admin管理员组文章数量:1530517
2023年12月14日发(作者:)
站长统计
#R的学习笔记02(《R数据分析指南与速查手册》)
title: "R的学习笔记03"
author: "ks_c"
date: "2021/1/28"
output: html_document
昨日在bookdown网站上看到一本书R数据分析指南与速查手册,看起来挺不错,奈何网络奇差,每次打开bookdown网站时都花费不少时
间,又无法直接下载,故在阅读过程中做记录于此。后时若用到,则不必费力再登陆彼网站。
郭晓,R 数据分析指南与速查手册,
以下为第一章的内容。
1. 快捷键
1. 脚本编辑窗口:
新建脚本:Ctrl+Shift+N
代码提示与补全:Tab
注释或取消注释:Ctrl+Shift+C
运行所选代码:Ctrl+Enter
运行全部代码:Ctrl+Shift+Enter
全选:Ctrl+A
选择:Shift+箭头
删除行:Ctrl+D
撤销:Ctrl+Z
重做:Ctrl+Shift+Z
赋值符:Alt+-
代码折叠:Alt+L
代码展开:Shift+Alt+L
保存本脚本:Ctrl+S
保存全部脚本:Ctrl+Alt+S
增加缩进:选中代码后,Tab(可包括多行)
减小缩进:选中代码后,Shift+Tab
智能缩进:选中代码后,Ctrl+I
智能缩进加智能空格:Ctrl+Shift+A(更高级的代码格式规范化工具,可参考formatR包)
选择与替换:Ctrl+F
提取函数:Ctrl+Alt+X(RStudio 可以分析某一代码段,并自动将其转换成一个可- 重复使用的函数。任何在选择的代码内的“自由的”变
量,即那些被引用但没有被创建的变量,将被转化为函数的参数)
2. 命令窗口中:
历史中的上一条命令:向上箭头
历史中的下一条命令:向下箭头
中断运行的代码:Esc
清除命令窗口中的内容:Ctrl+L
2.常见运算符
运算符
[ ] [[ ]]
:: :::
$ @
^
- +
:
%任意%
含义
索引(关于两者之间差异请见这篇笔记 )
使用名称访问变量(一般使用::)
元素提取、位置提取(更常用$)
乘方
负、正
创建数列(
x<-c(1:10)#创建1到10的一个数列
)
特殊运算符
a%in%b#判断a是否在b中,返回T or F
%>%
管道符号,见这里
* /
+ -
==、!=、<、>、<=、>=
!
&、&&
I (竖线,enter上遍的键那个)
~
-> 、->>
=
<- 、<<-
乘、除
加、减
比较运算符
逻辑非
逻辑与
逻辑或
非,与!=等价
向右赋值
赋值(右边变量的值给左边变量)
赋值(同上)
帮助
3. 关于换行
分号; 一行执行多条命令(谁会用呢)
a <- 1;b <- 2
a
[1] 1
b
[1] 2
paste0( )函数:来凝结多行字符串:字符串:
string1 <- "this is a long string
+ with a ‘n’ "
[1] "this is a long string nwith n"
#如果赋值时直接在字符串中分行,那么最终会出现一个换行符"n"
a <- paste0('this is the first line ',
+ 'this is the second line')
a
[1] "this is the first line this is the second line"
#如果用paste0()函数则不会出现
paste()和paste0()之间的区别在于:
paste(..., collapse ="" , recycle0 =F)
paste(..., sep="", collapse ="" , recycle0 =F)函数中多了一个sep参数,用来设置分隔符。
4. ifelse控制语句
类似Excel中的=if()函数。
在Excel中,=if(条件,值为T则,值为F则),在Rstudio中可以用ifelse()函数实现。
x <- c(6:-4)
y <- sqrt(ifelse(x >= 0, x, NA))#如果x大于0,那么就取x的值进行计算,否则就是NA。
x
[1] 6 5 4 3 2 1 0 -1 -2 -3 -4
y
[1] 2.449490 2.236068 2.000000 1.732051 1.414214 1.000000
[7] 0.000000 NA NA NA NA
多重套娃
a <- ifelse(value1, value1_if_true,
ifelse(value2, value2_if_true,
ifelse(value3, value3_if_true,
value_if_false)))
5. switch()函数
switch(EXPR, x
1
, x
2
, x
3
, ...., x
n
):数值EXPR为几,就返回x1到x
n
中的第几个。0 [1] 。 x <- switch(1,'missile', 'cancle', 'dissle') x [1] "missile" x <- switch(4,'missile', 'cancle', 'dissle') x NULL 如果后面不是字符串而是变量,那么返回的值为该变量(该变量内所有值),而非返回该向量内的第几个元素(哪怕只有一个向量时)而非返回该向量内的第几个元素(哪怕只有一个向量时) y <- c('missile', 'cancle', 'dissle') z <- c('pissile','bassle') x <- switch(2,y,z) x [1] "pissile" "bassle" y <- c('missile', 'cancle', 'dissle') x <- switch(1,y) x [1] "missile" "cancle" "dissle" 字符串来说,其用法如下: switch(, 1=ret1, 2=ret2, 2=ret2, ...) 