数据处理的R包

【R语言】必学包之plyr包 plyr包可以将函数运行在某个R对象上,经过Split-Apply-Combine把数据集分割成更小的数据集,对分割后的数据应用函数,最后汇总计算结果。根据不同的输入对象类型(数组,数据框或列表)plyr提供了不同的函数,输出数组,数据框,列表或者选择不输出。plyr的优势在于能够以简洁的代码替换复杂的循环操作,进而提高计算性能。以下为plyr包的主要函数: 输入对象 输出矩阵 输出数据框 输出列表 ... 阅读详情

3.2 数据处理的R包

@Author:By Runsen (版权所有)

内容来源自己的葵花宝典

3.2.1 plyr

整理数据的本质可以归纳为:对数据进行分割(Split),然后应用(Apply)某些处理函数,最后将结果重新组合(Combine)成所需的格式返回,简单描述为:Split - Apply - Combine。plyr包是Hadley Wickham为解决split – apply – combine问题而写的一个包。使用plyr包可以针对不同的数据类型,在一个函数内同时完成split – apply – combine三个步骤。plyr包的主函数是**ply形式的,函数名的第一个字符代表输入数据的类型,第二个字符代表输出数据的类型,其中第一个字符可以是(d、l、a),第二个字母可以是(d、l、a、_ ),不同的字母表示不同的数据格式,d表示数据框格式,l表示列表,a表示数组,_则表示没有输出。

plyr具体函数如下表所示:

函数名输入值类型输出值类型
aaply数组/向量/矩阵数组/向量/矩阵
adply数组/向量/矩阵数据框
aply数组/向量/矩阵列表
a_ply数组/向量/矩阵无
ddply数据框数据框
dlply数据框列表
daply数据框数组/向量/矩阵
d_ply数据框无
laply列表数组/向量/矩阵
ldply列表数据框
lldpiy列表列表
l_ply列表无

_则表示没有输出,a_ply,d_ply和l_ply在plyr中运用不多。

(1)aaply,adply和alply

a*ply函数语法,需要指定MARGIN和FUN参数:

a*ply(.data, .MARGIN, .FUN)

MARGIN参数选择:

  • MARGIN=1:操作基于行

  • MARGIN=2:操作基于列

  • MARGIN=c(1,2):对行和列都进行操作

FUN内置的函数有mean(平均值)、medium(中位数)、sum(求和)、min(最小值)、max(最大值),当然还包括自定义函数

> library(plyr)
> mymat <- matrix(c(1:6), nrow=2, ncol=3)
> mymat
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
> apply(mymat,1,mean)
[1] 3 4
> apply(mymat,2,mean)
[1] 1.5 3.5 5.5
> class(apply(mymat,1,mean))
[1] "numeric"
> adply(mymat,1,mean)
  X1 V1
1  1  3
2  2  4
> class(adply(mymat,1,mean))
[1] "data.frame"
> alply(mymat,1,mean)
$`1`
[1] 3
$`2`
[1] 4
attr(,"split_type")
[1] "array"
attr(,"split_labels")
  X1
1  1
2  2
> class(alply(mymat,1,mean))
[1] "list"

(2)daply,ddply和dlply

d*ply函数语法

d*ply(.data,.variables,.fun = NULL, ...)

参数注释:

  • data:函数处理的数据框;

  • variables:要进行拆分的变量名称,传递变量的格式是:.(col_name),就是把进行分组的变量名包含在.()中;

