R语言学习笔记（4）
第四章：基本数据管理
一 贯穿整章的示例
二 变量的创建、重编码和重命名
三 日期值与缺失值
四 数据类型和类型转换
五 数据集的排序、合并与取子集
一 贯穿整章的示例（leadership）
代码4-1
1 > manager<-c(,,,,)
> date<-c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")
> country<-c("us","us","uk","uk","uk")
> gender<-c("m","f","f","m","f")
> age<-c(,,,,)
> q1<-c(,,,,)
> q2<-c(,,,,)
> q3<-c(,,,,)
> q4<-c(,,,NA,)
> q5<-c(,,,NA,)
> leadership<-data.frame(manager,date,country,gender,age,
+ q1,q2,q3,q4,q5,stringsAsFactors = FALSE)
> leadership
manager date country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
// uk m NA NA
// uk f
二 变量的创建、重编码与重命名
变量的创建
假设有一个数据框mydata，其中有两变量x1和x2，现想创建一个新变量sumx存储这两变量的和，并创建一个新变量meanx存储这两变量的均值，若使用下面代码中的1与2会出错，原因是R不知道x1和x2是来自数据框data，而应用代码3和4
1 >sum<-x1+x2
>meanx<-(x1+x2)/2 > meanx<-(mydata$x1+mydata$x2) #这样得到的是独立的变量
>meanx<-(mydata$x1+mydata$x2)/
创建新变量
代码4-2
方法一：
1 > mydata<-data.frame(x1<-c(,,,),
+ x2<-c(,,,))
> sumx<-mydata$x1+mydata$x2
> meanx<-(mydata$x1+mydata$x2)/
> sumx
[]
> meanx
[] 2.5 3.0 4.0 6.0
方法二：
1 > attach(mydata)
> mydata$sumx<-x1+x2
> mydata$meanx<-(x1+x2)/
> mydata$sumx
[]
> mydata$meanx
[] 2.5 3.0 4.0 6.0
方法三
1 >mydata<-transform(mydata,
sumx<-x1+x2,
meanx<-(x1+x2)/)
变量重编码
逻辑运算
小于（<） 小于或等于（<=） 大于（>） 大于或等于（>=） 严格等于（==）
不等于（!=） 非x （!x） x或y（x|y） x和y（x&y） 测试x是否为TRUE（isTRUE(x)）
语句variable[condition] <- expression将仅在condition的值为TRUE时执行赋值
1 > leadership$agecat[leadership$age<]<-"Young"
> leadership$age[leadership$age==""] <- NA
> leadership$agecat[leadership$age>]<-"Elder"
> leadership$agecat[leadership$age>= &
+ leadership$age<=]<-"Middle Aged"
> leadership$agecat[leadership$age<]<-"Young"
> leadership
manager date country gender age q1 q2 q3 q4 q5 agecat
// us m Young
// us f Young
// uk f Young
// uk m NA NA Young
// uk f NA <NA>
或
> leadership<-within(leadership,{
+ agecat<-NA # 每句后面不能有逗号
+ agecat[age>] <-"Elder"
+ agecat[age>= & age <=]<-"Middle Aged"
+ agecat[age<] <-"Young"})
> leadership
manager date country gender age q1 q2 q3 q4 q5 agecat
// us m Young
// us f Young
// uk f Young
// uk m NA NA Young
// uk f Elder
函数within和函数with类似，不同的是它允许你修改数据框
变量重命名
方法一：fix（leadership）
方法二：rename（dataframe，c（oldname=“newname”，oldname=“newname”，....）
方法三：names（）
法一：
1 > leaderhip
manager date country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
// uk m NA NA
// uk f
> fix(leaderhip) # 注意括号是英文括号，不是中文括号
> leaderhip
managerID date country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
// uk m NA NA
// uk f 1
法二:
1 > leaderhip<-rename(leaderhip,
+ c(managerID="manager",date="testDate"))
> leaderhip
manager testDate country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
// uk m NA NA
// uk f
法三：
1 > names(leaderhip)
[] "manager" "testDate" "country" "gender" "age" "q1"
[] "q2" "q3" "q4" "q5"
> names(leaderhip)[]<-"managerID"
