【R语言学习笔记】13、R的高级数据管理

本文参考整理自:https://www.cnblogs.com/jackjoin/p/8878199.html


1. 数据的处理函数

1.1 数学函数

【R语言学习笔记】13、R的高级数据管理_第1张图片

1.2 统计函数

【R语言学习笔记】13、R的高级数据管理_第2张图片

1.3 概率函数

【R语言学习笔记】13、R的高级数据管理_第3张图片

#绘制正太分布曲线
x<-pretty(c(-3,3),30)
y<-dnorm(x)
plot(x,y,type="l",xlab="Normal Deviate",ylab="Density",yaxs="i")

【R语言学习笔记】13、R的高级数据管理_第4张图片

1.4 字符处理函数

【R语言学习笔记】13、R的高级数据管理_第5张图片
【R语言学习笔记】13、R的高级数据管理_第6张图片

a<-5
sqrt(a)
[1] 2.24
b<-c(1.243,5.654,2.99)
round(b)
[1] 1 6 3
c<-matrix(runif(12),nrow=3)
c
[,1]  [,2]  [,3]  [,4]
[1,] 0.9636 0.216 0.289 0.913
[2,] 0.2068 0.240 0.804 0.353
[3,] 0.0862 0.197 0.378 0.931
log(c)
[,1]  [,2]   [,3]    [,4]
[1,] -0.0371 -1.53 -1.241 -0.0912
[2,] -1.5762 -1.43 -0.218 -1.0402
[3,] -2.4511 -1.62 -0.972 -0.0710
mean(c)
[1] 0.465
#apply()函数的应用
apply(x,MARGIN,FUN,……)
x为数据对象,margin是维度的下标,FUN为自己制定的函数
mydata<-matrix(rnorm(30),nrow=6)
mydata
[,1]   [,2]   [,3]   [,4]   [,5]
[1,]  0.459  1.203  1.234  0.591 -0.281
[2,] -1.261  0.769 -1.891 -0.435  0.812
[3,] -0.527  0.238 -0.223 -0.251 -0.208
[4,] -0.557 -1.415  0.768 -0.926  1.451
[5,] -0.374  2.934  0.388  1.087  0.841
[6,] -0.604  0.935  0.609 -1.944 -0.866
#计算每行的平均值
apply(mydata,1,mean)
[1]  0.641 -0.401 -0.194 -0.136  0.975 -0.374
#计算每列的平均值
apply(mydata,2, mean)
[1] -0.478  0.777  0.148 -0.313  0.292
#计算每行的结尾均值
apply(mydata,2,mean,trim=0.2)
[1] -0.516  0.786  0.386 -0.255  0.291

数据处理难题的解决方案

#限定输出的小数点后的数字的位数为2
options(digits=2)
Student<-c("John Davis","Angela Williams","Bullwinkle Moose","David Jones","Janice Markhammer","Cheryl Cushing","Reuven Ytzrhak","Greg Knox","Joel England","Joel England")
Math<-c(502,600,412,538,512,492,410,625,573,522)
Science<-c(95,99,80,82,75,85,80,95,89,86)
English<-c(25,22,18,15,20,28,15,30,27,18)
roster<-data.frame(Student,Math,Science,English)
#将变量标准化
z<-scale(roster[,2:4])
#输出的结果为:
Math Science English
[1,] -0.234   1.078   0.587
[2,]  1.145   1.591   0.037
[3,] -1.500  -0.847  -0.697
[4,]  0.273  -0.590  -1.247
[5,] -0.093  -1.489  -0.330
[6,] -0.374  -0.205   1.137
[7,] -1.528  -0.847  -1.247
[8,]  1.497   1.078   1.504
[9,]  0.765   0.308   0.954
[10,]  0.048  -0.077  -0.697
#求各行的平均值
score<-apply(z,1,mean)
#将平均值放到花名册中
roster<-cbind(roster,score)
#寻找成绩的分界点
y<-quantile(score,c(0.8,0.6,0.4,0.2))
roster$grade[score>=y[1]]<-"A"
roster$grade[score=y[2]]<-"B"
roster$grade[score=y[3]]<-"C"
roster$grade[score=y[4]]<-"D"
#拆分字符串
name<-strsplit((roster$Student)," ")
#提取拆分的字符串
Lastname<-sapply(name, "[",2)
Firstname<-sapply(name, "[",1)
#将拆分的字符串添加到花名册中,并删除name
roster<-cbind(Firstname,Lastname,roster[,-1])
roster<-roster[order(Lastname,Firstname),]
roster
#输出结果
Student Math Science English score grade
        John Davis  502      95      25  0.48     B
   Angela Williams  600      99      22  0.92     A
  Bullwinkle Moose  412      80      18 -1.01  
       David Jones  538      82      15 -0.52     D
 Janice Markhammer  512      75      20 -0.64     D
    Cheryl Cushing  492      85      28  0.19     C
    Reuven Ytzrhak  410      80      15 -1.21  
         Greg Knox  625      95      30  1.36     A
      Joel England  573      89      27  0.68     B
     Joel England  522      86      18 -0.24     C