  • fun:应用到每行的函数

> df <- data.frame(group = c(rep('A', 2), rep('B', 2), rep('C', 2)), sex = sample(c("M", "F"), size = 2, replace = TRUE),age = round(runif(n = 2, min = 18, max = 54)))
> df
  group sex age
1     A   F  26
2     A   F  38
3     B   F  26
4     B   F  38
5     C   F  26
6     C   F  38
> df_da <- daply(df,.(group,sex), summarize,mean = round(mean(age), 2),sqrt_mean = round(sqrt(mean), 2))
> df_da  
group mean sqrt_mean
    A 32   5.66     
    B 32   5.66     
    C 32   5.66 
> class(df_da)
[1] "matrix"
> df_dd <- ddply(df, .(group, sex), summarize,mean = round(mean(age), 2),sqrt_mean = round(sqrt(mean), 2))
> df_dd
  group sex mean sqrt_mean
1     A   F   32      5.66
2     B   F   32      5.66
3     C   F   32      5.66
> class(df_dd)
[1] "data.frame"
> df_dl <- dlply(df, .(group, sex), summarize,mean = round(mean(age), 2),sqrt_mean = round(sqrt(mean), 2))
> df_dl 
$A.M
  mean sqrt_mean
1 34.5      5.87
$B.M
  mean sqrt_mean
1 34.5      5.87
$C.M
  mean sqrt_mean
1 34.5      5.87
attr(,"split_type")
[1] "data.frame"
attr(,"split_labels")
  group sex
1     A   M
2     B   M
3     C   M
> class(df_dl)
[1] "list"

(3)laply,llply和ldply

l*ply函数语法

l*ply(.data,.fun = NULL, ...)

参数注释:

  • data:函数处理的列表;

  • fun:应用到每行的函数

> x = list(a=c(1:3,letters[1:3]))
> x
$a
[1] "1" "2" "3" "a" "b" "c"
> myfun = function(x) paste(x,'A',sep='-')
> laply(x,myfun)
    1     2     3     4     5     6 
"1-A" "2-A" "3-A" "a-A" "b-A" "c-A"
> class(laply(x,myfun))
[1] "character"
> llply(x,myfun)
$a
[1] "1-A" "2-A" "3-A" "a-A" "b-A" "c-A"
> class(llply(x,myfun))
[1] "list"
> ldply(x,myfun)
  .id  V1  V2  V3  V4  V5  V6
1   a 1-A 2-A 3-A a-A b-A c-A
> class(ldply(x,myfun))
[1] "data.frame"

上面9种函数针对单参数传递,多参数传递的函数mdply、maply、和mlply

(4)maply、mdply、和mlply

m*ply函数语法

m*ply(data,fun = NULL,expand = TRUE,progress = "none",parallel = FALSE...)

参数注释:

  • data:函数处理的数据,矩阵或者数据框

  • fun:应用到每行的函数

  • progress:是否显示进度条,可以设置为 text

  • parallel:是否使用并行

> # 双参数 
> f <- function(a, b){return(c(2*a, 3*b))}
> # maply返回array数组
> maply(data.frame(a=c(1:2),b=c(2:3)),f)
, ,  = 1
   b
a    2  3
  1  2 NA
  2 NA  4
, ,  = 2
   b
a    2  3
  1  6 NA
  2 NA  9
< # mdply自动创建V1 V2作为dataframe的columns
> mdply(data.frame(a=c(1:2),b=c(2:3)),f)
  a b V1 V2
1 1 2  2  6
2 2 3  4  9
> # mlply返回list列表
> mlply(data.frame(a=c(1:2),b=c(2:3)),f)
$`1`
[1] 2 6
$`2`
[1] 4 9
attr(,"split_type")
[1] "array"
attr(,"split_labels")
  a b
1 1 2
2 2 3

如果需要阅读更多的plyr教程,可以参考官方文档:http://plyr.had.co.nz/

3.2.2 dplyr

dplyr是一个强大的R包,用于处理,清理和汇总非结构化数据,使得R中的数据探索和数据操作变得简单快捷,也是出于Hadley Wickham之手。

(1)filter

filter函数筛选,查找特定条件的行或者样本,但不能筛选变量

> library(dplyr)
> # 筛选Sepal.Length>7.8,Species=="virginica"
> filter(.data=iris,Sepal.Length>7.8,Species=="virginica")
  Sepal.Length Sepal.Width Petal.Length Petal.Width   Species
1          7.9         3.8          6.4           2 virginica