> leaderhip
managerID testDate country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
// uk m NA NA
// uk f
三 日期值与缺失值
日期值
日期通常以字符串的形式输入到R中，然后转化为数值形式存储的日期变量，函数as.Date()用于执行这种转化，其语法为as.Date(x, "input_format"),其中x是字符型数据，input_format则是读入日期的适当格式。
%d 数字表示的日期（0~31） 例如01~31
%a 缩写的星期名 例如Mon
%A 非缩写的星期名 例如Monday
%m 月份（00~12） 例如00~12
%b 缩写的月份 例如Jan
%B 非缩写的月份 例如January
%y 两位数的年份 例如07
%Y 四位数的年份 例如2007
默认的日期格式为yyyy-mm-dd，语句为：
>mydates<-as.Date(c("2015-09-24","2015-09-25"))
>mydates
[] "2015-09-24" "2015-09-25
格式转化
1 >strDates<-c("24/09/2015","25/09/2015")
>dates<-as.Date(strDates,"%d/%m/%Y")# 注意 输入的日期转化为对应的日期，其次这里的Y是大写的，
如果这里y小写的话，会出现输出结果时间不对。
注意要加斜杠
>dates
[] "2015-09-24" "2015-09-25"
例子：
1 >leadership
> manager date country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
// uk m NA NA
// uk f
>leadership$date
[] "10/24/08" "10/28/08" "10/1/08" "10/12/08" "5/1/09"
>myformat<-"%m/%d/%y"
>leadership$date<-as.Date(leadership$date,myformat)# 为什么这个格式不用加斜杠也行，而上面那个要加 斜杠
>leadership
manager date country gender age q1 q2 q3 q4 q5
-- us m
-- us f
-- uk f
-- uk m NA NA
-- uk f
当前日期
Sys.Date()--返回今天的日期
date（）--返回当前日期和时间
1 >Sys.Date()
[] "2015-09-23"
>date() # 他人：这种方法返回的是字符串类型
[] "Wed Sep 23 22:55:26 2015"
>today<-Sys.Date()
>format(today,format="%B %d %Y") # 格式化当前日期
[] "九月 24 2015"
>format(today,format="%A")
[] "星期四"
两日期相减
1 >startdate<-as.Date("2014-09-24")
>enddate<-as.Date("2015-09-24")
>days<-enddate-startdate
>days
Time difference of days
用difftime()来计算时间间隔，并以星期（weeks），天（days），时（hours），分（minutes），秒（seconds）来表示。
1 > today<-Sys.Date()
> wujiadong<-as.Date("1991-10-07")
> difftime(today,wujiadong,units = "weeks")
Time difference of 1250.429 weeks
此外：利用函数 strDates<-character(date) 可已经两日期变量转成成字符型变量.
help(as.Date) and help(strftime)查看与日期和时间相关的函数
相关包：lubridate
缺失值
1 识别缺失值is.na()
1 > y<-c(,,,NA)
> is.na(y)
[] FALSE FALSE FALSE TRUE
代码4-3
1 > is.na(leaderhip[,:])
q1 q2 q3 q4 q5
FALSE FALSE FALSE FALSE FALSE
FALSE FALSE FALSE FALSE FALSE
FALSE FALSE FALSE FALSE FALSE
FALSE FALSE FALSE TRUE TRUE
FALSE FALSE FALSE FALSE FALSE
2 重编码某些值为缺失值
1 > leaderhip$age[leaderhip$age==]<-NA
> leaderhip$age
[] NA
3 在分析中去除缺失值
1 > x<-c(,,NA,)
> y<-x[]+x[]+x[]+x[]
> sumx<-y
> sumx
[] NA#因有缺失值
> x<-c(,,NA,)
> y<-sum(x,na.rm=TRUE)#去除x中的缺失值 # na.rm（）删除缺失值
> y
[]
> leaderhip
managerID testDate country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
// uk m NA NA
// uk f NA
> newdata<-na.omit(leaderhip) # na.omit()删除带有缺失值的行
> newdata
managerID testDate country gender age q1 q2 q3 q4 q5
// us m
// us f
// uk f
四 数据类型与类型转换
ls.numerica() --as.numerica()
is.character()--as.character()
is.vector()--as.vector()
is.matrix()--as.matrix()
is.data.frame()--as.data.frame()
is.factor()--as.factor()
is.logical()--as.logical()
is.datatype()--返回结果是TRUE或FALSE
