【学习】《R实战》读书笔记（第四章）

读书会是一种在于拓展视野、宏观思维、知识交流、提升生活的活动。PPV课R语言读书会以“学习、分享、进步”为宗旨，通过成员协作完成R语言专业书籍的精读和分享，达到学习和研究R语言的目的。读书会由辅导老师或者读书会成员推荐书籍，经过讨论确定要读的书，每个月读一本书且要精读，大家一起分享。

第四章 基本数据管理

本章概要

1操作数据和缺失值。

2明白数据类型转换

3创建和重命名变量

4排序、合并和子数据集

5选择和删除变量

本章所介绍内容概括如下。

把数据导入矩阵或者数据框仅是数据分析准备的第一步，花在数据分析的60%的时间用在为分析所做的数据准备。

一个工作例子

案例：研究男女管理者领导他们组织的差异。

数据集（数值5、4、3、2和1分别表示强烈反对、反对、中立、支持、强烈支持）如图1所示。

图1：不同性别的领导行为

如何把图1的中数据导入R，对这些数据，我们有什么发现呢？

创建新的变量

一些场景，我们需要创建新的变量，形式如下：

newvariable <- expression

算术运算如图2所示。

图2: R 算术运算符号

举例说明如下

> rm(list=ls())

> 10+3

[1] 13

> 10-3

[1] 7

> 10*3

[1] 30

> 10/3

[1] 3.333333

> 10^3

[1] 1000

> 10**3

[1] 1000

> 10%%3

[1] 1

> 10%/%3

[1] 3

在数据框中加入新变量有三种方法，举例说明如下。

方法一：

> rm(list=ls())

> mydata<-data.frame(x1=c(2,2,6,4),x2=c(3,4,2,8))

> mydata$sumx <- mydata$x1 + mydata$x2

> mydata$meanx <- (mydata$x1 + mydata$x2)/2

> mydata

x1 x2 sumx meanx

1 2 3 5 2.5

2 2 4 6 3.0

3 6 2 8 4.0

4 4 8 12 6.0

方法二：

> rm(list=ls())

> mydata<-data.frame(x1=c(2,2,6,4),x2=c(3,4,2,8))

> attach(mydata)

> mydata$sumx <- x1 + x2

> mydata$meanx <- (x1 + x2)/2

> detach(mydata)

> mydata

x1 x2 sumx meanx

1 2 3 5 2.5

2 2 4 6 3.0

3 6 2 8 4.0

4 4 8 12 6.0

方法三：

> rm(list=ls())

> mydata<-data.frame(x1=c(2,2,6,4),x2=c(3,4,2,8))

> mydata<-transform(mydata, sumx=x1+x2, meanx=(x1+x2)/2)

> mydata

x1 x2 sumx meanx

1 2 3 5 2.5

2 2 4 6 3.0

3 6 2 8 4.0

4 4 8 12 6.0

重编码变量

R逻辑运算符号如图3所示。

图3：R逻辑运算符号

基于逻辑运算符号关系来改变变量中内容，逻辑值为真，则可以修改。

拓展可以了解within()函数和car包中的recode()函数。

重命名变量

重命名变量名，可以采用方法。

方法一：fix()函数。

方法二：包reshape中的rename()函数。

方法三：names()函数。

缺失值

数据集往往是不完整，因为各种缘由存有缺失值。

使用is.na()函数检查缺失值。

> rm(list=ls())

> x <- c(1,2,NA,3)

> is.na(x)

[1] FALSE FALSE TRUE FALSE

数据集中某些变量值 设置为NA

从数据 集中移除缺失值

> rm(list=ls())

> x <- c(1, 2, NA, 3)

> y <- sum(x, na.rm=TRUE)

> x

[1] 1 2 NA 3

> y

[1] 6

> sum(x)

[1] NA

可以使用na.omit()函数删除不完整的观察。

日期值

用函数as.Date()设置日期格式。

日期常用格式如下

%d 1-31

%a Mon

%A Monday

%m 00-12

%b Jan

%B January

%y 14

%Y 2014

> today <- Sys.Date()

> today

[1] “2014-06-17″

> format(today, format=”%B %d %Y”)

[1] “六月 17 2014″

> today <- Sys.Date()

> dob <- as.Date(“1984-11-03″)

> difftime(today, dob, units=”days”)

Time difference of 10818 days

类型转换

类型转换函数如图4所示：

图4：R类型转换函数

> rm(list=ls())

> a <- c(1,2,3)

> a

[1] 1 2 3

> is.numeric(a)

[1] TRUE

> is.vector(a)

[1] TRUE

> is.factor(a)

[1] FALSE

> a <- as.character(a)

> a

[1] “1″ “2″ “3″

> is.numeric(a)

[1] FALSE

> is.character(a)

[1] TRUE

有序数据

使用order()函数

数据集合并

添加列，使用merge()函数或者cbind()

添加行，使用rbind()函数

子数据集

选择变量

移除变量

选择观察

用subset()函数

随机抽样sample()函数

用SQL操作数据框

使用包sqldf中的sqldf()函数基于SQl的查询语句操作数据框。

总结

1操作数据和缺失值。

2明白数据类型转换

3创建和重命名变量

4排序、合并和子数据集

5选择和删除变量

Resource：

1 http://www.wangluqing.com/2014/06/r-in-action-note5/

2 《R in action》第一部分第四章

本栏目文章由PPV课R语言读书会提供，转载请注明来自PPV课R语言读书会。

版权所有，违者必究！