管道函数:%>%。其意思是将 %>% 左边的对象传递给右边的函数。

> a <- 1
> f1 <- function(x){ return(x+1) }
> b <- a %>% f1
> b
[1] 2

filter延展的相关函数filter_all()和filter_at()

> 去掉Species列(非数值型列)
> iris_data <- iris %>% select(-Species)
> # filter_all 筛选所有属性小于4.5的行 
> iris_data%>% filter_all(all_vars(.<4.5))
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          4.4         2.9          1.4         0.2
2          4.3         3.0          1.1         0.1
3          4.4         3.0          1.3         0.2
4          4.4         3.2          1.3         0.2
> #filter_all 筛选任意一个属性大于7.6的行
> iris_data%>% filter_all(any_vars(.>7.6))
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          7.7         3.8          6.7         2.2
2          7.7         2.6          6.9         2.3
3          7.7         2.8          6.7         2.0
4          7.9         3.8          6.4         2.0
5          7.7         3.0          6.1         2.3
> # filter_at  筛选以"Pet开头的属性任一大于>6.5的行
> iris_data%>% filter_at(vars(starts_with("Pet")), any_vars(. >6.5))
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          7.6         3.0          6.6         2.1
2          7.7         3.8          6.7         2.2
3          7.7         2.6          6.9         2.3
4          7.7         2.8          6.7         2.0


(2)select

select函数可以通过指定列名选择指定的变量进行分析,选择变量的同时也可以重新命名变量,类似于SQL语句中的where语句中的筛选条件。

> df
      name sex age height
1   Runsen   M  20    160
2 Zhangsan   M  21    165
3     Lisi   F  22    150
4   Wangwu   F  23    155
> select(df,name)
      name
1   Runsen
2 Zhangsan
3     Lisi
4   Wangwu
> # 选择列的时候,同时对列名进行重命名
> select(df,Name = name)
      Name
1   Runsen
2 Zhangsan
3     Lisi
4   Wangwu
> # 选取以“s”开头的列
> select(df ,starts_with("s"))
  sex
1   M
2   M
3   F
4   F
> # mutate()函数在数据集新增列,但不对原数据作更改
> mutate(df,weigth = 0.67*height -38)
      name sex age height weigth
1   Runsen   M  20    160  69.20
2 Zhangsan   M  21    165  72.55
3     Lisi   F  22    150  62.50
4   Wangwu   F  23    155  65.85


(3)join

join函数合并多个数据表

> df1 <- data.frame(x = c('a','b','c'), y = c('A','B','C'))
> df2 <- data.frame(x = c('a','b','d'), z = c('A','B','D'))
> # 內连接 inner_join
> inner_join(df1,df2,by='x')
  x y z
1 a 1 A
2 b 2 B
3 c 3 C
> # 左连接 right_join
> left_join(df1,df2,by ='x')
  x y    z
1 a A    A
2 b B    B
3 c C <NA>
> # 右连接 right_join
> right_join(df1,df2,by='x')
  x    y z
1 a    A A
2 b    B B
3 d <NA> D
> # 全连接 full_join
> full_join(df1,df2,by="x")
  x    y    z
1 a    A    A
2 b    B    B
3 c    C <NA>
4 d <NA>    D

如果需要阅读更多的dplyr教程,可以参考dplyr官方文档:https://www.rdocumentation.org/packages/dplyr

3.2.3 tidyr

在数据整合过程中,tidyr包主要用于处理dataframe格式数据的整合,tidyr是同样也是出自 Hadley Wickham,常与dplyr包结合使用。

tidyr包主要涉及:gather(宽数据转为长数据),spread(长数据转为宽数据),separate(多列合并为一列)和unite(将一列分离为多列)