> a<-c(,,)
> a
[]
> is.numeric(a)
[] TRUE
> is.vector(a)
[] TRUE
> a<-as.character(a)
> a
[] "" "" ""
> is.numeric(a)
[] FALSE
> is.vector(a)
[] TRUE
> is.character(a)
[] TRUE
五 数据集的排序、合并与取子集
数据集的排序
> newdata<-leadership[order(leadership$age),]
> newdata
manager date country gender age q1 q2 q3 q4 q5
-- uk f
-- us m
-- uk m NA NA
-- us f
-- uk f
attach(leadership)
> newdata<-leadership[order(gender,age),]
> newdata
manager date country gender age q1 q2 q3 q4 q5
-- uk f
-- us f
-- uk f
-- us m
-- uk m NA NA
> newdata<-leadership[order(gender,-age),]
> newdata
manager date country gender age q1 q2 q3 q4 q5
-- uk f
-- us f
-- uk f
-- uk m NA NA
-- us m
数据集的合并（向数据框中添加列（变量）和行（观测））
添加列
要横向合并两个数据框（数据集），请使用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），例如：
total<-merge(dataframeA,dataframeB,by="ID") # 按照ID进行了合并
or
total<-merge(dataframeA,dataframeB,by=c("ID","Country")) # 按照ID和Country进行了合并
or
total<-cbind(A,B) # 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
# 每个对象必须拥有相同的行数，且要有相同顺序排序。
添加行
rbind()--纵向合并两个数据框
total<-rbind(dataframeA,dataframeB) # 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。若dataframeA中有dataframeB中没有的变量，则做一下处理：
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）
数据集取子集
选入变量
1 >newdata<-leadership[,c(:)]
> newdata
q1 q2 q3 q4 q5 NA NA
剔除变量
方法一：
1 > myvars<-names(leadership)%in%c("q3","q4") 解释：(1) names(leadership)生成了一个包含所有变量名的字符型向量
> newdata<-leadership[!myvars] (2) names(leadership) %in% c("q3", "q4")返回了一个逻辑型向量，names(leadership)
> newdata 中每个 匹配q3或q4的元素的值为TRUE，反之为FALSE
manager date country gender age q1 q2 q5 (3) 运算符非（!）将逻辑值反转
-- us m 5 (4) leadership[c(TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FALSE, FALSE,
-- us f 5 TRUE)]选择了逻辑值为TRUE的列，于是q3和q4被剔除了
-- uk f 2
-- uk m NA
-- uk f
方法二：
1 >newdata<-leadership[c(-,-)]
> newdata
manager date country gender age q1 q2 q5
-- us m
-- us f
-- uk f
-- uk m NA
-- uk f
方法三：
1 leadership$q3<-leadership$q4<-NULL
> leadership
manager date country gender age q1 q2 q5
-- us m
-- us f
-- uk f
-- uk m NA
-- uk f
subset（）函数
1 > newdata<-subset(leadership,age>=|age<,
+ select = c(q1,q2,q3,q4))
> newdata
q1 q2 q3 q4 NA
> newdata<-subset(leadership,gender=="m" & age>,
+ select = gender:q4)
> newdata
gender age q1 q2 q3 q4
m
m NA
随机抽样
1 > mysample<-leadership[sample(:nrow(leadership),,
+ replace=FALSE),]
> mysample
manager date country gender age q1 q2 q3 q4 q5
// uk m NA NA
// uk f
// us f
使用sql语句操作数据框
R语言学习笔记（4）的更多相关文章
- R语言学习笔记之: 论如何正确把EXCEL文件喂给R处理
博客总目录:http://www.cnblogs.com/weibaar/p/4507801.html ---- 前言: 应用背景兼吐槽 继续延续之前每个月至少一次更新博客,归纳总结学习心得好习惯. ...
- R语言学习笔记（二）
今天主要学习了两个统计学的基本概念:峰度和偏度,并且用R语言来描述. > vars<-c("mpg","hp","wt") &g ...
- R语言学习笔记：小试R环境
买了三本R语言的书,同时使用来学习R语言,粗略翻下来感觉第一本最好: <R语言编程艺术>The Art of R Programming <R语言初学者使用>A Beginne ...
