《R语言实战》读书笔记--第五章 高级数据管理

本章内容:

数学和统计函数

字符处理函数

循环和条件执行

自编函数

数据整合与重塑

5.1一个数据处理难题

5.2数值和字符处理函数

分为数值函数和字符串函数,下面是数学函数截图:

《R语言实战》读书笔记--第五章 高级数据管理_第1张图片

《R语言实战》读书笔记--第五章 高级数据管理_第2张图片

ceiling、floor、trunc、signif函数第一次听说,是一些数位函数的处理函数。注意log是以e为底的。当上面的函数用在向量、矩阵、数据框时,单独用于每一个独立的值。

5.2.2统计函数

举个例子:mean函数

mean(x, trim = 0, na.rm = FALSE, ...)
#trim参数表示将多少比例的最大和最小数去掉

下面是一些统计函数截图:

《R语言实战》读书笔记--第五章 高级数据管理_第3张图片

下面补充一下统计知识:

sd函数,值得注意sd函数除的是维数 n-1.

mad函数:中位数绝对偏差

mad(x, center = median(x), constant = 1.4826, na.rm = FALSE,
    low = FALSE, high = FALSE)
#The actual value calculated is constant * cMedian(abs(x - center)) with the default value of center being median(x), and cMedian being the usual, the ‘low’ or ‘high’ median, see the arguments description for low and high above.

The default constant = 1.4826 (approximately 1/ Φ^(-1)(3/4) = 1/qnorm(3/4)) ensures consistency, i.e.,

E[mad(X_1,…,X_n)] = σ

for X_i distributed as N(μ, σ^2) and large n.

quantile函数,求分位数的函数。

range函数:值域函数,返回一个对象的最大最小值。

diff函数:

diff(x, lag = 1, differences = 1, ...)
#这个函数返回后面的值减去前面的值的结果,x是一个数值向量或者矩阵,lag是间隔几个
#求差,differences表明做几层的差,比如,如果为2,则做一次差以后的返回值再进行一次
#作差

scale函数:

scale(x, center = TRUE, scale = TRUE)
#这个函数是将一个数值矩阵的每一列进行中心化(center)或者标准化(scale)
#center和scale参数也可以是一个与列数相同向量,分别为自己规定的center和scale

中心化是将数据减去均值,标准化是将数据中心化以后再除标准差。书上的标准化说的是错的,scale函数不是默认0均值,1标准差,而是具体数值的mean和sd。

5.2.3概率函数

首先是概率函数中的几个含义:

d:density(密度)
p:distribution function(分布函数)
q:quantile function(分位数函数)
r:生成随机数(随机偏差)

常见的概率分布函数:

《R语言实战》读书笔记--第五章 高级数据管理_第4张图片

再来一次,d表示密度,p是分布函数,q是分位数函数r是随机生成.

pretty函数:
pretty(x, n = 5, min.n = n %/% 3,  shrink.sml = 0.75,
       high.u.bias = 1.5, u5.bias = .5 + 1.5*high.u.bias,
       eps.correct = 0, ...)
#稍后解释

1.设置随机数种子

每次生成随机数的时候,函数会使用不同的种子,因此产生不同的结果.使用种子设置是为了产生可重复的随机数.

函数set.seed:

2.生成多元正态数据

利用MASS包中的mvrnorm函数可以生成多元正态数据,

mvrnorm(n = 1, mu, Sigma, tol = 1e-6, empirical = FALSE, EISPACK = FALSE)
#n是维数,mu是均值向量,Sigma是协方差矩阵,empirical 若是TRUE,
#则是指定的mu和Sigma
Sigma <- matrix(c(10,3,3,2),2,2)
var(mvrnorm(n = 1000, rep(0, 2), Sigma))
var(mvrnorm(n = 1000, rep(0, 2), Sigma, empirical = TRUE))
 
结果:
          [,1]     [,2]
[1,] 10.783732 3.280442
[2,]  3.280442 2.063448
     [,1] [,2]
[1,]   10    3
[2,]    3    2

5.2.4字符串处理函数

见截图:

《R语言实战》读书笔记--第五章 高级数据管理_第5张图片

《R语言实战》读书笔记--第五章 高级数据管理_第6张图片

nchar函数返回向量中每一个字符串的长度,参数中有关于处理NA的参数,keepNA = TRUE,则返回的结果中保留NA,否则返回2(NA的长度).