(1)gather

使用gather()函数实现宽表转长表,语法如下:

gather(data, key, value, na.rm = FALSE,···)
  • data:需要被转换的宽形表

  • key:将原数据框中的所有列赋给一个新变量key

  • value:将原数据框中的所有值赋给一个新变量value

  • na.rm:是否删除缺失值

> library(tidyr)
> df <- data.frame(grade=c("A","B","C","D","E"),female=c(5, 4, 1, 2, 3), male=c(1, 2, 3, 4, 5))
> df
  grade female male
1     A      5    1
2     B      4    2
3     C      1    3
4     D      2    4
5     E      3    5
> # female male两列给于新变量gender_class,所有值赋给与新变量count, -grade除去grade列
> df_gather <- gather(df,gender_class, count, -grade)
> df_gather
   grade gender_class count
1      A       female     5
2      B       female     4
3      C       female     1
4      D       female     2
5      E       female     3
6      A         male     1
7      B         male     2
8      C         male     3
9      D         male     4
10     E         male     5

上面是最简单的用法,只指定key与value,返回了一个长数据框。gender_class是列名转化行后指定的列名, count为各列的值。

(2) spread

spread函数作用和gather相反。

spread语法如下:

spread(data, key, value, fill = NA, convert = FALSE, drop = TRUE)
  • data:为需要转换的长形表

  • key:需要将变量值拓展为字段的变量

  • value:需要分散的值

  • fill:对于缺失值,可将fill的值赋值给被转型后的缺失值

> df_spread <- spread(df_gather,gender_class,count)
> df_spread
  grade female male
1     A      5    1
2     B      4    2
3     C      1    3
4     D      2    4
5     E      3    5

gender_class是拓展为字段的变量, count为需要分散的值。

(3)unite

tidyr包中提供了unite函数,可以将列,变量以某种形式合并为一列,一个变量

unite语法如下:

unite(data, col, sep = "_", remove = TRUE,...)
  • data:数据框

  • col:需要合并的列

  • sep:被拆分列的分隔符(默认下划线:_)

  • remove:是否删除被合并的列

> df_unite <- unite(df, col = 'sex', female, male, sep = '|')
  grade sex
1     A 5|1
2     B 4|2
3     C 1|3
4     D 2|4
5     E 3|5

(4)separate

separate函数可将一列拆分为多列,一般可用于日志数据或日期时间型数据的拆分,语法如下:

separate(data, col, into, sep = “[^[:alnum:]]+”, remove = TRUE,···)
  • data:数据框

  • col:需要被拆分的列

  • into:新建的列名,为字符串向量

  • sep:被拆分列的分隔符:[^[:alnum:]]+正则表达式,基本包含了大部分的分隔符

  • remove:是否删除被分割的列

> separate(df_unite,sex,c("female","male"))
  grade female male
1     A      5    1
2     B      4    2
3     C      1    3
4     D      2    4
5     E      3    5

如果需要阅读更多的tidyr教程,可以参考官方文档:https://tidyr.tidyverse.org/

3.2.4 lubridate

R语言的基础包中提供了两种类型的时间数据

  1. Date类型,仅包括日期数据,它不包括时间和时区信息

  2. POSIXct / POSIXlt 类型,其中包括了日期、时间和时区信息。

Lubridate包可以减少在R中操作时间变量,内置函数提供了很好的解析日期与时间的便利方法。lubridate 包是 Hadley Wickham开发的用于高效处理时间数据的 R 包。

(1)日期函数

> library(lubridate)
> time <- now() #返回系统的日期时间
> time
[1] "2020-01-23 12:29:24 CST"


> year(time) #返回年
[1] 2020
> month(time) #返回月
[1] 1
> day(time) #返回日
[1] 23
> week(time) #返回周数
[1] 4
> wday(time,label=TRUE) #返回周几
[1] 周四
Levels: 周日 < 周一 < 周二 < 周三 < 周四 < 周五 < 周六
> quarter(time) #返回季度
[1] 1
> minute(time) #返回分钟
[1] 29
> second(time) #返回秒
[1] 24.52954
> Sys.Date()  返回系统的日期时间(base包函数)
[1] "2020-01-23"

