R语言数据处理方法~小结
|
文章目录 1. R自带函数 2. reshape2数据重构 3. dplyr 4. tidyr 5. 字符串处理 1. R自带函数 1.1 转置 使用函数t()可对一个矩阵或数据框进行转置，对于数据框，行名将变成变量（列）名。
数列array进行维度转换 aperm 1.2 整合数据aggregate 在R中使用一个或多个by变量和一个预先定义好的函数来折叠（collapse）数据。调用格式为：
1.3 apply待整理 1.4 union和intersect
纵向合并数据通常用于向数据框中添加观测。 (1)rbind() ：纵向合并两个数据框（数据集） (2)cbind() ：横向合并两个数据框（数据集） 注：两个数据框行（列）数必须相同。如果x中拥有y中没有的变量，在合并它们之前需做以下处理： (1)删除dataframeA中的多余变量； (2)在dataframeB中创建追加的变量并将其值设为NA(缺失)。
merge效果同dplyr的join，join的效力更高。 (1)inner_join 等价于 merge(all=F) (2)left_join 等价于 merge(all.x=T,all.y=F) (3)right_join 等价于 merge(all.x=F,all.y=T) (4)full_join 等价于 merge(all=T)
unique 函数可以去掉向量、数据框或类似数列的数据中重复的元素。
首先将数据“融合”（melt），以使每一行都是一个唯一的标识符-变量组合。然后将数据“重铸”（cast），可以使用任何函数对数据进行整合成想要的任何形状。 注：reshape包的重铸函数为cast()，reshape2包的重铸函数为dcast()和acast()
数据集的融合是将它重构为这样一种格式：每个测量变量独占一行，行中带有要唯一确定这个测量所需的标识符变量。
Use?acast?or?dcast?depending on whether you want vector/matrix/array output or data frame output. Data frames can have at most two dimensions. 1.dcast——返回的结果是一个数据框 2.acast——返回的结果可以是向量、矩阵或者数组 调用格式为：
接受的公式形如：
在这个公式中，rowvar1 + rowvar2 + ...?定义了要划掉的变量集合，以确定各行的内容，而colvar1 + colvar2 + ...?则定义了要划掉的、确定各列内容的变量集合。 3. dplyr 3.1 基本操作 3.1.1 数据类型 将过长过大的数据集转换为显示更友好的 tbl_df 类型
按给定的逻辑判断筛选出符合要求的子数据集,类似于 base::subset() 函数
除了代码简洁外,还支持对同一对象的任意个条件组合,如: 3.1.3 排列 arrange
3.1.4 选择select用列名作参数来选择子数据集:
select的特殊函数 (1)starts_with(x,ignore.case = TRUE): names starts with x (2)ends_with(x,ignore.case = TRUE): names ends in x (3)contains(x,ignore.case = TRUE): selects all variables whose name contains (4)matches(x,ignore.case = TRUE): selects all variables whose name matches the regular expression x (5)num_range("x",1:5,width = 2): selects all variables (numerically) from x01 to x05. (6)one_of("x","y","z"): selects variables provided in a character vector. (7)everything(): selects all variables.
":" 选择连续列，contains来匹配列名 同样类似于R自带的subset() 函数.
对已有列进行数据运算并添加为新列:
mutate_each() 对每一列运行窗体函数。
通过data.frame有可以实现 3.1.6 汇总summarise
当对数据集通过 group_by() 添加了分组信息后,mutate(),arrange() 和 summarise() 函数会自动对这些 tbl 类数据执行分组操作 (R语言泛型函数的优势).
另: 一些汇总时的小函数 n(): 计算个数?n_distinct(x): 计算 x 中唯一值的个数 3.3 链式操作(管道) %>% 或 %.% dplyr包还新引进了一个操作符，读成then，使用时把数据名作为开头,然后依次对此数据进行多步操作。比如:
按数据处理的思路写代码,一步步深入,?既易写又易读,接近于从左到右的自然语言顺序， 对比一下用R自带函数实现的.
文章里还表示: 通过 %>% 那段代码比跑上面这段代码，运算速度提升很多倍. 至于这个新鲜的概念会不会和 ggplot2 里的 + 连接号一样,发挥出种种奇妙的功能呢? 还是在实际使用中多体验感受吧. 3.5 数据匹配合并join(1)inner_join(x,y) ：只包含同时出现在x,y表中的行 (2)left_join(x,y) ：包含所有x中以及y中匹配的行 (3)semi_join(x,y) ：包含x中，在y中有匹配的行，结果为x的子集 (4)anti_join(x,y) ：包含x中，不匹配y的行，结果为x的子集，与semi_join相反 (5)full_join(x,y) ：包含所以x、y中的行 (6)right_join(x,y) ：包含所有y中以及x中匹配的行
(1)dplyr 可以连接数据库 (1)使用与本地数据框操作一样的语法 (3)只支持生成SELECT语句 (4)支持SQLite,PostgreSQL/Redshift,MySQL/MariaDB,BigQuery,MonetDB 3.7 利用窗体函数变换数据
4. tidyr tidyr包的作者也是Hadley Wickham,与dplyr包结合使用，是reshape2包的替代。（先挖坑...） 5. 字符串处理 5.1 字符个数 nchar nchar()能够获取字符串的长度，它和length()的结果是有区别的。
paste()不仅可以连接多个字符串，还可以将对象自动转换为字符串再相连，另外它还能处理向量，所以功能更强大。
paste默认的分隔符是空格，必须指定sep=""。还有一个collapse参数，可以把这些字符串拼成一个长字符串，而不是放在一个向量中。
(1)sub 只做一次替换（不管有几次匹配） (2)gsub 把满足条件的匹配都做替换
虽然sub和gsub是用于字符串替换的函数，但严格地说R语言没有字符串替换的函数，因为R语言不管什么操作对参数都是传值不传址。所以原字符串并没有改变，要改变原变量我们只能通过再赋值的方式。
sub和gsub函数可以使用提取表达式（转义字符+数字）让部分变成全部
(1)grep 返回匹配项的下标 (2)grepl 返回所有查询结果的逻辑向量 (3)regexpr (4)gregexpr (5)regexecregexpr、gregexpr和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。
(1)大小写转换 tolower与toupper (2)列表转换为向量unlist (4)重复输入rep()
（编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
