R语言（入门小练习篇）

问题：

　　一组学生参加了数学、科学和英语考试。为了给所有的学生确定一个单一的成绩衡量指标，需要将这些科目的成绩组合起来。另外，还想将前20%的学生评定为A，接下来20%的学生评定为B，以此类推。最后，希望按字母顺序对学生排序。

Excel中的数据表（自己一个个敲的，最讨厌做的事情TT）

　　

StuId	StuName	Math	Science	English
1	John Davis	502	95	25
2	Angela Williams	465	67	12
3	Bull Jones	621	78	22
4	Cheryl Cushing	575	66	18
5	Reuven Ytzrhak	454	96	15
6	Joel Knox	634	89	30
7	Mary Rayburn	576	78	37
8	Greg England	421	56	12
9	Brad Tmac	599	68	22
10	Tracy Mcgrady	666	100	38

step1：输入数据——R语言导入xlsx

 #1数据输入
 install.packages("xlsx")
 library(xlsx)
 workbook<-"D:/R语言/code/R语言实战前五章小试身手/StuScore.xlsx"#也可用‘\\’注意转义字符
 StuScore<-read.xlsx(workbook,)#1表示sheet1
 StuScore

step2：数据预处理——将变量进行标准化

因为数学，科学和英语考试的分值不同（均值和标准差均有较大差异），在组合之前要让他们变得可以比较

方法：变量标准化，把每科成绩都用单位标准差表示

　　tips：

所谓数据的标准化是指中心化之后的数据在除以数据集的标准差，即数据集中的各项数据减去数据集的均值再除以数据集的标准差。
例如有数据集1, , , , ，其均值为3,其标准差为1.，那么标准化之后的数据集为(-)/1.87,(-)/1.87,(-)/1.87,(-)/1.87,(-)/1.87,即：-1.069,-0.535,,1.604,
 
数据中心化和标准化的意义是一样的，为了消除量纲对数据结构的影响。

　　这里使用scale()可以直接实现

 > #2数据预处理
 > options(digits=)#限定为2位小数
 > afterscale<-scale(StuScore[,:])
 > afterscale
        Math Science English
  [,] -0.58   1.040    0.20
  [,] -1.02  -0.815   -1.17
  [,]  0.82  -0.086   -0.12
  [,]  0.28  -0.881   -0.54
  [,] -1.15   1.106   -0.86
  [,]  0.98   0.643    0.73
  [,]  0.29  -0.086    1.47
  [,] -1.54  -1.544   -1.17
  [,]  0.56  -0.749   -0.12
 [,]  1.35   1.372    1.57
 attr(,"scaled:center")
    Math Science English 
 
 attr(,"scaled:scale")
    Math Science English
    84.7    15.1     9.5 

　　这里，有两个疑问：

　　1.说好的输出两位小数呢？Science那一栏输出的都是三位小数，怎么回事？

　　　　

　　2.这是什么东东？

1.  attr(,"scaled:center")
       Math Science English 
    
    attr(,"scaled:scale")
       Math Science English
       84.7    15.1     9.5

   scale方法中的两个参数center和scale的解释：
         1.center和scale默认为真,即T或者TRUE
         2.center为真表示数据中心化
         3.scale为真表示数据标准化

　　　也就是说：center表示一列数据的均值，scale则表示标准差（有兴趣的同学，可以用Excel的STDEV函数验证一下）

step3:通过函数mean()来计算各行的均值以及获得综合得分，并使用cbind()将其添加到花名册中

 > #3在afterscale中计算标准差均值，并将其添加到StuScore
 > score<-apply(afterscale,,mean)#1表示行，mean表示均值函数
 > StuScore<-cbind(StuScore,score)
 > StuScore
    StuId         StuName Math Science English score
             John Davis                0.22
        Angela Williams               -1.00
             Bull Jones                0.21
         Cheryl Cushing               -0.38
         Reuven Ytzrhak               -0.30
              Joel Knox                0.78
           Mary Rayburn                0.56
           Greg England               -1.42
              Brad Tmac               -0.10
        Tracy Mcgrady               1.43

Step4:函数quantile()给出学生综合得分的百分位数

　　quantile(x,probs):求分位数，其中x为待求分位数的数值型向量，probs为一个由[0,1]之间的概率值组成的数值向量

 > afterquantile<-quantile(score,c(.,.,.,.))
 > afterquantile
   %   %   %   %
  0.60  0.21 -0.18 -0.50 

step5：使用逻辑运算符，把score转为等级（离散型）

 > #5使用逻辑运算符，把score转为等级（离散型）
 > StuScore$grade[score>=afterquantile[]]<-"A"
 > StuScore$grade[score<afterquantile[]&&score>=afterquantile[]]<-"B"
 > StuScore$grade[score<afterquantile[]&&score>=afterquantile[]]<-"C"
 > StuScore$grade[score<afterquantile[]&&score>=afterquantile[]]<-"D"
 > StuScore$grade[score<afterquantile[]]<-"E"
 > StuScore
    StuId         StuName Math Science English score grade
             John Davis                0.22     B
        Angela Williams               -1.00     E
             Bull Jones                0.21     B
         Cheryl Cushing               -0.38     E
         Reuven Ytzrhak               -0.30     E
              Joel Knox                0.78     B
           Mary Rayburn                0.56     B
           Greg England               -1.42     E
              Brad Tmac               -0.10     E
        Tracy Mcgrady               1.43     B

Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字

 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字
 > name<-strsplit((StuScore$StuName)," ")
 Error in strsplit((StuScore$StuName), " ") : non-character argument
 > name
 [] "Jim"  "Tony" "Lisa" "Tom" 