substr:注意在更改的时候,每个个体值字符的长度是不变的,不管你的赋值是多少个;赋的少了,只改赋的那部分,长了,只是修改跟自己原来长度一样的部分。

grep函数:

grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE,
     fixed = FALSE, useBytes = FALSE, invert = FALSE)

grepl(pattern, x, ignore.case = FALSE, perl = FALSE,
      fixed = FALSE, useBytes = FALSE)

sub(pattern, replacement, x, ignore.case = FALSE, perl = FALSE,
    fixed = FALSE, useBytes = FALSE)

gsub(pattern, replacement, x, ignore.case = FALSE, perl = FALSE,
     fixed = FALSE, useBytes = FALSE)

regexpr(pattern, text, ignore.case = FALSE, perl = FALSE,
        fixed = FALSE, useBytes = FALSE)

gregexpr(pattern, text, ignore.case = FALSE, perl = FALSE,
         fixed = FALSE, useBytes = FALSE)

regexec(pattern, text, ignore.case = FALSE,
        fixed = FALSE, useBytes = FALSE)
#这是一组函数,看一下参数说明:
#1、pattern:字符或者正则表达式
#2、x,text:被匹配的字符向量
#3、igno.case:默认的FALSE表示大小写敏感,TRUE为不敏感
#4、perl:若为TRUE,表示应用Perl的正则表达式规则
#5、value:默认为F表示返回下标或者逻辑值,若为T,返回字符串
#6fixed:若为TRUE,则不用正则表达式,直接字符串匹配
#7、useBytes:默认F按照字符查找,若为T,按照字节查找,注意中文查找这个参数有用
#8、invert:F则为正常查找,若为T则查找pattern的补集
#9、replacement:sub和gsub函数中,表示替换的字符

grep返回的是下标,grepl返回的是逻辑值。
sub和gsub必须有replacem参数,其次:
sub("A",x = c('a','AA'),replacement = 'asd')和gsub("A",x = c('a','AA'),replacement = 'asd')的区别在于,sub只是替换第一个匹配的字符,gsub是替换所有的匹配字符。
结果为:
[1] "a"    "asdA"和
[1] "a"      "asdasd"
 
下面是剩余三个函数的例子:
转自:http://blog.sina.com.cn/s/blog_69ffa1f90101sie9.html
regexpr、gregexpr、regexec这三个函数返回的结果包含了匹配的具体位置和字符串长度信息,可以用于字符串的提取操作。
text <- c("Hellow, Adam!", "Hi, Adam!", "How are you, Adam.") 
regexpr("Adam", text)
## [1] 9 5 14 ## attr(,"match.length") ## [1] 4 4 4 ## attr(,"useBytes") ## [1] TRUE
gregexpr("Adam", text)
## [[1]] 
## [1] 9
## attr(,"match.length")
## [1] 4 ## attr(,"useBytes")
## [1] TRUE ## ## [[2]] ## [1] 5
## attr(,"match.length")
## [1] 4
## attr(,"useBytes")
## [1] TRUE
## ## [[3]]
## [1] 14
## attr(,"match.length")
## [1] 4
## attr(,"useBytes")
## [1] TRUE
regexec("Adam", text)
## [[1]]
## [1] 9
## attr(,"match.length")
## [1] 4
## ## [[2]]
## [1] 5
## attr(,"match.length")
## [1] 4
## ## [[3]]
## [1] 14
## attr(,"match.length")
## [1] 4

strsplit函数:

strsplit(x, split, fixed = FALSE, perl = FALSE, useBytes = FALSE)
#在split处分割x,返回一个列表,split不会包含在任何一个列表元素中
#若为空,则按照单个字符进行分割

unlist函数可以去列表化,形成向量。

sapply函数:

sapply(strsplit(c('abcdef'),split='b'),"[")

上面的语句返回的是一个2行1列的矩阵!sapply函数是将一个函数应用到一个向量或者expression上相关的有apply等。

sapply(x, f, simplify = FALSE, USE.NAMES = FALSE)
#x是一个向量或者一个expression,f是函数
#simplify是说是否将返回的列表转换为比较简单的
#向量、矩阵、高维数组,USE.NAMES是说如果
#x是字符,那么返回的结果的名字就用x中的值

‘[’是一个运算符,《R语言编程艺术》中讲到过回去翻。

paste函数:

paste (..., sep = " ", collapse = NULL)
#sep 用来设置用什么来连接;
#若合并的字符串向量大于1,则collapse用来设置
#用什么将向量中所有字符连接起来,且只接收一个字符

paste('x',1:2,sep = '')和paste('x',1:2,sep = '',collapse = c('ABC'))

结果为:[1] "x1" "x2"和[1] "x1ABCx2"