1.5 其他实用函数

书上的函数有length():获取向量或数组的长度
seq():生成一个数组序列,如seq(1,10,2):生成从1-10之间的数,每次递增2
rep(1:3, 3):将1-3重复生成3次
cut()、pretty()、cat()函数。

1.6 将函数应用于矩阵和数据框

就在说apply()函数,写一下:

apply(X, MARGIN, FUN, ...)	#对阵列行或者列使用函数
#X是一个数组、矩阵或者数据框
#MARGIN 1或者2 表示行或者列
#FUN是作用于每一行或列的函数
#如果FUN是R中的函数,函数名称后面接着加参数就行
#如果是自己编的就自己编好了,这个函数用的很多

apply {base}
通过对数组或者矩阵的一个维度使用函数生成值得列表或者数组、向量。
apply(X, MARGIN, FUN, …)
X 阵列,包括矩阵
MARGIN 1表示矩阵行,2表示矩阵列,也可以是c(1,2)
例:

> xxx<-matrix(1:20,ncol=4)
> apply(xxx,1,mean)
[1]  8.5  9.5 10.5 11.5 12.5
> apply(xxx,2,mean)
[1]  3  8 13 18
> xxx
     [,1] [,2] [,3] [,4]
[1,]    1    6   11   16
[2,]    2    7   12   17
[3,]    3    8   13   18
[4,]    4    9   14   19
[5,]    5   10   15   20

lapply 和 sapply 是应用在list上的函数。

  • lapply {base}
    通过对x的每一个元素运用函数,生成一个与元素个数相同的值列表
    lapply(X, FUN, …)
    X表示一个向量或者表达式对象,其余对象将被通过as.list强制转换为list
    例:
> x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
> x
$a
 [1]  1  2  3  4  5  6  7  8  9 10
$beta
[1]  0.04978707  0.13533528  0.36787944  1.00000000  2.71828183  7.38905610
[7] 20.08553692
$logic
[1]  TRUE FALSE FALSE  TRUE
> lapply(x,mean)
$a
[1] 5.5
$beta
[1] 4.535125
$logic
[1] 0.5
  • sapply {base}
    这是一个用户友好版本,是lapply函数的包装版。该函数返回值为向量、矩阵,如果simplify=”array”,且合适的情况下,将会通过simplify2array()函数转换为阵列。sapply(x, f, simplify=FALSE, USE.NAMES=FALSE)返回的值与lapply(x,f)是一致的。
    sapply(X, FUN, …, simplify = TRUE, USE.NAMES = TRUE)
    X表示一个向量或者表达式对象,其余对象将被通过as.list强制转换为list
    simplify 逻辑值或者字符串,如果可以,结果应该被简化为向量、矩阵或者高维数组。必须是命名的,不能是简写。默认值是TRUE,若合适将会返回一个向量或者矩阵。如果simplify=”array”,结果将返回一个阵列。
    USE.NAMES 逻辑值,如果为TRUE,且x没有被命名,则对x进行命名。
    例:
> sapply(k, paste,USE.NAMES=FALSE,1:5,sep="...")
     [,1]    [,2]    [,3]  
[1,] "a...1" "b...1" "c...1"
[2,] "a...2" "b...2" "c...2"
[3,] "a...3" "b...3" "c...3"
[4,] "a...4" "b...4" "c...4"
[5,] "a...5" "b...5" "c...5"
> sapply(k, paste,USE.NAMES=TRUE,1:5,sep="...")
     a       b       c     
[1,] "a...1" "b...1" "c...1"
[2,] "a...2" "b...2" "c...2"
[3,] "a...3" "b...3" "c...3"
[4,] "a...4" "b...4" "c...4"
[5,] "a...5" "b...5" "c...5"
> sapply(k, paste,USE.NAMES=TRUE,1:5,sep="...",simplyfy=TRUE)
     a              b              c            
[1,] "a...1...TRUE" "b...1...TRUE" "c...1...TRUE"
[2,] "a...2...TRUE" "b...2...TRUE" "c...2...TRUE"
[3,] "a...3...TRUE" "b...3...TRUE" "c...3...TRUE"
[4,] "a...4...TRUE" "b...4...TRUE" "c...4...TRUE"
[5,] "a...5...TRUE" "b...5...TRUE" "c...5...TRUE"
> sapply(k, paste,simplify=TRUE,USE.NAMES=TRUE,1:5,sep="...")
     a       b       c     
[1,] "a...1" "b...1" "c...1"
[2,] "a...2" "b...2" "c...2"
[3,] "a...3" "b...3" "c...3"
[4,] "a...4" "b...4" "c...4"
[5,] "a...5" "b...5" "c...5"
> sapply(k, paste,simplify=FALSE,USE.NAMES=TRUE,1:5,sep="...")
$a
[1] "a...1" "a...2" "a...3" "a...4" "a...5"
$b
[1] "b...1" "b...2" "b...3" "b...4" "b...5"
$c
[1] "c...1" "c...2" "c...3" "c...4" "c...5"