而最后返回的值为和匹配的的ret的值ret的值 s <- "color" switch(s, "color" = "red", "shape" = "square", "length" = 5) [1] "red" 6. 循环语句:for、while、repeat 6.1 for for (variable in vector) { function } vector为向量或列表,variable依次变成vector中的值,然后对其进行操作。 function为要进行的操作。 (直接摘抄的)例子: a <- double(5) #产生5个0 for (i in 1:length(a)) { a[i] <- i^2 } #length(a)为5,令i依次取1到5,然后a的第i个元素a[i]被赋值为i^2 a [1] 1 4 9 16 25 b <- list("Appale",1,FALSE) #b为列表 item <- character() # item为字符串变量 for (i in b) { # i依次取b中元素, item <- c(item,mode(i)) #mode()为判断元素类别 } #利用mode()判断 i 的类别,新的item变量为旧item变量加上mode(i) [1] "character" "numeric" "logical" 始终要记住,R是一款newbeer的统计软件而非newbeer的编程软件。 利用向量化的操作比用循环对元素进行操作要更高效,且代码更加简洁。能用向量化的操作时应避免用循环操作。 以上代码用向量化操作可以写为: b <- list("Appale",1,FALSE) <- sapply(b,mode)# sapply()函数:类似于lapply函数,但输入为列表,返回值为向量 sapply(X, FUN, ..., ) X:列表、矩阵、数据框 FUN:自定义的调用函数 sapply(b, sum)# 求列表中各元素的和 sapply(b,mode)# 判断各元素类型 6.2 while 当条件cond满足时,重复执行表达式expr,直到条件cond不满足为止。 while (cond) { expr } 例子: i <- 1 while (i < 6) { print(i) i = i + 1 } [1] 1 [1] 2 [1] 3 [1] 4 [1] 5 6.3 repeat repeat{}和rep()函数不同。 rep(x,times,,each) 函数:将x重复times次,或者重复到的长度 a <- 2:8 rep(a,times=2) [1] 2 3 4 5 6 7 8 2 3 4 5 6 7 8 rep(a,=2)#重复结果的长度为2 [1] 2 3 rep(a,each=2)#每个值重复两次 [1] 2 2 3 3 4 4 5 5 6 6 7 7 8 8 rep(a, each=3,=10) [1] 2 2 2 3 3 3 4 4 4 5 而repeat{}则是重复执行花括号内的命令 x <- 1 repeat { print(x) x <- x + 1 if (x == 6) { break } } [1] 1 [1] 2 [1] 3 [1] 4 [1] 5 7. 定义函数 形式如下: FuncName <- function (arglist) { expr return(value) } argilist:参数列表,用, 隔开。 expr:要执行的命令。 return():给出返回结果,如果不写return语句,则将函数最后一个赋值语句作为返回值。如果不想返回任何对象,则可 以将return的参数空缺,即写为return()。 当使用参数时,如果没有指定参数名,则按顺序赋值,如果指定了参数名,可以不按顺序赋值。对于已经指定了默认值的 参数,可以在使用时不指定参数值。 类似python,不再介绍。 8. R包 包的安装:用es("包的名字") 包的加载:用library(包的名字) 从环境中移除包:detach("package:包的名字", unload=TRUE) 卸载包:es("包的名字") 9. 常用函数
9.1. 常用数学函数
函数
abs(x)
sqrt(x)
ceiling(x)
floor(x)
trunc(x)
round(x,digits=n)
signif(x,digits=n)
cos(x) & sin(x) & tan(x)
acos(x) & asin(x) & atan(x)
log(x,base=n)
log10(x)
exp(x)
绝对值
开平方
向上取整
向下取整
0-x的整数部分
舍入至n位小数
该数字一共n个数(整数+小数)
三角函数
反三角函数
取以n为底,x的对数
以10为底,x的对数
指数函数:以e为底的指数
描述
9.2. 统计函数9.2. 统计函数
函数
mean(x)
media(x)
sd(x) / var(x)
mad(x)
quantile(x, probs)
均值
中位数
标准差/方差
绝对中位差
分位数
描述
range(x)
sum(x)
diff(x, lag=n)
min(x)/max(x)
scale(x, center=T, scale=T)
cov(x)
函数
全域
求和
滞后n位的滞后差分…
[1]
极值
中心化/标准化处理
[2]
协方差
描述
[1] : 滞后差分:
x<-c(1,5,23,29)
diff(x)
[ 1 ] 4,8,6
[2] : scale(x):标准化;scale(x,scale=F):中心化。
9.3概率函数
概率函数分为4类:密度函数、分布函数、分位数函数、生成随机数。
根据不同的分布,又分为正态分布、均匀分布等等,二者组合成为具体的函数,在R中,前面4种类型用下面字母打头,之后的函数如下表所示:
d = 密度函数( density,y轴的值)
p = 分布函数( distribution function)
q = 分位数函数( quantile function)
r = 生成随机数(随机偏差Random error)
缩写
norm
t
chisq
f
unif
logis
singrank
wilcox
beta
binom
exp
geom
pois
正态分布
t分布
卡方分布
F分布
均匀分布
逻辑分布
wilcoxon符号秩和分布
wilcoxon秩和分布
Beta分布
二项分布
指数分布
几何分布
泊松分布
分布名称
对数
其余详见下图
分布名称与缩写
概率为0.95的N~(0,1)的分位数为1.64
qnorm(p=0.95,mean=0,sd=1)
[1] 1.644854
概率为0.99的N~(0,1)的分位数为1.64
qnorm(p=0.99, mean=0, sd=1)
[1] 2.326348
分位数为1.64的N~(0,1)的概率为0.95
pnorm(q = 1.64,0,1)
[1] 0.9494974
pnorm()和qnorm()之间的值可以互相转化
runif(n, min, max)为随机(r)生成符合均匀分布(unif)的n个数据,并不是run if。
9.4. 工作空间函数
在R中,所有反斜杠代表转义,工作路径用两个反斜杠或者正斜杠。
工作空间管理
ls(=TRUE): 得到包含隐藏变量(以点开头的变量)的列表。
.:得到上次运行的结果
search(): 查看已经载入的包。
library():查看已经安装的包。
data(dsname,package="pkgname"):不载入某个包的情况下,使用该包的某个数据
9.5. 帮助函数
获取函数的帮助:?后接函数名,函数可不加括号,显示函数的帮助文档。函数的帮助:?后接函数名,函数可不加括号,显示函数的帮助文档。
获取包的帮助:用命令help(package="包的名字")。包的帮助:用命令help(package="包的名字")。
获取函数源代码:命令窗口中输入函数,不加括号并回车后
有时候这个函数可能是一个类函数(Generic Function),如plot函数,则先使用methods() 函数来查看这个类函数的列表,找到具体需要的
函数如t,使用?t进行查看。
获取特殊符号的帮助,如[[,if,用help("特殊符号")
其他帮助命令见下图:
帮助命令
title: "R的学习笔记04"
author: "ks_c"
date: "2021/1/29"
output: html_document
以下为R数据分析指南与速查手册 第二章的内容
2.1 向量
注意事项
向量内部的数据是同一类型
b <- c(1,'a')
b
[1] "1" "a" #这里的1和a都是字符串
typeof(b)
[1] "character"
可以个不存在的元素赋值,如果新赋值的元素与旧元素间有多个不存在的元素,那么这几个元素将变成NA。
x <- 1:5
x[8] <- 6
x
[1] 1 2 3 4 5 NA NA 6
x["a"] <- 8
x
a
1 2 3 4 5 NA NA 6 8
元素名
b <- c(x1=1.2,3.5,x3=pi)
names(b)
[1] "x1" "" "x3"
b
x1 x3
1.200000 3.500000 3.141593
names(b)[2] <- "x2"
names(b)[1] <- "x1_0"
b
x1_0 x2 x3
1.200000 3.500000 3.141593
向量删除
x <- c(0.5,1,100)
删除第1个元素
x <- x[-1]
x
[1] 1 100
x <- x[-length(x)] # 删除结尾元素
x
[1] 100
向量查询
x[x>3.1&x<=8]
[1] 4 5 6 7 8
&、|、!为向量中各元素分别求“与”、“或”、“非”,而&&、| |为向量第一个元素求“与”、“或”。 如果要求向量内部所有元素
求“与”,用函数all,如果要求向量内部所有元素求“或”,用函数any
c(T,T,F)&c(T,F,F)
[1] TRUE FALSE FALSE
c(T,T,F)&&c(T,F,F)
[1] TRUE
all(c(T,T,T))&T
[1] TRUE
all(c(T,T,F))&T
[1] FALSE
all(c(T,T,F))
[1] FALSE
all(c(T,T,T))
[1] TRUE
any(c(T,T,T))
[1] TRUE
any(T,T,F)
[1] TRUE
%in%:判断运算符前面的对象的各元素是否在后面对象的元素中,返回值的长度总与前面向量的长度相同。如:
c("a","b") %in% c("b","d")
[1] FALSE TRUE
t(x, y)类似于x%in%y
x <- 1:4;y <- 3:5
t(x,y)
[1] FALSE FALSE TRUE TRUE
which函数:不仅查询满足条件的值是多少,还可以查询他们在原向量中的位置。
其用法为:
which(x, = FALSE, useNames = TRUE)
x:逻辑向量,返回元素为TRUE的位置。
如果仅需知道第1个为TRUE的位置,在后面加一个[1]即可,例如:
x <- c(1:6)
x
[1] 1 2 3 4 5 6
which(x>3)
[1] 4 5 6
which(x>3)[1]
[1] 4
-排序
x <- c(5:1,6,pi)
x
[1] 5.000000 4.000000 3.000000 2.000000 1.000000
[6] 6.000000 3.141593
y1 <- x[order(x)]# order()函数从小到大排序
y1
[1] 1.000000 2.000000 3.000000 3.141593 4.000000