下面是几个字符串转变函数:

chartr(old, new, x)
tolower(x)
toupper(x)
casefold(x, upper = FALSE)
#chartr 是将x中old转换为new
#tolower  转换为小写
#toupper 转换为大写
#casefold Splus兼容包

5.2.5其他实用函数

书上的函数有length、seq、rep、cut、pretty、cat函数,cut在第四章写过,下面写pretty和cat。

pretty:

pretty(x, n = 5, min.n = n %/% 3,  shrink.sml = 0.75,
       high.u.bias = 1.5, u5.bias = .5 + 1.5*high.u.bias,
       eps.correct = 0, ...)
#pretty用来创建美观的分割点
#这个函数不是规定n等于几,就会分几个间隔,有他
#自己的设定方式

cat:

cat(... , file = "", sep = " ", fill = FALSE, labels = NULL,
    append = FALSE)
#是一个输出函数,远比print表现少很多
#cat将很多参数连接起来输出,每两个连接起来的参数之间自动加上空格
#file是说可以存储到一个文件中,后面的append是设置是覆盖还是添加
#sep是一个字符向量,跟在连接元素的后面
#fill控制是否打印空行,如果为FALSE,则碰到'\n'才会打印,若为TRUE,则
#根据默认宽度换行;labels 当fill为TRUE时才有意义,是打印出的行的名称

5.2.6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, ...)
#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

lapply 和 sapply 是应用在list上的函数。

一组函数:

lapply(X, FUN, ...)  #返回一个列表

sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE) #与lapply基本相同

vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE) #与sapply相同,但是可以预设返回值类型

replicate(n, expr, simplify = "array") #sapply的封装,多次应用,随机数

simplify2array(x, higher = TRUE)

#X是一个向量、单值或者列表或者expression对象
#FUN是作用在X每个元素上的函数
#simplity 逻辑值 表示是否把结果转换为向量矩阵等
#USE.NAMES 是否将结果的名字设置为原X的值
#FUN.VALUE 设置函数FUN返回值类型
#n 重复的次数
#expr 重复执行的命令
#x 一个列表,通常是 lapply 的返回值
#higher 是否返回为高维数组,否的话是矩阵
下面的总结来自: http://blog.sina.com.cn/s/blog_403aa80a010174dj.html
 
apply
Apply Functions Over Array Margins
对阵列行或者列使用函数
apply(X, MARGIN, FUN, ...)
lapply
Apply a Function over a List or Vector
对列表或者向量使用函数
lapply(X, FUN, ...)
sapply
Apply a Function over a List or Vector
对列表或者向量使用函数
sapply(X, FUN, ..., simplify = TRUE, USE.NAMES = TRUE)
vapply
Apply a Function over a List or Vector
对列表或者向量使用函数
vapply(X, FUN, FUN.VALUE, ..., USE.NAMES = TRUE)
tapply
Apply a Function Over a Ragged Array
对不规则阵列使用函数
tapply(X, INDEX, FUN = NULL, ..., simplify = TRUE)
eapply
Apply a Function Over Values in an Environment
对环境中的值使用函数
eapply(env, FUN, ..., all.names = FALSE, USE.NAMES = TRUE)
mapply
Apply a Function to Multiple List or Vector Arguments
对多个列表或者向量参数使用函数
mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)
rapply
Recursively Apply a Function to a List
运用函数递归产生列表
rapply(object, f, classes = "ANY", deflt = NULL,how = c("unlist", "replace", "list"), ...)
 
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 {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"
 
vapply {base}
vapply类似于sapply函数,但是它的返回值有预定义类型,所以它使用起来会更加安全,有的时候会更快
在vapply函数中总是会进行简化,vapply会检测FUN的所有值是否与FUN.VALUE兼容,以使他们具有相同的长度和类型。类型顺序:逻辑<整型<实数<复数
vapply(X, FUN, FUN.VALUE, ..., 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。
FUN.VALUE   一个通用型向量,FUN函数返回值得模板
例:
> x<-data.frame(a=rnorm(4,4,4),b=rnorm(4,5,3),c=rnorm(4,5,3))
> vapply(x,mean,c(c=0))
         a          b          c
 1.8329043  6.0442858 -0.1437202
> k<-function(x)
+ {
+ list(mean(x),sd(x))
+ }
> vapply(x,k,c(c=0))
错误于vapply(x, k, c(c = 0)) : 值的长度必需为1,
 但FUN(X[[1]])结果的长度却是2
> vapply(x,k,c(c=0,b=0))
错误于vapply(x, k, c(c = 0, b = 0)) : 值的种类必需是'double',
 但FUN(X[[1]])结果的种类却是'list'
> vapply(x,k,c(list(c=0,b=0)))
  a        b        c        
c 1.832904 6.044286 -0.1437202
b 1.257834 1.940433 3.649194 
 
