R action 4

20171205（从有道迁移）

基本数据管理

1. 创建新变量

   1. 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
   2. 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

2. 变量重编码

   1. 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。
   2. 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

3. 语句variable[condition] <- expression将仅在condition的值为TRUE时执行赋值

   1. 写法1：

   ageType[age>=55 && age<75]<-"Middle Ages"
   

   2. 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"})
   

4. 变量的重命名

   1. 调出可编辑窗口：fix(变量名)
   2. 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",...)
   3. 通过names()函数来重命名变量

   names(leadership)[2] <- "testDate"
   

5. 缺失值

   1. 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；
   2. 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；
   3. 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
   4. ==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)
   

   5. ==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)
   

6. 日期值

   1. 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；
   2. 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
   3. 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

   4. 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
   
   

   5. Sys.Date()可以返回当天的日期，而date()则返回当前的日期和时间
   6. 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")
   

   7. 在日期值上执行算术运算
   8. 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
   
   

   9. 将日期转换为字符型变量:

   strDates <- as.character(mydates2)
   

7. 类型转换

   1. 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()

8. 数据排序

   1. 使用order()函数对一个数据框进行排序。
   2. 默认的排序顺序是升序。
   3. 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),]
   
   

9. 数据集的合并

   1. 添加列
      1. 横向合并两个数据框（数据集），使用merge()函数
      2. 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"))
      

      3. 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)
      

      4. 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。
   2. 添加行
      1. 要纵向合并两个数据框（数据集），使用rbind()函数

      total <- rbing(a,b)
      

      2. 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。
      3. 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）。
      4. 纵向联结通常用于向数据框中添加观测。

10. 数据集取子集

    1. 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
       1. 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
       2. 使用paste()函数
    2. 剔除（丢弃）变量： 类似myvars <- names(leadership) %in% c("q3","q4")
    3. 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
    4. 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)
    
    

    5. 随机抽样
       1. 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。
       2. 格式：

       mysample <- leadership[sample[1:nrow(leadership),3,replace=FALSE],]
       

       3. 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
       4. 第二个参数是要抽取的元素数量;
       5. 第三个参数表示无放回抽样。
    6. 使用 SQL 语句操作数据框,sqldf包