　　这里出错了，原因很明确，没有字符型的参数传入，反应过来，原来是用execl导入的时候，StuName那一列默认的是什么类型的呢？我们来检测一下

 > is.numeric(StuScore$StuName)
 [] FALSE
 > is.logical(StuScore$StuName)
 [] FALSE
 > is.character(StuScore$StuName)
 [] FALSE
 > is.complex(StuScore$StuName)
 [] FALSE
 > help(type)
 > typeof(StuScore$StuName)
 [] "integer"

　　因此，我们把他改为字符型

 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字
 > StuScore$StuName<-as.character(StuScore$StuName)
 > is.character(StuScore$StuName)
 [] TRUE
 > name<-strsplit(StuScore$StuName," ")
 > name
 [[]]
 [] "John"  "Davis"
 
 [[]]
 [] "Angela"   "Williams"
 
 [[]]
 [] "Bull"  "Jones"
 
 [[]]
 [] "Cheryl"  "Cushing"
 
 [[]]
 [] "Reuven"  "Ytzrhak"
 
 [[]]
 [] "Joel" "Knox"
 
 [[]]
 [] "Mary"    "Rayburn"
 
 [[]]
 [] "Greg"    "England"
 
 [[]]
 [] "Brad" "Tmac"
 
 [[]]
 [] "Tracy"   "Mcgrady"

Step7：把name分成Firstname和LastName，加入到StuScore中

 > #7把name分成Firstname和LastName，加入到StuScore中
 > FirstName<-sapply(name,"[",)
 > LastName<-sapply(name,"[",)
 > StuScore<-cbind(FirstName,LastName,StuScore[,-])
 > StuScore
    FirstName LastName LastName         StuName Math Science English score grade
        John    Davis    Davis      John Davis                0.22     B
      Angela Williams Williams Angela Williams               -1.00     E
        Bull    Jones    Jones      Bull Jones                0.21     B
      Cheryl  Cushing  Cushing  Cheryl Cushing               -0.38     E
      Reuven  Ytzrhak  Ytzrhak  Reuven Ytzrhak               -0.30     E
        Joel     Knox     Knox       Joel Knox                0.78     B
        Mary  Rayburn  Rayburn    Mary Rayburn                0.56     B
        Greg  England  England    Greg England               -1.42     E
        Brad     Tmac     Tmac       Brad Tmac               -0.10     E
      Tracy  Mcgrady  Mcgrady   Tracy Mcgrady               1.43     B
 > 

Step8：order排序

 > #8order()排序
 > StuScore[order(LastName,FirstName),]
    FirstName LastName LastName         StuName Math Science English score grade
      Cheryl  Cushing  Cushing  Cheryl Cushing               -0.38     E
        John    Davis    Davis      John Davis                0.22     B
        Greg  England  England    Greg England               -1.42     E
        Bull    Jones    Jones      Bull Jones                0.21     B
        Joel     Knox     Knox       Joel Knox                0.78     B
      Tracy  Mcgrady  Mcgrady   Tracy Mcgrady               1.43     B
        Mary  Rayburn  Rayburn    Mary Rayburn                0.56     B
        Brad     Tmac     Tmac       Brad Tmac               -0.10     E
      Angela Williams Williams Angela Williams               -1.00     E
      Reuven  Ytzrhak  Ytzrhak  Reuven Ytzrhak               -0.30     E
 > 

　　虽然是照着书本上做的，但是，代码必须要自己敲一遍，过程中遇到的一些小问题也解决了，就算菜鸟简单入门。这样样例还可以继续拓展，把R语言实战前5章的内容尽可能用一边，可以绘制一些图，等等，本文还会继续更新。

为ScienceScore绘制条形图

　　根据不同的分数等级，显示不同的颜色。

 #为StuScore绘制分组条形图
 install.packages("vcd")
 library(vcd)
 fill_colors<-c()                            #不同的等级，不同的颜色显示
 for(i in 1:length(StuScore$Science)){
   if(StuScore$Science[i]==100){
     fill_colors<-c(fill_colors,"red")
   }else if(StuScore$Science[i]<100&&StuScore$Science[i]>=80){
     fill_colors<-c(fill_colors,"yellow")
   }else if(StuScore$Science[i]<80&&StuScore$Science[i]>=60){
     fill_colors<-c(fill_colors,"blue")
   }else{
     fill_colors<-c(fill_colors,"green")
   }
 }
 barplot(StuScore$Science,                            #条形图
         main="Science Score",
         xlab="Name",ylab="ScienceScore",
         col=fill_colors,
20         names.arg=(paste(substr(FirstName,1,1),".",LastName)),   #设定横坐标名称
         border=NA,                      #条形框不设置边界线
         font.main=4,
         font.lab=3,
         beside=TRUE)
 legend(x=8.8,y=100,                       #左上角点的坐标
     cex=.8,                                 #缩放比例
     inset=5,
     c("Excellent","Good","Ordinary","Bad"),
     pch=c(15,16,17,19),                       #图例中的符号
     col=c("red","yellow","blue","green"),
     bg="#821122",                          #背景色
     xpd=TRUE,                              #可以在绘图区之外显示
     text.font=8,
     text.width=.6,
     text.col=c("red","yellow","blue","green")
     )

遇到的问题说明：

　　起初在设置了20行的名称时，显示了全名，因此出现了一下情况：

　　　　因为名称太挤，显示不出来。

　　解决办法有三：

1. 保存img时，增大像素值；
2. 把名词改为简写，即John Davis——>J.Davis
3. 把名称倾斜，与水平线呈一定的夹角
4. 利用cex.names=.8对条形图的表情进行微调（减小字号）

　　由于3没有找到相应的设置参数，所以这里采用了第二种方法。

　　最后的效果图：