[6] 5.000000 6.000000
y2 <- x[order(x,decreasing = TRUE)] # 用order()函数从大到小排
y2
[1] 6.000000 5.000000 4.000000 3.141593 3.000000 2.000000 1.000000
y12 <- sort(x) # 用sort函数
y12
[1] 1.000000 2.000000 3.000000 3.141593 4.000000 5.000000 6.000000
y22 <- sort(x,decreasing = TRUE) #从大到小排
y22
[1] 6.000000 5.000000 4.000000 3.141593 3.000000 2.000000 1.000000
关于向量的其他常见函数,请见troubleisafriend,
R语言常用数学函数
位置最大、最小值所在的位置用函数和
向量的翻转
x <- seq(2,10,by=2)
x <- x[length(x):1]
x
[1] 10 8 6 4 2
x <- rev(x)
x
[1] 2 4 6 8 10
向量的集合运算
交集:intersect(x, y);
并集:union(x, y);
差集:setdiff(x, y)
[1]
;
集合是否相等:setequal(x, y);
确定元素是否是集合的某个元素:t(x, y),它等价于x %in% y
以上函数只能对两个变量进行计算。
使用Reduce(function, x, init, right = FALSE, accumulate = FALSE)函数
[2]
可以批量操作:
Reduce(intersect, list(a,b,d))
[1] : 除去a中b的部分(A-B)
[2] : 将x中第1、2元素进行function操作,然后对操作完的值和第三个元素进行function操作,知道用尽x内的元素详见
向量的算术运算
加:+
减:-
乘:*
除:/
取模(余数):%%
整除:%/%
乘方:^或**
2.2. 简单列表
list可以为任意类型数据,一般函数的输出结果均为list。
任意几个列表可以合成一个新列表。
列表的串联和元素插入
如果我们需要让两个列表的元素组成新的列表,依然用函数c将多个列表连接起来,返回的是列表而不是向量。
也可以用append()函数。
append(x, values, after = length(x))(
append函数也可用于向量,也是取向量values中的元素。
如果原列表的元素有名字,则新列表的元素继承其名字,如果原列表元素没有名字,在append函数中没有添加名字的功
能,可以在之后单独用names()函数添加名字。
> x1 <- list(a=1,b="Apple",c=TRUE,d=1:3)
> x2 <- list(e=5+3i,f=c(1.5,2.6))
> # 列表的元素作为新列表的元素
> y1 <- append(x1,x2)
> y1
## $a
## [1] 1
##
## $b
## [1] "Apple"
##
## $c
## [1] TRUE
##
## $d
## [1] 1 2 3
##
## $e
## [1] 5+3i
##
## $f
## [1] 1.5 2.6
>length(y1)
[1] 6y12 <- c(x1,x2)y12## $a## [1] 1##
## $b## [1] "Apple"##
## $c## [1] TRUE##
## $d## [1] 1 2 3##
## $e## [1] 5+3i##
## $f## [1] 1.5 2.6length(y12)## [1] 6# 向量的元素作为新向量的元素y2 <- append(x1,1:5)y2## $a## [1] 1##
## $b## [1] "Apple"##
## $c## [1] TRUE##
## $d## [1] 1 2 3##
## [[5]]## [1] 1##
## [[6]]## [1] 2##
## [[7]]## [1] 3##
## [[8]]## [1] 4##
## [[9]]## [1] 5length(y2)## [1] 9
# 列表本身作为新列表的元素
y3 <- list(x1,x2)
y3
## [[1]]
## [[1]]$a
## [1] 1
##
## [[1]]$b
## [1] "Apple"
##
## [[1]]$c
## [1] TRUE
##
## [[1]]$d
## [1] 1 2 3
##
##
## [[2]]
## [[2]]$e
## [1] 5+3i
##
## [[2]]$f
## [1] 1.5 2.6
length(y3)
## [1] 2
当在append函数中指定after值的时候,可用于元素的插入
2.3 矩阵
矩阵本质上是由维度的向量。向量能够进行的操作矩阵也可以进行。
矩阵创建
matrix(data = , nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)
byrow=F为按列进行排列,在这里我详细说明。
矩阵的提取
[ ]内只有一个参数时按列提取
x <- matrix(1:8,nrow=2,byrow=T)
x
[,1] [,2] [,3] [,4]
[1,] 1 2 3 4
[2,] 5 6 7 8
x[2]
5
length(x)
8
矩阵的拼接
横向拼接:cbind,
纵向拼接:rbind,
被拼接的对象可以是矩阵,也可以是向量。他们在拼接方向需要有相同的维度。
#dim(x)可以查看维度
> dim(x)
[1] 2 4
当横向拼接向量时,向量被视为行向量;当纵向拼接向量时,其被视为列向量。
m1 <- matrix(1:8,nrow = 2)