(2)日期格式转化

日期值通常以文本的形式输入到R中,然后转化为以数值形式存储的日期变量。日期需要转换为文本,才方便读取。

> # ymd将字符串转换为日期类型 : 年(y)月(m)日(d)
> ymd('2020-01-23')
[1] "2020-01-23"
> class(ymd('2020-01-23'))
[1] "Date"
> # ymd_hms将字符串转换为日期时间类型:时(h)分钟(m)秒(s)
> ymd_hms("2020-01-23 12:29:24")
[1] "2020-01-23 12:29:24 UTC"
> class(ymd_hms("2020-01-23 12:29:24"))
[1] "POSIXct" "POSIXt

(3)时段数据

lubridate包内的函数可处理三种类型的时段数据,他们分别是 Interval型、Duration 型和 Period 型。

> arrive <- ymd_hms("2020-01-01 12:00:00", tz = "Pacific/Auckland")
> leave <- ymd_hms("2020-01-10 14:00:00", tz = "Pacific/Auckland")
# > # Interval: 由两个时间点构成
> interval(arrive, leave)
[1] 2020-01-01 12:00:00 NZDT--2020-01-10 14:00:00 NZDT

与 period有关的函数通常以时间单位的复数形式命名,如: minutes、hours,years;与duration 有关的函数通常在对应的 period 函数前加 d,如:dminutes、dhours,dyears。注意:duration 没有dmonths函数

> minutes(4)
[1] "4M 0S"
> dminutes(4)
[1] "240s (~4 minutes)"
> hours(24)
[1] "24H 0M 0S"
> dhours(24)
[1] "86400s (~1 days)"

(4)时间运算

比如获得日期的下一个月,只需要加上months(1)

> ymd('2020-01-01') + months(1)
[1] "2020-02-01"

获取时间段长度

> time <- interval(arrive, leave)
> time / days(1)
[1] 9.083333
> time / ddays(1)
[1] 9.083333
> # 也可以使用 time_length获取时间段长度
> time_length(time,unit ="day")
[1] 9.083333
> time / minutes(1)
[1] 13080
> time / dminutes(1)
[1] 13080
> time_length(time)

两种类型返回的结果并不是相同的,因为两种类型的时间数据不同的原因。比如闰年366天:period为366,但是duration为365。

> ymd(20200101) + dyears(1)
[1] "2020-12-31"
> ymd(20200101) + years(1)
[1] "2021-01-01"

3.2.5 ggplot2

ggplot2是由Hadley Wickham创建的一个十分强大的可视化R包。按照ggplot2的绘图理念,Plot(图)= data(数据集)+ Aesthetics(美学映射)+ Geometry(几何对象):

  • data: 数据集,主要是data frame;

  • Aesthetics: 美学映射,比如将变量映射给x,y坐标轴,或者映射给颜色、大小、形状等图形属性;

  • Geometry: 几何对象,比如柱形图、直方图、散点图、线图、密度图等。

在ggplot2中有两个主要绘图函数:qplot()以及ggplot()。

  • qplot: 顾名思义,快速绘图;

  • ggplot:远比qplot()强大,可以一步步绘制十分复杂的图形。

由ggplot2绘制出来的ggplot图可以作为一个变量,然后由print()显示出来。

本文将使用R语言gcookbook包内数据集pg_mean。

> library(gcookbook)
> library(ggplot2)

(1)条形图

使用ggplot函数和geom_bar(stat="identity")绘制条形图

> pg_mean
  group weight
1  ctrl  5.032
2  trt1  4.661
3  trt2  5.526
> ggplot(pg_mean,aes(x=group,y=weight)) + geom_bar(stat = "identity")

绘制条形图,如下图3-18所示。

绘图 geom_bar函数里的stat参数表示对样本点做统计的方式,默认为identity,表示一个x对应一个y,同时还可以是bin,表示一个x对应落到该x的样本数。

