承揽下面文本，本部份将余下表达式如是说完备。
R&Python Data Science 系列产品：信息处理(1)
R&Python Data Science 系列产品：信息处理(2)
1 重构表达式这儿只如是说arrange()和rename()三个表达式。
1.1 arrange表达式
次序表达式，依照某（几）个选定的列依照升（降）序次序重新次序统计数据集，模块ascending = False，倒序次序，ascending = True，或边次序；
Python同时实现
from dfply import * import numpy as np import pandas as pd ###依照price或边次序 diamonds >> arrange(X.price, ascending = True) >> head(4)R同时实现
library(tidyverse) library(ggplot2) library(dplyr) ##依照price或边次序 diamonds %>% arrange(price) %>% head(4) ##依照price倒序次序 diamonds %>% arrange(desc(price)) %>% head(4)注意：Python次序顺序使用模块ascending控制；R语言中使用desc表达式；
1.2 rename表达式重命名表达式，Python和R语言中使用方法相同，new_name = old_name:
Python同时实现
###将cut重命名为 CUTdiamonds >> rename(CUT = X.cut) >> head(5)R同时实现
###将cut重命名为CUT diamonds %>% rename(CUT = cut) %>% head(5)2 汇总表达式
Python中汇总表达式主要有summarize()和summarize_each()表达式，这儿的”汇总”翻译成概括更加合适，summarize()和summarize_each(）区别在于：对某（几）列作用三个表达式，summarize()需要三个表达式依次作用于对应的列，而summarize_each(）将三个表达式以列表形式作为第一个模块，作用于后面的列：
Python同时实现
###计算钻石价格price的最大值、最小值 diamonds >> summarize(price_max = X.price.max(), price_min = X.price.min()) >> head(4)R同时实现
##计算钻石价格price的最大值、最小值 diamonds %>% summarise(price_max = max(price), price_min=min(price)) ###计算钻石x、y、z的最大值、最小值 diamonds %>% select(x, y, z) %>% summarise_all(list(min, max))注意：R语言中没有summarise_each()，但是summarise_all()有相同的处理方式。
3 窗口表达式窗口表达式，是对某列操作，返回长度相同的一列，主要包括排名表达式、偏移表达式、累计聚合表达式。
3.1 排名表达式Python中排名表达式主要有row_number()、min_rank()、dense_rank()，R语言也是这个3个表达式，表达式名都是相同的，用法也完全相同。在某种分组次序规则之后，row_number()生成一个连续不重复的编码，min_rank()生成一个不连续的编码，但是对相同的记录编码相同，而dense_rank()生成一个连续的编码，相同记录有相同的编码：
Python同时实现
##新增一列次序,row_number diamonds >> select(X.price) >> mutate(price_rn = row_number(X.price)) >> head(6)R同时实现
#新增一列次序,row_number diamonds %>% select(price) %>% mutate(price_rn = row_number(price)) %>% head(6)#新增一列次序,min_rankdiamonds %>% select(price) %>% mutate(price_mrank = min_rank(price)) %>% head(6)#新增一列次序,dense_rankdiamonds %>% select(price) %>% mutate(price_drank = dense_rank(price)) %>% head(6)3.2 偏移表达式
三个偏移表达式lead()和lag()：
lead(column,n)：依照某种分组次序规则之后,向下取某列统计数据的第n行记录lag(column,n)：依照某种分组次序规则之后,向上取某列统计数据的第n行记录
Python同时实现
(diamonds >> arrange(X.price) >> select(X.price) >> mutate(price_lead1 = lead(X.price,1), price_lead2 = lead(X.price,2), price_lag1 = lag(X.price,1), price_lag2 = lag(X.price,2)) >> head(5))R同时实现
diamonds %>% arrange(price) %>% select(price) %>% mutate(price_lead1 = lead(price,1), price_lead2 = lead(price,2), price_lag1 = lag(price,1), price_lag2 = lag(price,2)) %>% head(5)3.3 累计聚合表达式累计聚合表达式主要包括cumsum()、cummean()、cummax()、cummin()以及cumprod()，都是在某种次序规则下，表达式作用于第一行记录，结果记在第一行，表达式作用于前两行记录，结果记录在第二行，表达式作用于前三行记录，结果记录在第三行…
Python同时实现
(diamonds >> select(X.price) >> head(6) >>mutate(price_cumsum = cumsum(X.price), price_cummean = cummean(X.price), price_cummax = cummax(X.price), price_cummin = cummin(X.price), price_cumprod = cumprod(X.price)))R同时实现
diamonds %>% select(price) %>% head(6) %>% mutate(price_cumsum = cumsum(price), price_cummean = cummean(price), price_cummax = cummax(price), price_cummin = cummin(price), price_cumprod = cumprod(price))4 聚合表达式
聚合表达式是对某一列统计数据，使用分组表达式和次序表达式进行处理之后（可以省略），使用聚合表达式，返回一个值。主要有first()、last()、nth()、n()以及n_distinct()：
first(column)：依照某种规则分组次序后（可选），取第一行统计数据记录
last(column)：依照某种规则分组次序后（可选），取最后一行统计数据记录
nth(column，n)：依照某种规则分组次序后（可选），取第n行的记录
n()：依照某种规则分组次序后（可选），count计数，不去重
n_distinct()：依照某种规则分组次序后（可选），count计数，去重
Python同时实现
##聚合表达式 (diamonds >> head(6) >> select(X.price) >> summarise(price_first = first(X.price), price_last = last(X.price),price_nthprice = nth(X.price,3), price_n = n(X.price), price_disn = n_distinct(X.price)))R同时实现
#聚合表达式 diamonds %>% head(6) %>% select(price) %>% summarise(price_first = first(price), price_last = last(price), price_nthprice = nth(price,3), price_n = n(), price_disn = n_distinct(price))注意：Python中n()表达式需要传入模块，R中不需要传入模块；Python中输出列依照字段名称升序次序，R中输出的列依照书写顺序输出。
5 总结
信息处理1-3，主要如是说了Python中dfply和R中dplyr包中的信息处理表达式，几乎满足统计数据预处理中筛选变量、衍生变量以及计算一些统计量的需求。