m2 <- matrix(1:4,nrow = 2)
m3 <- matrix(1:12,nrow = 3)
v1 <- 1:4
v2 <- 1:3
cbind(m1,m2)
## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1 3 5 7 1 3
## [2,] 2 4 6 8 2 4
rbind(m1,m3)
## [,1] [,2] [,3] [,4]
## [1,] 1 3 5 7
## [2,] 2 4 6 8
## [3,] 1 4 7 10
## [4,] 2 5 8 11
## [5,] 3 6 9 12
rbind(m1,v1)
## [,1] [,2] [,3] [,4]
## 1 3 5 7
## 2 4 6 8
## v1 1 2 3 4
cbind(m3,v2)
## v2
## [1,] 1 4 7 10 1
## [2,] 2 5 8 11 2
## [3,] 3 6 9 12 3
特殊矩阵的创建
1. 全0矩阵(初始化)
matrix(data = 0, nrow = 2, ncol = 2)即可得到2 x 2的全部为0的矩阵
2. 对角阵
diag(x = 1, nrow, ncol, names = TRUE)
x可以是数字或矩阵或一维数组
names=T:如果矩阵x 有名称则继承其名称。
当仅包含两个参数,第1个参数为单元素,第2个参数为整数n时,表示创建n维对角矩阵,每个对角元素都为第1个参数。
第1个元素的类型可以是整数型、实数型、复数型或逻辑型,不能是字符串型。对逻辑型来说,非对角的地方为FALSE。
也可以创建对角线上元素不同的矩阵,此时将对角线上的元素以向量的方式作为diag的第一个参数,矩阵的维度与该向量的长度相同。如果指定
维度,若对角线上元素长度小于行数与列数中的最小值,指定对角线向量会复制多份首尾相连。
当x为矩阵时,则不可以指定nrow和ncol,直接输出x对角线上的值。
> diag(x,length(x))
[,1] [,2] [,3] [,4]
[1,] 1 0 0 0
[2,] 0 2 0 0
[3,] 0 0 3 0
[4,] 0 0 0 4
x<- matrix(1:20)
> dim(x) <- c(4,5)
> x
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
> diag(x)
[1] 1 6 11 16
行列名称
m1 <- matrix(1:8,nrow = 2, dimnames = list(c("r1","r2"),c("c1","c2","c3","c4")))
m1
## c1 c2 c3 c4
## r1 1 3 5 7
## r2 2 4 6 8
rownames(m1) <- c("p1","p2")
m1
## c1 c2 c3 c4
## p1 1 3 5 7
## p2 2 4 6 8
(m1) <- c("R1","R2")
m1
## c1 c2 c3 c4
## R1 1 3 5 7
## R2 2 4 6 8
dimnames(m1) <- list(c("rr1","rr2"),c("cc1","cc2","cc3","cc4"))
m1
## cc1 cc2 cc3 cc4
## rr1 1 3 5 7
## rr2 2 4 6 8
矩阵的提取
m2 <- m[1 , , drop = FALSE]
单行矩阵
矩阵转置、翻转、旋转
转置:
t(m1)
上下翻转:
m1[nrow(m1):1, ]
左右翻转:
m1[ ,ncol(m1):1]
顺时针90度旋转:
t(apply(m1, 2, rev))
逆时针90度旋转:
t(apply(t(m1), 2, rev))
运算
矩阵级运算1
矩阵级运算2
2.4 高维数组
数组是具有维度(dim)属性的向量。矩阵是一种特殊的数组(一维)。
array(x, c(3, 4, 2))二维的两个3 x 4的矩阵组成的数组
>x <- array(1:3, c(2,4,2))
## , , 1
##
## [,1] [,2] [,3] [,4]
## [1,] 1 3 2 1
## [2,] 2 1 3 2
##
## , , 2
##
## [,1] [,2] [,3] [,4]
## [1,] 3 2 1 3
## [2,] 1 3 2 1
数组拼接
abind包中的abind()函数:abind(..., along=N)。
x
y<- x+100
#按行拼接
abind(x,y, along=1)
# 列方向拼接
abind(x,y, along=2)
# 页方向拼接
abind(x,y, along=3)
# 新的维度上拼接,新维度作为第1维,之前的维度顺次后移
abind(x,y, along=0)
2.5 数据框
数据框是一种特殊的列表,列表中每个元素都是一个有名字的向量,且这些向量的长度相同。不同的向量可以是不同类型的。数据框是统计分析中
最常用的数据结构。
创建
name <- c("Alice","Bob","Christien")
age <- c(10,20,14)
gender <- c("F","M","F")
weight <- c(25,50,30)
df <- (name,age,gender,weight)
df
## name age gender weight
## 1 Alice 10 F 25
## 2 Bob 20 M 50
## 3 Christien 14 F 30
如果有字符串,dataframe中的字符串会被认为是因子类型。用stringsAsFactor=F可以阻止变为字符串。
所谓因子型,简单来说是包含顺序的字符串,顺序可由用户指定。在建模时,会被作为整数处理。