绘制簇状条形图

> cabbage_exp
  Cultivar Date Weight        sd  n         se
1      c39  d16   3.18 0.9566144 10 0.30250803
2      c39  d20   2.80 0.2788867 10 0.08819171
3      c39  d21   2.74 0.9834181 10 0.31098410
4      c52  d16   2.26 0.4452215 10 0.14079141
5      c52  d20   3.11 0.7908505 10 0.25008887
6      c52  d21   1.47 0.2110819 10 0.06674995
> # 将分类变量映射到fill参数,并运行命令geom_bar(position="dodge)
> ggplot(cabbage_exp,aes(x=Date,y=Weight,fill=Cultivar))+ geom_bar(position = "dodge",stat = "identity")

绘制簇状条形图,如下图3-19所示。

fill参数用来指定条形的填充色,position="dodge"使得两组条形在水平方向上错开排列。如果不指定position="dodge",则默认绘制堆积条形图

> ggplot(cabbage_exp,aes(x=Date,y=Weight,fill=Cultivar))+ geom_bar(stat = "identity")

绘制堆积条形图,如下图3-20所示。

(2)散点图

使用ggplot函数和geom_point绘制散点图

> x <- rnorm(100,14,5) 
> y <- x + rnorm(100,0,1) 
> ggplot(data= NULL, aes(x = x, y = y)) + geom_point(color = "darkred") + annotate("text",x =13 , y = 20,parse = T,label = "y == x") + geom_smooth(method="lm")

绘制散点图,如下图3-21所示。

annotate("text",x =13 , y = 20, parse = T,label = "y == x") 添加注释

geom_smooth(method="lm")添加平滑线性回归线。

(3)折线图

使用ggplot函数和geom_line函数,并分别指定一个变量映射给x和y

> ggplot(BOD,aes(x=Time,y=demand)) + geom_line() + geom_point()

绘制折线图,如下图3-22所示。

(4)地图

使用maps包绘制的地图与其他ggplot2图形的结合变得十分方便。

下面是一些maps地图数据名和国家

国家maps地图数据名
法国france
意大利italy
新西兰nz
美国(郡)country
美国(州)state
美国(边界usa
全世界world
> library(maps)
> data(us.cities)
> # 人口大于50万的城市
> # pop人口,lat经度,long纬度
> qplot(long,lat,data) + borders("state",size=0.5)

绘制美国城市分布图,如下图3-23所示。

> China <- subset(world.cities,country.etc == "China")
> # 中国城市分布图
>  ggplot(China, aes(long, lat)) + geom_point(colour = alpha("black", 1)) + borders("world",xlim = c(75.97,132.19),ylim = c(18.23,52.34),size=0.5)


绘制中国城市分布图,如下图3-24所示。

除了maps包,ggmap,maptools,baidumap和REmap也是不错绘制地图的R包

ggmap包整合了四种地图资源,分别是Google、OpenStreetMaps、Stamen和Cloudmade。可以方便的与ggplot进行涂层叠加,实现在R中的地图绘制需求。

ggmap包中的函数

  • get_map:ggmap包中最基本函数,用来下载地图。

  • geocode:用来返回某地的经纬度。

  • ggmap:绘制地图函数,可与ggplot2中函数进行叠加。

注意:使用ggmap注册谷歌地图开发者,需要获取谷歌地图开发者API,参看链接网址:https://developers.google.com/maps/documentation/javascript/get-api-key

> register_google("API")

baidumap和REmap需要通过github安装

> library("devtools")
> install_github('badbye/baidumap',force=TRUE)
> install_github('lchiffon/REmap',force=TRUE)

百度地图开发平台官方网址:http://lbsyun.baidu.com/。下面使用baidumap绘制北京大学地图

> library(baidumap)
> options(baidumap.key=""
> #获取北京大学的地图信息
> q <- getBaiduMap('北京大学', width=600, height=600, zoom=18, scale = 2, messaging=FALSE)
> ggmap(q) #绘制地图