2. 控制流

2.1 重复和循环

for和while格式:
for(i in c(1:10)) {expr}
while(cond) {expr}
例:

> for(i in 1:5) print("Hello")
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"
[1] "Hello"

> x <- 3
> while(x > 0) {print("Hello");x <- x-1}
[1] "Hello"
[1] "Hello"
[1] "Hello"

注意:尽量避免循环,尽量使用R内置函数,比如apply族函数。

2.2 条件执行

  • 语句(statement)是一条单独的R语句或者一组符合的语句(包含在花括号{}中的一组R语句,使用分号分隔)

  • 条件(cond)是一条最终被解释为真或假的表达式

  • 表达式(expr)是一天数值或字符串的求值语句

  • 序列(seq)是一个数值或字符串序列

  • if-else结构

格式:

if(cond)
  statement1
else
  statement2

示例:

> x <- 1
> if(x !=1) print("male") else print("female")
[1] "female"
  • ifelse结构

格式:ifelse(cond, statement1, statement2)
示例:

> ifelse(x>1, print("male"), print("female"))
[1] "female"
[1] "female"
  • switch结构

格式:

switch(expr,...)
#这里的expr是判断条件,后面的...是对应expr的不同情况的执行情况

示例:

> feeling <- c("sad", "afraid")
> for(i in feeling)
+ print(switch(i, happy="I am glad", afraid="fear", sad="cheer up"))
[1] "cheer up"
[1] "fear"

如果i是happy,就输出I am glad,如果i是afraid,就输出fear,如果i是sad,就输出cheer up。

#for循环重复执行一个语句,直到某个变量的值不再包含在序列seq中为止。
for(var in seq) statement
for(i in 1:10) print("Hello")
#单词Hello被输出了10次

#while结构
#while循环从重复地执行一个语句,直到条件不为真为止。
while(cond) statement
i<-10
while(i>0){print("Hello");i<-i-1}

#if-else结构
#控制结构if-else在某个给定条件为真时执行语句。也可以同时在条件为假时执行另一条语句。
if(cond) statement
if(cond) statement1 else statement2
if(is.character(grade)) grade<-as.factor(grade)
if(!is.factor(grade)) grade<-as.factor(grade) else print("Grade already is a factor")
#ifelse结构是if-else结构比较紧凑的向量画版本
ifelse(cond,statement1,statement2)
ifelse(score>0.5,print("Passed"),print("Failed"))
#switch根据一个表达式的值选择语句执行
switch(expr,……)
feelings<-c("sad","afraid")
feelings<-c("sad","afraid")
for(i in feelings)
  print(
    switch(i,
           happy="I am glad you are happy",
           afraid="There is nothing to fear",
           sad="Cheer up",
           angry="Calm down now"
           )
  )
[1] "Cheer up"
[1] "There is nothing to fear"

2.3 用户自定义函数

格式:

