R语言学习 - 第3部分 常用数据管理

变量重命名

names(), colnames(), rownames()

> score <- data.frame(student=c('A', 'B', 'C', 'D'),gender=c('M', 'M', 'F', 'F'))
> score$math <- c(90, 70, 80, 60)
> score$Eng = c(88, 78, 69, 98)
> score$Chinese = c(66, 5, NA, 88)
> score
  student gender math Eng Chinese
1       A      M   90  88      66
2       B      M   70  78       5
3       C      F   80  69      NA
4       D      F   60  98      88
> colnames(score)
[1] "student" "gender"  "math"    "Eng"     "Chinese"
> names(score)
[1] "student" "gender"  "math"    "Eng"     "Chinese"
> row.names(score)
[1] "1" "2" "3" "4"
> rownames(score)
[1] "1" "2" "3" "4"

缺省值分析

is.na(), anyNA(), na.omit(), complete.cases()

> is.na(score)
     student gender  math   Eng Chinese
[1,]   FALSE  FALSE FALSE FALSE   FALSE
[2,]   FALSE  FALSE FALSE FALSE   FALSE
[3,]   FALSE  FALSE FALSE FALSE    TRUE
[4,]   FALSE  FALSE FALSE FALSE   FALSE
> anyNA(score)
[1] TRUE
> na.omit(score)
  student gender math Eng Chinese
1       A      M   90  88      66
2       B      M   70  78       5
4       D      F   60  98      88
> complete.cases(score)
[1]  TRUE  TRUE FALSE  TRUE
> score[complete.cases(score),]
  student gender math Eng Chinese
1       A      M   90  88      66
2       B      M   70  78       5
4       D      F   60  98      88

数据排序

sort(), rank(), order()

> sort(score$math)
[1] 60 70 80 90
> rank(c(3,4, 2, 5))
[1] 2 3 1 4
> order(score$math)
[1] 4 2 3 1
> score[order(score$math),]
  student gender math Eng Chinese
4       D      F   60  98      88
2       B      M   70  78       5
3       C      F   80  69      NA
1       A      M   90  88      66
> score[order(-score$math),]
  student gender math Eng Chinese
1       A      M   90  88      66
3       C      F   80  69      NA
2       B      M   70  78       5
4       D      F   60  98      88

随机抽样

library(sampling), srswr(), srswor(), sample()

• srswr(): 放回简单随机抽样
• srswor(): 不放回简单随机抽样
• sample(): 实现放回简单抽样和不放回简单抽样，也可对数据进行随机分组。

数值运算函数

• 数学函数：abs(), sqrt(), ceiling(), floor(), round(), signif()
• 统计函数：mean(), median(), sd(), var(), quantile(), range(), min(), max(), scale(), diff(), difftime()
• 概率函数: r开头的函数表示生成随机数, p分布函数(distribution)，d密度函数(density)，q分位数函数(quantile)

分布名称	缩写	分布的参数名称
Beta分布	beta	shape1, shape2
Logistic分布	logis	location=0, scale=1
二项分布	binom	size, prob
多项分布	multinom	size, prob
柯西分布	cauchy	location=0, scale=1
负二项分布	nbinom	size, prob
(非中心)卡方分布	chisq	df
正态分布	norm	mean=0, sd=1
指数分布	exp	rate=1
泊松分布	pois	lambda
F分布	f	df1, df2
Wilcoxon符号秩分布	signrank	n
Gamma分布	gamma	shape, scale=1
t分布	t	df
几何分布	geom	prob
均匀分布	unif	min=0, max=1
超几何分布	hyper	m, n, k
Weibull分布	weibull	shape, scale=1
对数正态分布	lnorm	meanlog=0, sdlog=1
Wilcoxon秩和分布	wilcox	m, n

> data <- rnorm(20)
> dnorm(data)
 [1] 0.36762205 0.33357599 0.13761063 0.06410838 0.33682181 0.25152871
 [7] 0.30627951 0.04998531 0.38130948 0.39163732 0.39544120 0.38736158
[13] 0.36849002 0.39643249 0.36951560 0.34844062 0.16627181 0.11735244
[19] 0.05490796 0.22007537
> data
 [1]  0.4043795  0.5982409  1.4590329  1.9121933 -0.5818294  0.9604787
 [7] -0.7270744  2.0381794  0.3006840 -0.1922527 -0.1327753 -0.2427269
[13] -0.3985050  0.1123474 -0.3914685  0.5202863 -1.3230214  1.5643753
[19] -1.9915614 -1.0907306
> pnorm(data)
 [1] 0.65703315 0.72516038 0.92772198 0.97207430 0.28034080 0.83159281
 [7] 0.23359018 0.97923400 0.61817226 0.42377215 0.44718556 0.40410848
[13] 0.34512899 0.54472604 0.34772548 0.69856798 0.09291412 0.94113527
[19] 0.02320960 0.13769571
> qnorm(0.9, mean=0, sd=1)
[1] 1.281552