绘制北京大学地图,如下图3-25所示。

如果需要阅读更多的ggplot2教程,可以参考官方文档:https://ggplot2.tidyverse.org/reference/

(完)


高效数据处理R包---dplyr 1.dplyr包 它包括了(几乎)全部可以用来加快数据处理进程的内容。它最有名的是数据探索和数据转换功能。它的链式语法让它使用起来很方便。它包括5个主要的数据处理指令: 过滤——集于某一条件过滤数据 选择——选出数据集中感兴趣的列 排列——升序或降序排列数据集中的某一个值域 变换——从已有变量生成新的变量 概括(通过group_by)——提供常用的操作分析,如最小值、最大值、均值等 只需要关注... 阅读详情

相关推荐

r语言中mpg数据_R语言之数据处理常用包

dplyr包是Hadley Wickham的新作,主要用于数据清洗和整理,该包专注dataframe数据格式,从而大幅提高了数据处理速度,并且提供了与其它数据库的接口;tidyr包的作者是Hadley Wickham, 该包用于“tidy”你的数据,这个包常跟dplyr结合使用。dplyr、tidyr包安装及载入install.packages("dplyr")install.packages("...

weixin_39924329的博客 1390

R实战 第七篇:plyr包

在数据分析中,整理数据的本质可以归纳为:对数据进行分割(Split),然后应用(Apply)某些处理函数,最后将结果重新组合(Combine)成所需的格式返回,简单描述为:Split - Apply - Combine,各个步骤的作用是: Split:把要处理的数据分割成小片断,常用的函数是split(),subset(); Apply:对每个小片断独立进行操作,常用的是apply家族函数,p...

悦光阴的博客 449

R语言入门(23)-数据处理之reshape2包

一、rbind与cbind函数 cbind:将m列数据与n列数据合并,最终得到一个m+n列的数据。 使用前提是:cbind(x,y)中的矩阵x,y的行数必需相同。 rbind:将m行数据与n行数据合并,最终得到一个m+n行的数据。 使用前提是:cbind(x,y)中的矩阵x,y的列数必需相同。 #我们使用R自带的airqualty做演示 > airquality ozone solar.r wind temp month day...

m0_52406014的博客 4378

R语言数据处理:tidyr包学习

在R语言中,tidyr包的应用 tidyr主要提供了一个类似Excel中数据透视表 (pivottable)的功能; gather和spread函数将数据在长格式和宽格式之间相互转化,应用在比如稀疏矩阵和稠密矩阵之间的转化; separate和union方法提供了数据分组拆分、合并的功能,应用在nominal数据的转化上 R将整洁数据定义为:每个变量的数据存储在自身的列中,每个观测值的数据存储在其自身的行中。整洁数据是进行数据再加工的基础。...

m0_56444893的博客 2969

R语言必学包 - 数据处理利器dplyr

运行以上代码,我们得到了一个新的数据框df_with_salary_level,其中包含了一个名为salary_level的新列,该列表示员工的薪资水平(高或低)。运行以上代码,我们得到了一个名为df的数据框,其中包含了姓名(name)、年龄(age)和工资(salary)三列的数据。运行上述代码,我们得到了一个新的数据框filtered_rows,其中只包含了年龄大于等于35岁的员工的数据。通过运行上述代码,我们得到了一个新的数据框selected_cols,其中只包含了姓名和年龄两列的数据。

CyberJolt的博客 1203

R 安装函数包及绘制图形

gcookbook包提供climate、countries、heightweight、uspopchange等数据集,可为R初学者提供素材

qq_63606575的博客 2379

高效数据处理方案:R语言中的dplyr包

为了更高效地处理数据,R语言提供了众多数据处理包,其中最常用且功能强大的之一就是dplyr包。本文将介绍dplyr包的基本用法,并通过示例源代码展示其在数据清洗、过滤、变形等方面的应用。总结起来,dplyr包是一款功能强大且易于使用的数据处理包,为R语言用户提供了高效、直观的数据操作方式。通过熟练掌握dplyr的基本函数和用法,我们能够更加高效地进行数据清洗、过滤、变形等操作,为后续的统计分析和建模工作打下坚实的基础。这只是dplyr包的一小部分功能,它还提供了更多强大的函数和操作符,例如。

