R语言基础（三）-数据处理常用操作

目录

1. 判断
2. 循环
3. 定义函数
4. 常用操作
   4.1 列联表
   4.2 合并数据集
   4.3 取数据的子集

1.判断

括号不要搞混了

x = 2
if(x<2) {
  print("Hello")
} else if(x<5) {
  print("Hi")
} else {
  print("Bye")
}

2.循环

#计算10以内所有偶数的和
sum = 0
for(i in 1:10) {
  if(i%%2==0) {
    sum = sum +i
    print(sum)
  }
}
输出：
[1] 2
[1] 6
[1] 12
[1] 20
[1] 30

计算30以内的所有正树的积，但积不许超过300

y=1
i=1
while (i<30) {
  if(y*i>300) {
    break
  } else {
    y = y*i
    i=i+1
    print(y)
  }
}
输出：
[1] 1
[1] 2
[1] 6
[1] 24
[1] 120

3.定义函数

#定义函数
calcu = function(x,dire, method = mean) {
  y = apply(x, dire, method)
  return(y)
}
calcu(mat,1)
calcu(mat,1,method = sum)

报错了

 Error in get(as.character(FUN), mode = "function", envir = envir) : 
  没有状态为"function"的"method"目标对象 

因为之前的方法中有了一个变量的名字叫做sum，所以再用的时候，sum表示的是一个之前得到的数值。
有两种方法解决：

calcu(mat,1,method = 'sum') #加上引号
rm(sum) #或者先把这个值线去掉
calcu(mat,1,method = sum) #然后再使用这个sum

4.常用操作

使用泰坦尼克号的训练数据来练一下手，数据请到kaggle的比赛页面下载。

> info = read.csv('/Users/huanghuaixian/code/ML/kaggle/code/lecture01/Feature_engineering_and_model_tuning/Kaggle_Titanic/train.csv',sep=',',header = T) 
> View(info)

4.1 列联表

> table(info$Survived) #查看一下数据样本的类型分布

  0   1 
549 342 

> s_p = table(info[,c(2,3)])
> View(s_p)

貌似这样子看不太好看

> s_p
        Pclass
Survived   1   2   3
       0  80  97 372
       1 136  87 119

这样子看更加明显，看他们同时出现的频率是多少。

如果我们想知道在Pclass的三个仓位中，获得生存的占比，可以输出它们的百分号。

#输出百分号
percent_get = function(x) {
  sum = sum(x)
  x = round(x/sum,digits = 3)
  x = paste(x*100,"%",sep = "") #在小数后面加上%
  return(x)
}

apply(s_p,2,percent_get)
      Pclass
       1     2       3      
  [1,] "37%" "52.7%" "75.8%"
  [2,] "63%" "47.3%" "24.2%"

但是这样的到的数值都是字符串了，如果想要再进行运算就不行了。所以这种操作只适合用于观看，而且不能做成图。

4.2 合并数据集

> info_test = read.csv('/Users/huanghuaixian/code/ML/kaggle/code/lecture01/Feature_engineering_and_model_tuning/Kaggle_Titanic/test.csv',sep=',',header = T) #把测试集也读取进来
> dim(info) #训练数据维数
[1] 891  12
> dim(info_test) #测试数据维数
[1] 418  11
> all_data = merge(info_test,info,all.y = T) #通过列名来合并
> dim(all_data)
[1] 891  12
> all_data1 = merge(info_test,info,all.x = T) #通过行索引合并，因为测试数据只有418，故合并之后也只有418
> dim(all_data1)
[1] 418  12

4.3 取数据的子集

> cla1 = subset(all_data,all_data$Survived==1)[-12] #取生存的人的样本，同时去掉Survived这一列，因为它都是1
> cal0 = subset(all_data,all_data$Survived==0)[-12]
> View(cla1)
> dim(cla1)
[1] 342  11

未完待续