# 抑制字符串向因子型的转换
df2 <- (name,age,gender,weight,stringsAsFactors=FALSE)
df2
行名,列明的创建、提取和修改。
向量名被默认作为数据框的列名。
矩阵列名也会默认作为数据框列名。
如果数据框没有指定列名,则列名默认为“V1”、“V2”…,如果数据框没有指定行名,则行名默认为“1”、“2”、“3”…。
获取数据框列名,可用names函数或colnames函数。
获取数据框行名,可用函数或rownames函数。
对数据框来说,函数效率更高,因而推荐使用函数。
在实际数据分析中,修改行名的做法很少见,更多的是增加一个ID列,然后做相应的修改。
提取数据时如果需要保持为单列数据框,可以添加drop = FALSE参数
# 给一个尚不存在的列赋值,即增加该列
df$new <- 1:4
df[5] <- NULL # 删除该列
# 可以通过序号的方式增加1列
df[5] <- c(T,F,F,T)
df
df <- (name,age,gender,weight) # 注意此处字符串会转化为因子型
df5 <- rbind(df3,df4)
df7 <- cbind(df1,df6)
#将相同的列合并,可以用merge函数
#merge函数会删除重复的相同列,而且可以根据相同列的顺序合并(相当于Excel中的=vlookup)
条件查询
subset(x, subset, select, drop=F)
subset参数可以提取行方面满足条件
select参数可以为列方面选取的范围
df2 <- subset(df,subset = name!="Einstein"&age>10,select = c(age:weight,height))
# !=为不等于
df2
排序
如果需要根据一列或多列的顺序,对其他列做相应的调整,可以使用order函数。如果需要将所有列都按降序排序,则增加decreasing = TRUE
参数。如果大多数升序,某些降序,在降序的列前加-rank函数(如果是数值型,仅加负号就可以)。如果大多数降序,某些升序,在升序前加-
rank函数函数,且添加decreasing = TRUE参数。下面是一些列子:
name <- c("Alice","Bob","Christien","Einstein")
age <- c(10,20,14,25)
gender <- c("F","M","F","M")
weight <- c(25,50,30,54)
nationality <- c("USA","UK","China","German")
height <- c(1.2,1.65,1.43,1.75)
df <- (name,age,gender,weight,nationality,height)
#gender、weight两列将序排列
df2 <- df[order(df$gender,df$weight,decreasing = TRUE),]
# gender降序,其余升序排列
# gender列前加一个-rank()就表示与默认排序方式不同。
df3 <- df[order(-rank(df$gender),df$weight),]
#gender升序,weight降序(数值变量直接加-即可)
df4 <- df[order(df$gender,-df$weight),]
title: "R的学习笔记04"
author: "ks_c"
date: "2021/2/2"
output: html_document
以下为R数据分析指南与速查手册 第三章的内容
导出
导出变量
使用save(..., list = character(),file = stop("'file' must be specified"))可以保存单个变量或一些变量。文件名为.rda或.Rdata。
...:要存储的变量
list:变量标签/名称
file:文件名及路径
如果想保存整个环境,用函数。常用用法为(file = ".RData"),用file指定文件名即可。
导出txt或csv
导出为txt格式:
(x, file = "",
append = FALSE,
quote = TRUE,
sep = " ",
eol = "n",
na = "NA",
dec = ".",
= TRUE,
= TRUE,
qmethod = c("escape", "double"),
fileEncoding = "")
导出文件中:
字符串型数据将用引号括起来,如果不想有引号,可设置quote = FALSE。
(注意导出的csv文件中也是如此,只是如果用Excel打开的话,其中的引号不显示出来,如果用文本查看器如Notepad++打开,就可以看到引
号。)
如果要保存的数据不是数据框格式,会被转化为数据框格式,然后再保存为csv或txt文件。
导出文件中默认包含行名(行序号)和列名,如果不需要,在中可以设定 = FALSE及 = FALSE,在
中设定=FALSE(在中,可以通过给csv文件修改列名,但是不能取消其列名)。
更多参数设置,可查看的帮助文档。在中,会将行名与列名交叉格以空字符串输出,但会将其空缺。这会导致
他们重新导入时,对行名的处理不同。
# 数据生成
name <- c("Alice","Bob","Christien","Einstein")
age <- c(10,20,14,25)
gender <- c("F","M","F","M")
weight <- c(25,50,30,54)
nationality <- c("USA","UK","China","German")
height <- c(1.2,1.65,1.43,1.75)
example_df <- (name,age,gender,weight,nationality,height)
# 保存
(example_df, file = "example_")
