第一部分第4章 基本数据管理

4.1 一个示例

4.2 创建新变量

变量名 <- 表达式

运算符	描述
+	加
-	减
*	乘
/	除
^ or **	求幂
x%%y	求余
x%/%y	整数除法

transform函数：创建新变量并将其保存到数据框中。

4.3 变量的重编码

重编码：根据同一个变量和或其他变量的现有值创建新值的过程。
逻辑运算符

运算符	描述
<, <=, > , >=, ==, !=	小于，小于等于，大于，大于等于，等于，不等于
!x	非x
x 管道符 y	x或y
x&y	x和y
isTRUE(x)	测试x是否为TRUE

#创建agecat变量
leadership$agecat[leadership$age > 75] <- "Elder"
leadership$agecat[leadership$age >= 55 &leadership$age <=75] <- "Middle Aged"
leadership$agecat[leadership$age < 55] <- "Young"
leadership

4.4 变量的重命名

names()函数重命名变量
plyr包中rename()函数修改变量名,使用格式为：rename(dataframe, c(oldname="newname",...)

4.5 缺失值

缺失值NA：Not Available,不可用。
函数is.na()允许检测缺失值是否存在

Two things are very important:

• 缺失值被认为是不可比较的
• R并不把无限的或者不可能出现的数值标记成缺失值。不可能的值用NaN not a number来标记。

4.5.1 重编码某些值为缺失值

4.5.2 在分析中排除缺失值

含有缺失值的算术表达式和函数计算结果也是缺失值。
函数na.omit()移除所有含有缺失值的观测。

4.6 日期值

函数as.Date()用于执行转化字符串形式的日期值为数值形式。
as.Date(x, "input_format")

符号	含义	示例
%d	数字表示的日期（0~31）	01~31
%a	缩写的星期名	Mon
%A	星期名	Monday
%m	月份（00~12）	00~12
%b	缩写的月份	Jan
%B	月份	January
%y	两位数的年份	07
%Y	四位数的年份	2007

日期值的默认输入格式为yyyy-mm-dd
Sys.Date()返回当天的日期
date()返回当前的日期和时间
difftime()来计算时间间隔

4.6.1 将日期转换为字符型变量

as.character()

4.6.2 进一步了解

help(as.Date)

4.7 类型转换

判断	转换
is.numeric()	as.numeric()
is.character()	as.character()
is.vector()	as.vector()
is.matrix()	as.matrix()
is.data.frame()	as.data.frame()
is.factor()	as.factor()
is.logical()	as.logical

4.8 数据排序

order函数对一个数据框进行排序，默认升序，前面加一个减号降序。

4.9 数据集的合并

4.9.1 向数据框添加列

merge()函数
cbind()函数横向合并

4.9.2 向数据框添加行

rbind()函数（必须拥有相同的变量）

4.10 数据集取子集

4.10.1 选入或保留变量

dataframe[row indices, column indices]

4.10.2 剔除或丢弃变量

逻辑运算符！

4.10.3 选入观测

4.10.4 subset函数---最简单的选择变量和观测的方法

4.10.5 随机抽样

sample()函数

4.11 使用SQL语句操作数据框

skip

4.12 小结