tapply {base}
对不规则阵列使用向量,即对一组非空值按照一组确定因子进行相应计算
tapply(X, INDEX, FUN, ..., simplify = TRUE)
x  一个原子向量,典型的是一个向量
INDEX  因子列表,和x长度一样,元素将被通过as.factor强制转换为因子
simplify  若为FALSE,tapply将以列表形式返回阵列。若为TRUE,FUN则直接返回数值
例:
> height <- c(174, 165, 180, 171, 160)
> sex<-c("F","F","M","F","M")
> tapply(height, sex, mean)
  F     M
170   170
 
eapply {base}
eapply函数通过对environment中命名值进行FUN计算后返回一个列表值,用户可以请求所有使用过的命名对象。
eapply(env, FUN, ..., all.names = FALSE, USE.NAMES = TRUE)
env  将被使用的环境
all.names  逻辑值,指示是否对所有值使用该函数
USE.NAMES  逻辑值,指示返回的列表结果是否包含命名
例:
> require(stats)
>
> env <- new.env(hash = FALSE) # so the order is fixed
> env$a <- 1:10
> env$beta <- exp(-3:3)
> env$logic <- c(TRUE, FALSE, FALSE, TRUE)
> # what have we there?
> utils::ls.str(env)
a :  int [1:10] 1 2 3 4 5 6 7 8 9 10
beta :  num [1:7] 0.0498 0.1353 0.3679 1 2.7183 ...
logic :  logi [1:4] TRUE FALSE FALSE TRUE
>
> # compute the mean for each list element
>        eapply(env, mean)
$logic
[1] 0.5
 
$beta
[1] 4.535125
 
$a
[1] 5.5
 
> unlist(eapply(env, mean, USE.NAMES = FALSE))
[1] 0.500000 4.535125 5.500000
>
> # median and quartiles for each element (making use of "..." passing):
> eapply(env, quantile, probs = 1:3/4)
$logic
25% 50% 75%
0.0 0.5 1.0
 
$beta
      25%       50%       75%
0.2516074 1.0000000 5.0536690
 
$a
 25%  50%  75%
3.25 5.50 7.75
 
> eapply(env, quantile)
$logic
  0%  25%  50%  75% 100%
 0.0  0.0  0.5  1.0  1.0
 
$beta
         0%         25%         50%         75%        100%
 0.04978707  0.25160736  1.00000000  5.05366896 20.08553692
 
$a
   0%   25%   50%   75%  100%
 1.00  3.25  5.50  7.75 10.00
 
mapply {base}
mapply是sapply的多变量版本。将对...中的每个参数运行FUN函数,如有必要,参数将被循环。
mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE)
MoreArgs   FUN函数的其他参数列表
SIMPLIFY   逻辑或者字符串,可以减少结果成为一个向量、矩阵或者更高维阵列,详见sapply的simplify参数
USE.NAMES   逻辑值,如果第一个参数...已被命名,将使用这个字符向量作为名字
例:
> mapply(rep, 1:4, 4:1)
[[1]]
[1] 1 1 1 1
 
[[2]]
[1] 2 2 2
 
[[3]]
[1] 3 3
 
[[4]]
[1] 4
 
rapply {base}
rapply是lapply的递归版本
rapply(X, FUN, classes = "ANY", deflt = NULL, how = c("unlist", "replace", "list"), ...)
X  一个列表
classes  关于类名的字符向量,或者为any时则匹配任何类
deflt  默认结果,如果使用了how=”replace”,则不能使用
how  字符串匹配三种可能结果

其中,replicate 函数 不明所以,用到再研究。

5.3数据处理难题的一套解决方案

书上的处理中,步骤7重点看一下,其他的基本已经熟悉了。

sapply函数分别提取列表中每个成分的第一个元素和第二个元素并储存,用的是“[”函数,这个函数是提取某个对象的一部分。

5.4控制流

术语:

语句:statement,一条R语句或者一组R语句

条件:cond,TRUE或者FALSE

表达式:expr,一条数值或者字符串求值语句

序列:seq,一个数值或字符串序列

5.4.1重复和循环

for和while:

for(i in c(1:10)) {expr}

while(cond) {expr}

注意:尽量避免循环,尽量使用R内置函数,比如apply族函数。

5.4.2条件执行

1、if-else结构

if(cond)
  statement1
else
  statement2

2、ifelse结构

ifelse(cond,statement1,statement2)

是if-else的紧凑版本,如果是二元程序行为,或者希望输入输出均为向量是,用ifelse.