(example_df, file = "example_")
(example_df, file = "example_",quote = FALSE)#字符串没有引号
导出图片
直接保存而不展示图片:
新建保存格式(称之为一个图形设备),如png、jpg、pdf(pdf是矢量图),
运行绘图相关的代码,
关闭图形设备。
png("example_") # 新建一个图片保存格式,png可以是jpg、pdf等
plot(1:10) # 绘图
() # 关闭图形设备
图片的长、宽、分辨率等参数可参考png等的帮助文档。
如果已经画好了图,可以使用如下代码输出到文件中。
(png, 'example_')
()
如果最开始打开的是Windows窗口,则可用savePlot()函数,其用法为:
savePlot(filename="Rplot",
type=c("wmf", "png", "jpeg", "jpg", "bmp", "ps"),
device=())
#例子:
windows(width = 9, height = 9, rescale = "fit") # 打开一个Windows窗口
plot(1:10,type = "l")
savePlot(filename="Myplot",type="pdf")
# savePlot(filename="Myplot",type="png")
## 支持下列格式:"wmf", "emf", "png", "jpg", "jpeg", "bmp", "tif", "tiff", "ps", "eps", "pdf"
()
导出文本
readr::write_file(txt, file_", append = FALSE)
writeLines(txt, con = fileConn,sep = "")
close(fileConn)
sink("")
操作
sink()
cat(... = ,file = ,sep = ,fill = ,labels = ,append = )
fileConn<-file("")
writeChar(txt, con = fileConn, eos = NULL, useBytes = FALSE)
close(fileConn)
writeChar
R与python通用的数据
feather
#R中
library(feather)
path <- "my_r"
write_feather(df, path)
df <- read_feather(path)
#py中
import feather
path = 'my_r'
_dataframe(df, path)
df = _dataframe(path)
数据载入
数据
默认的分隔符为空格,2默认的分隔符为分号;
可以改变默认的分隔符。
(file,
header = TRUE,
sep = ",",
quote = """,
dec = ".",
fill = TRUE,
= "", ...)
按行或单元导入(表格数据)
按行导入用readLines,按单元导入用scan
文本
整体读取可用readr::read_file,
按行读取可用readLines,如
txt<- read_file("write_")
title: "R的学习笔记04"
author: "ks_c"
date: "2021/2/2"
output: html_document
以下为R数据分析指南与速查手册 第四章的内容
tidyverse包做探索性数据分析
数据变化
1 filter
2 select
3 arrange
多表融合
增加新列
1 mutate
2 mutate与group_by
3 mutate_all
4 mutate_at
5 mutate_if
数据汇总
1 summarise与group_by
2 summarise_all
3 summarise_at
4 summarise_if
函数复用
可视化
1. 数据变换总结
行去重:distinct(.data, …, .keep_all = FALSE)
行筛选:filter()
列筛选:select()
行排序:arrange()
长转宽:spread(data, key=键所在列, value=键值所在列)
宽转长:gather(data, 需要转换的各列, key = “新建的键名”, value = “新建的键值名”)
列合并:unite(data, col=新列, 需要合并的各列, sep = "_", remove = TRUE)
列分裂:separate(data, col, into=c(“列1”,“列2”,…), sep = “[^[:alnum:]]+”)
嵌套与取消嵌套:nest()、unnest()
1.1 filter
filter进行行筛选,各逗号分隔的条件需同时满足,常用筛选条件有:
>, >=, <, <=, !=(不等于) , == ,near() , (), %in%(前者是否在后者里面,返回值为T/F), between(x, left, right)
由于可能存在舍入误差,浮点数最好不用 == 而用near。
&, |, !, xor()(异或)
1.2 select
进行列筛选,各逗号分隔的条件
任满足其一
即可,常用辅助筛选函数有:
:(从a列到b列), - (除了这些列)
starts_with()、ends_with()、contains()、matches()、num_range()、one_of()、everything()、last_col()
1.3 arrange
对行进行排序,可以有多个排序条件,
降序:desc()
2. 多表融合总结
将两个或多个表,通过共同的列联结起来,常见的操作包括:
左联结:left_join(x, y, by = NULL)