#函数的基本结构
myfunction<-function(arg1,arg2,……){
  statements
  return(object)
}

#函数实例
#函数实例

mystats<-function(x,parametric=TRUE,print=FALSE){
  if(parametric){
    center<-mean(x);
    spread<-sd(x)
  }else{
    center<-median(x);
    spread<-mad(x)
  }
  if(print¶metric){
    cat("Mean=",center,"\n","SD=",spread,"\n")
  }else if(print&!parametric){
    cat("Median=",center,"\n","MAD=",spread,"\n")
  }
  result<-list(center=center,spread=spread)
  return(result)
}
set.seed(1234)
x

3. 整合和重构

#数据集的转置
> cars<-mtcars[1:5,1:4]
> cars
                   mpg cyl disp  hp
Mazda RX4         21.0   6  160 110
Mazda RX4 Wag     21.0   6  160 110
Datsun 710        22.8   4  108  93
Hornet 4 Drive    21.4   6  258 110
Hornet Sportabout 18.7   8  360 175
> #利用t()函数转置
> t(cars)
     Mazda RX4 Mazda RX4 Wag Datsun 710 Hornet 4 Drive Hornet Sportabout
mpg         21            21       22.8           21.4              18.7
cyl          6             6        4.0            6.0               8.0
disp       160           160      108.0          258.0             360.0
hp         110           110       93.0          110.0             175.0
#数据集的整合
> options(digits=3)
> attach(mtcars)
> aggdata<-aggregate(mtcars,by=list(cyl,gear),FUN=mean,na.rm=TRUE)
> aggdata
  Group.1 Group.2  mpg cyl disp  hp drat   wt qsec  vs   am gear carb
1       4       3 21.5   4  120  97 3.70 2.46 20.0 1.0 0.00    3 1.00
2       6       3 19.8   6  242 108 2.92 3.34 19.8 1.0 0.00    3 1.00
3       8       3 15.1   8  358 194 3.12 4.10 17.1 0.0 0.00    3 3.08
4       4       4 26.9   4  103  76 4.11 2.38 19.6 1.0 0.75    4 1.50
5       6       4 19.8   6  164 116 3.91 3.09 17.7 0.5 0.50    4 4.00
6       4       5 28.2   4  108 102 4.10 1.83 16.8 0.5 1.00    5 2.00
7       6       5 19.7   6  145 175 3.62 2.77 15.5 0.0 1.00    5 6.00
8       8       5 15.4   8  326 300 3.88 3.37 14.6 0.0 1.00    5 6.00

在结果中,Group.1表示气缸数量(4,6,8),Group.2代表档位数(3,4,5)。举例来说,拥有4个气缸和3个档位车型的每加仑汽油行驶英里数均值为21.5

重构和整合数据集的万能工具-reshape2

ID<-c(1,1,2,2)
Time<-c(1,2,1,2)
X1<-c(5,3,6,2)
X2<-c(6,5,1,4)
mydata<-data.frame(ID,Time,X1,X2)
mydata
#输出结果为
ID Time X1 X2
 1    1  5  6
 1    2  3  5
 2    1  6  1
 2    2  2  4

library(reshape2)
md<-melt(mydata,id=c("ID","Time"))
md
#输出结果
ID Time variable value
 1    1       X1     5
 1    2       X1     3
 2    1       X1     6
 2    2       X1     2
 1    1       X2     6
 1    2       X2     5
 2    1       X2     1
 2    2       X2     4
#执行整合
dcast(md,ID~variable,mean)
ID X1  X2
 1  4 5.5
 2  4 2.5
dcast(md,Time~variable,mean)
Time  X1  X2
   1 5.5 3.5
   2 2.5 4.5
dcast(md,ID~Time,mean)
ID   1 2
 1 5.5 4
 2 3.5 3
dcast(md,ID+Time~variable)
ID Time X1 X2
 1    1  5  6
 1    2  3  5
 2    1  6  1
 2    2  2  4
dcast(md,ID+variable~Time)
ID variable 1 2
 1       X1 5 3
 1       X2 6 5
 2       X1 6 2
 2       X2 1 4
dcast(md,ID~variable+Time)
ID X1_1 X1_2 X2_1 X2_2
 1    5    3    6    5
 2    6    2    1    4

你可能感兴趣的:(R语言学习笔记)