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