右联结:right_join(x, y, by = NULL)
内联结:inner_join(x, y, by = NULL)
全联结:full_join(x, y, by = NULL)
半联结:semi_join(x, y, by = NULL)
反联结:anti_join(x, y, by = NULL)
多个表的联结:list(x1, x2, x3,…) %>% reduce(····_join, by = NULL)
将具有相同列的两个表或多个表,对行进行集合操作
intersect(x, y, …)
union(x, y, …)
union_all(x, y, …)
setdiff(x, y, …)
setequal(x, y, …)
list(x1, x2, x3,…) %>% reduce(*_join, by = NULL)
3. 增加新列总结
对原有的列进行运算,得到长度与数据行数相同的新列。
分组与取消分组:group_by()、ungroup()
增加新列:
mutate()
mutate_all(.tbl, .funs, …)
mutate_at(.tbl, .vars, .funs, …)
mutate_if(.tbl, .predicate, .funs, …)
仅保留新列:
transmute()
transmute_all()
transmute_at()
transmute_if()
4. 数据汇总总结
分组对列进行统计汇总,统计汇总函数一般含一个数据参数,这个参数为代表多个观测的向量,返回单个数值。当返回多个值时,可以将其转换为
list.
数据汇总(一般会与分组结合):
summarise()
summarise_all(.tbl, .funs, …)
summarise_if(.tbl, .predicate, .funs, …)
summarise_at(.tbl, .vars, .funs, …, .cols = NULL)
所有列采用相同汇总函数时也可用map()、map_*(),但其无法和group_by结合
对summarise系列函数,若返回长度大于1的向量,可用list将结果包围。
5. 函数复用总结
单变量
返回列表:map(.x, .f, …)
返回 * 类型的向量:map_
(.x, .f, …)(
可以是lgl、chr、int、dbl、raw)
得到输出、打印、保存等其他动作:walk()
返回数据框:map_dfc(.x, .f, …), map_dfr(.x, .f, …, .id = NULL)
条件筛选,返回列表:map_if(.x, .p, .f, …, .else = NULL)、map_at(.x, .at, .f, …)
2维变量:map2(.x, .y, .f, …)、map2_
(.x, .y, .f, …)等(没有if和at)
p维变量:pmap(.l, .f, …)、pmap_
(.x, .y, .f, …)等(没有if和at)
递归复用:map_depth(.x, .depth, .f, …, .ragged = FALSE)
6. 可视化总结
ggplot图层:
ggplot(data = ) +
mapping = aes(
stat =
position =
) +
GEOM_FUNCTION
离散变量频次:geom_bar
连续变量频次:geom_histogram、geom_freqpoly、 geom_density
离散vs连续:geom_boxplot、geom_violin、并排geom_histogram
离散vs离散:geom_tile(热力图,颜色深浅表示频次),geom_count(点的大小表示频次)、并排geom_bar
连续vs连续:geom_point、geom_bin2d(方形封箱)、geom_hex(6边形封箱)、geom_smooth、geom_line、geom_density2d
3变量: geom_contour(aes(z = z))、geom_tile(aes(fill = z))、geom_raster(aes(fill = z))
MAPPINGS
x、y轴:x、y
点或边框的颜色:color (颜色字符串)
填充颜色:fill (颜色字符串)
形状:shape(最多6种,代表形状的数字)
点的大小、线的粗细:size (毫米为单位的数字)
透明度:alpha
线型:linetype(整数或字符串: 0 = blank, 1 = solid, 2 = dashed, 3 = dotted, 4 = dotdash, 5 = longdash, 6 = twodash)
边框粗细:stoke
group
STAT
“count”
“bin”
“identity”
“boxplot”
POSITION
“stack”:堆积
“identity”:独立重叠
“dodge”:侧面并列
“fill”:堆积归一
“jitter”:扰动
“dodge2”
COORDINATE_FUNCTION
coord_flip:坐标翻转
coord_fixed(ratio = 1/2):固定坐标比例
coord_polar:极坐标
coord_cartesian:笛卡尔坐标(默认,可修改坐标范围)coord_cartesian(xlim = c(0, 5))
FACET_FUNCTION
单变量分面:facet_wrap
双变量分面:facet_grid点的形状代码第五章为R markdown的介绍,在
版权声明:本文标题:#R的学习笔记02(《R数据分析指南与速查手册》) 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1702497744a10124.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论