3、switch结构

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

5.5用户自编函数

形式为:

functionname <- function(arglist) {
                    expr
                    return(object)
             }
#注意arglist可以指定参数的默认值

可以用一些函数为函数添加错误捕获和纠正功能。写一下:

warning函数:
warning(..., call. = TRUE, immediate. = FALSE, noBreaks. = FALSE,
        domain = NULL)
#此函数加在一个函数后面,可以显示警告信息
message函数:生成一个参数的诊断信息
#message(..., domain = NULL, appendLF = TRUE)
stop函数:#停止执行并输出一个错误信息,可以配合try使用
#stop(..., call. = TRUE, domain = NULL)

以上函数在写函数的时候可以试一试。

一旦开始自己写函数,调试就不可避免。Debugging in R,http://www.stats.uwo.ca/faculty/murdoch/software/debuggingR/,描述了不少常见的调试情况。very good!附录B描述了如何定制R环境。

“你可在本书末尾的参考文献部分找到:Venables & Ripley(2000)以及Chambers(2008)。这两本书共同提供了大量细节和众多示例。”--这是引用。

5.6整合与重构

R中提供了许多用来整合(aggregate)和重塑(reshape)数据的方法。通过整合数据,往往是将观测值数据替换为这些数据的描述统计量。重塑数据时通过修改数据的结构(行和列)来决定数据的组织方式。用mtcars为例。

5.6.1转置

t函数,将矩阵或数据框转置。

5.6.2整合数据

aggregate函数:使用一个或者多个by变量和一个预先定义好的函数FUN来折叠(collapse)数据.

aggregate(x, ...)

## Default S3 method:
aggregate(x, ...)

## S3 method for class 'data.frame'    #对数据框作用
aggregate(x, by, FUN, ..., simplify = TRUE)

## S3 method for class 'formula'  #对公式作用
aggregate(formula, data, FUN, ...,
          subset, na.action = na.omit)

## S3 method for class 'ts'           #对时间序列作用
aggregate(x, nfrequency = 1, FUN = sum, ndeltat = 1,
          ts.eps = getOption("ts.eps"), ...)

#这个函数是将数据按行进行分组,把函数FUN作用在每一组数据上,注意by后面必须是list,
#即使一个参数也得用list。
#formula是一个公式: y ~ x 或者 cbind(y1, y2) ~ x1 + x2,这里y或者cbind(y1,y2)按照x或者x1+x2分组,并执行后面的函数。
#subset是指定一个数据子集
#nfrequency:时间序列每个单位时间内的新数字,必须是x频率的因数
#ndeltat:连续观测采样区间的新分数,必须是x采样间隔的因数
#ts.eps:决定nfrequency是否是原始频率的sub-multiple

5.6.3reshape包

reshape或者reshape2包是一套重构和整合数据集的“绝妙工具”,reshape2更强大。数据处理分为融合(melt)和重铸(cast)两个过程。融合过程是将每一个观测值加上唯一的标识符,重铸过程可是对数据运用“任何函数”进行整合。

看下面的一个数据形式。

《R语言实战》读书笔记--第五章 高级数据管理_第7张图片

上面的数据中,每一行的值组合在一起成为唯一标识符,后面的X1和X2称为测量(measurement).

1、融合

执行下面的命令:

md <- melt(data,id=(c("id","time")))

得到下面结果:

《R语言实战》读书笔记--第五章 高级数据管理_第8张图片

也就是说,将id和time和在一起作为唯一标识符,将每一个测量单一列出来.这里发现一个问题:要是列太多怎么办?

下面就可以用cast来对其进行重铸了.

2、重铸

用cast函数:

大致运行是这样的:

newdata <- cast(md,formula,FUN)
#md是融合以后的数据,formula描述想要的结果,而FUN是(可选的)数据整合函数.

公式的形式为

rowvar1+rowvar2+...~colvar1+colvar2+...

《R语言实战》读书笔记--第五章 高级数据管理_第9张图片《R语言实战》读书笔记--第五章 高级数据管理_第10张图片

上面是几个例子.

下面准备开始第二部分,第一部分花的时间太多了,下面要看快点.

转载于:https://www.cnblogs.com/batteryhp/p/4730277.html

你可能感兴趣的:(r语言)