplyr排序、筛选、选列综合练习

本次作业以《实验报告3》的形式布置，共8道题，全部基于R自带的 mtcars 数据集，无需读取任何外部文件：

• 排序（2题）：分别按单一变量、按两个变量（一升一降）排序
• 行筛选（3题）：单条件、双条件“且”、双条件“或”
• 列选择（3题）：正向选择、排除选择、选择并调整列顺序（第8题综合运用 select()、filter()、arrange() 三个动词）

提交要求

按《实验报告3》模板要求，在“实现代码”处和“效果截图”处粘贴运行结果截图，完成后提交该Word文档。

下讲预告

第9讲：数据变换与汇总——mutate()新增/修改列、group_by()分组、summarise()汇总统计

下讲内容

• mutate()：新增或修改列
• group_by() + summarise()：分组汇总统计
• 把今天学的筛选排序，变成更完整的数据处理流水线

提示

课前准备：保留好今天写的筛选排序代码，下节课会在这个基础上继续添加新的处理步骤。

谢谢！

第8讲：dplyr筛选与排序

"Good data analysis is about clear communication." 数据处理的每一步都应当清晰可读、有据可查——就像审计工作底稿逐步留痕。

朱 奇 ｜ 锦城大学 · 财会学院