20171205(从有道迁移)
基本数据管理
-
创建新变量
- 格式:变量名←表达式,“表达式”部分可以包含多种运算符和函数
- 算术运算符可用于构造公式(formula)
运算符 描述 + 加 - 减 * 乘 / 除 ^或** 求幂 x%%y 求余(x mod y)。5%%2的结果为1 x%/%y 整数除法。5%/%2的结果为2 -
变量重编码
- 重编码涉及根据同一个变量和/或其他变量的现有值创建新值的过程。
- 将一个连续型变量修改为一组类别值;
- 将误编码的值替换为正确值;
- 基于一组分数线创建一个表示及格/不及格的变量。
- 要重编码数据,可以使用R中的一个或多个逻辑运算符,逻辑运算符
逻辑运算符 描述 < 小于 <= 小于或等于 > 大于 >= 大于或等于 == 严格等于* != 不等于 !x 非x x y x或y x & y X和y isTRUE(x) 测试x是否为TRUE - 重编码涉及根据同一个变量和/或其他变量的现有值创建新值的过程。
-
语句variable[condition] <- expression将仅在condition的值为TRUE时执行赋值
- 写法1:
ageType[age>=55 && age<75]<-"Middle Ages"
- 写法2,需要注意的是,在大括号里面,如果执行语句不换行的话,语句之间需要用逗号隔开
leadership <- within(leadership,{ageType=NA ageType[age > 85]<-"Elder" ageType[age>=55 && age<75]<-"Middle Ages" ageType[age<55]<-"Young"})
-
变量的重命名
- 调出可编辑窗口:fix(变量名)
- reshape包中有一个rename()函数,可用于修改变量名。rename()函数的使用格式为:rename(dataframe,c(oldname="newname",oldname="newname",...)
- 通过names()函数来重命名变量
names(leadership)[2] <- "testDate"
-
缺失值
- 缺失值以符号NA(Not Available,不可用)表示,缺失值被认为是不可比较的;
- 不可能出现的值(例如,被0除的结果)通过符号NaN(Not a Number,非数值)来表示;
- 检测缺失值函数:is.na(),该函数作用与一个对象时,函数结果返回一个相同大小的对象
- ==在分析过程中排除缺失值,多数的数值函数都拥有一个na.rm=TRUE选项,可以在计算之前移除缺失值并使用剩余值进行计算==
y <- sum(x,na.rm=TRUE)
- ==通过函数na.omit()移除所有含有缺失值的观测。na.omit()可以删除所有含有缺失数据的行==
newdata <- na.omit(leadership)
-
日期值
- 日期值通常以字符串的形式输入到R中,然后转化为以数值形式存储的日期变量;
- 函数as.Date()用于执行这种转化。其语法为as.Date(x, "input_format"),其中x是字符型数据,input_format则给出了用于读入日期的适当格式
- 日期格式
符号 含义 示例 %d 数字表示的日期(0~31) 01~31 %a 缩写的星期名 Mon %A 非缩写星期名 Monday %m 月份(00~12) 00~12 %b 缩写的月份 Jan %B 非缩写月份 January %y 两位数的年份 07 %Y 四位数的年份 2007 - 日期值的默认输入格式为yyyy-mm-dd
mydates <- c("01/05/1965","08/16/1975") strDates <- c("01/05/1965","08/16/1975") mydates2 <- as.Date(c,"%m/%d/%Y") ---使用mm/dd/yyyy的格式读取数据
- Sys.Date()可以返回当天的日期,而date()则返回当前的日期和时间
- 以使用函数format(x, format="output_format")来输出指定格式的日期值,并且可以提取日期值中的某些部分
today <- Sys.Date() format(today,format="%A %B %d %y")
- 在日期值上执行算术运算
- 使用函数difftime()来计算时间间隔,并以星期、天、时、分、秒来表示
chris <- as.Date("1985-04-02") difftime(today,chris,units="week") ---units应当是“auto”, “secs”, “mins”, “hours”, “days”, “weeks”其中的一个
- 将日期转换为字符型变量:
strDates <- as.character(mydates2)
-
类型转换
- 类型转换函数,名为is.datatype()这样的函数返回TRUE或FALSE,而as.datatype()这样的函数则将其参数转换为对应的类型
判断 转换 is.numeric() as.numeric() is.character() as.character() is.vector() as.vector() is.matrix() as.matrix() is.data.frame() as.data.frame() is.factor() as.factor() is.logical() as.logical() -
数据排序
- 使用order()函数对一个数据框进行排序。
- 默认的排序顺序是升序。
- 在排序变量的前边加一个减号即可得到降序的排序结果
newdata <- leadership[order(leadership$age),] newdata2 <- leadership[order(leadership$age,leadership$q1),] newdata3 <- leadership[order(leadership$age,-leadership$q1),]
-
数据集的合并
- 添加列
- 横向合并两个数据框(数据集),使用merge()函数
- 在多数情况下,两个数据框是通过一个或多个共有变量进行联结的(即一种内联结,inner join)。
total <- merge (dataframe1,dataframe2,by="id") total <- merge (dataframe1,dataframe2,by=c("id","country"))
- 如果要直接横向合并两个矩阵或数据框,并且不需要指定一个公共索引,那么可以直接使用cbind()函数:
total <- cbing(a,b)
- cbing()函数将横向合并对象A和对象B。为了让它正常工作,每个对象必须拥有相同的行数,且要以相同顺序排序。
- 添加行
- 要纵向合并两个数据框(数据集),使用rbind()函数
total <- rbing(a,b)
- 两个数据框必须拥有相同的变量,不过它们的顺序不必一定相同。
- 如果dataframeA中拥有dataframeB中没有的变量,请在合并它们之前做以下某种处理:
- 删除dataframeA中的多余变量;
- 在dataframeB中创建追加的变量并将其值设为NA(缺失)。
- 纵向联结通常用于向数据框中添加观测。
- 添加列
-
数据集取子集
- 选入(保留)变量:从一个大数据集中选择有限数量的变量来创建一个新的数据
- 数据框中的元素是通过dataframe[row indices, column indices]这样的记号来访问的。可以沿用这种方法来选择变量
- 使用paste()函数
- 剔除(丢弃)变量: 类似myvars <- names(leadership) %in% c("q3","q4")
- 选入观测:选入或剔除观测(行)通常是成功的数据准备和数据分析的一个关键方面
- subset函数:是选择变量和观测
newdata <- subset(leadership, age >= 35 | age < 24,select=c(q1, q2, q3, q4)) newdata <- subset(leadership, gender=="M" & age > 25,select=gender:q4)
- 随机抽样
- sample()函数能够从数据集中(有放回或无放回地)抽取大小为n的一个随机样本; sample()函数会返回随机抽样得到的元素,之后即可用于选择数据框中的行。
- 格式:
mysample <- leadership[sample[1:nrow(leadership),3,replace=FALSE],]
- sample()函数中的第一个参数是一个由要从中抽样的元素组成的向量。在这里,这个向量是1到数据框中观测的数量
- 第二个参数是要抽取的元素数量;
- 第三个参数表示无放回抽样。
- 使用 SQL 语句操作数据框,sqldf包
- 选入(保留)变量:从一个大数据集中选择有限数量的变量来创建一个新的数据
网友评论