- R语言学习笔记：基础知识
1.数据分析金字塔 2.[文件]-[改变工作目录] 3.[程序包]-[设定CRAN镜像] [程序包]-[安装程序包] 4.向量 c() 例:x=c(2,5,8,3,5,9) 例:x=c(1:100) ...
- R语言学习笔记——C#中如何使用R语言setwd()函数
在R语言编译器中,设置当前工作文件夹可以用setwd()函数. > setwd("e://桌面//")> setwd("e:\桌面\")> s ...
- R语言学习笔记-机器学习1-3章
在折腾完爬虫还有一些感兴趣的内容后,我最近在看用R语言进行简单机器学习的知识,主要参考了<机器学习-实用案例解析>这本书. 这本书是目前市面少有的,纯粹以R语言为基础讲解的机器学习知识,书 ...
- R语言学习笔记（一）
1.不同的行业对数据集(即表格)的行和列称谓不同,统计学家称其为观测(observation)和变量(variable): 2.R语言存储数据的结构: ①向量:类似于C语言里的一位数组,执行组合功能的 ...
- R语言学习笔记
向量化的函数 向量化的函数 ifelse/which/where/any/all/cumsum/cumprod/对于矩阵而言,可以使用rowSums/colSums.对于“穷举所有组合问题" ...
- R语言学习笔记-变量的作用域
R语言是如何将变量值和变量绑定的 在r语言中,当前的 workspace就是global enviroment,当输入变量名时,首先会在global enviroment中搜索该变量,如有,则将它显示 ...
- R语言学习笔记：分析学生的考试成绩
孩子上初中时拿到过全年级一次考试所有科目的考试成绩表,正好可以用于R语言的统计分析学习.为了不泄漏孩子的姓名,就用学号代替了,感兴趣可以下载测试数据进行练习. num class chn math e ...
随机推荐
- 利用Lucene将被索引文件目录中的所有文件建立索引
1.新建两个文件夹htm和index,其中htm中存放被索引的文件,index文件中存放建立的索引文件. 2.新建解析目录中所有文件的类,用来解析指定目录下的所有文件. import java.io. ...
- 第二篇：尽可能使用 const
前言 const 关键字是常量修辞符,如果要告知编译器某个变量在程序中不会发生改变,则可将其声明为 const. 但,对 const 关键字的认识不能仅仅停留在这一层 - 它提供了很多更强大的功能. ...
- JS中的动态合集与静态合集
JS的动态合集 前言 DOM是JavaScript重要组成部分,在DOM中有三个特别的集合分别是NodeList(节点的集合),NamedNodeMap(元素属性的集合)和HTMLCollection ...
- Ants(二分图最佳完美匹配)
Ants Time Limit: 5000MS Memory Limit: 65536K Total Submissions: 6904 Accepted: 2164 Special Ju ...
- EasyGBS国标流媒体视频平台接入海康、大华、宇视的摄像机、硬盘录像机NVR、国标下级平台的方案
在上一篇<EasyNVR和EasyDSS云平台联手都不能解决的事情,只有国标GB28181能解决了>我们大致介绍了国标GB/T28181的使用场景,而且初步介绍了EasyGBS国标视频平台 ...
- 微信小程序开发遇见的问题之一
在开发的时候,因为要定位到当前的城市,而小程序提供的API只是能够获取当前的经纬度,所以我们需要通过接入百度地图的API.调接口的时候发现报错,说域名不合法,此时千万不要着急,只要你登录你的微信开发公 ...
- JavaScript函数setInterval()和setTimeout()正确的写法
一.常规写法 1.1 不传参数 function a (x, y) { var i = 0; var b = function(){ console.log((x * y) + (i++)); } r ...
- JavaScript跳出iframe框架
一.window.top top属性返回最顶层的先辈窗口. 该属性返回对一个顶级窗口的只读引用.如果窗口本身就是一个顶级窗口,top属性存放对窗口自身的引用.如果窗口是一个框架,那么top属性引用包含 ...
- ajax异步请求分页显示
html代码: <!DOCTYPE html> <html lang="en"> <head> <meta charset=&qu ...
- （3.2）mysqldump之备份单个表及脚本批量备份
单库单表备份通用格式 mysqldump -uroot -p123456 test1 char_1>/opt/mysql_test1_char1.sql 分析:这里test1是库名,char_ ...