2301_79330513的博客 295

加载gcookbook包,探索cabbage_exp维度和结构

【代码】加载gcookbook包,探索cabbage_exp维度和结构。

zhanghongyi_cpp的博客 245

手机耳机麦克风(ECM)电路设计实战:从差分走线到射频干扰滤波,一个电阻引发的灵敏度问题

本文深入探讨了手机耳机麦克风(ECM)电路设计中的关键问题,从差分走线到射频干扰滤波,特别关注了一个电阻引发的灵敏度问题。通过实际案例分析,详细解析了ECM麦克风工作原理、偏置电阻选型、差分信号传输设计以及射频干扰抑制策略,为工程师提供了实用的设计指南和优化建议。

weixin_42563415的博客 245

INCA刷写App文件必看:A2l文件配置与ProF文件安装详解(2023最新版)

本文深入解析了使用INCA进行ECU应用程序刷写时,A2l文件配置与ProF文件安装的关键细节与避坑指南。重点阐述了A2l文件必须与待刷写二进制文件严格匹配的核心逻辑,以及ProF文件与Bootloader版本强相关的安装策略,帮助开发者解决刷写过程中的常见失败问题,确保刷写流程的稳定与可靠。

milk8的博客 592

R语言(二)数据处理常用包

RGUI读取excel文件。

m0_74089390的博客 1694

Linux内核同步原语之队列自旋锁(Queued Spin Lock)深度解析

本文深度解析了Linux内核中的队列自旋锁(Queued Spin Lock)机制。通过对比传统自旋锁的瓶颈,详细阐述了队列自旋锁如何利用紧凑的4字节结构、每CPU节点数组和pending位优化,有效解决多核(SMP)系统中的缓存行乒乓和惊群效应,实现公平、高效的锁等待队列,从而显著提升内核在高并发场景下的可扩展性与性能。

weixin_29205061的博客 306

R count函数_R最快且比dplyr最高效的大数据处理R包:tidyfst

R最快且比dplyr最高效的大数据处理R包:tidyfst​mp.weixin.qq.com写在前面本包开发者黄天元;首先我对tidyfst进行了一套完整的学习,因为这里面的函数并不多,满打满计算,也就38个。随着扩增子的平稳,我逐渐转入宏基因组,软件更多,平台跨度更大,R语言显示出来很多弊端:数据处理过程不够快,无法快速读入,输出;近年来出现了许多工具解决这个问题,本着适合之前的习惯,我想通过d...

weixin_39769703的博客 1889

Python解答蓝桥杯省赛真题之从入门到真题

搜了很多历年蓝桥杯真题解答,大多都是Java,C++,C这些语言编写的代码解析。Python解析的几乎,甚至可以说没有。而当下Python又这么火热,蓝桥杯也出了Python组,所以打算写一个Python解答蓝桥杯真题的博客,供大家参考,也在这过程中和大家一起交流。

李波的blog,一名喜欢编程和分享技术的研究僧~ 10万+

【OS】AUTOSAR OS系统调用产生Trap的过程详解

AUTOSAR OS系统调用产生Trap的过程详解

qq_36056498的博客 2445

Apache Arrow R包:10个必知必会的现代数据处理技巧 [特殊字符]

Apache Arrow R包是现代数据处理的终极解决方案,专为R语言用户设计。作为Apache Arrow项目的一部分,它提供了高效的内存数据格式和强大的分析功能。无论你是数据分析师、研究人员还是开发者,掌握Arrow R包都能让你的数据处理效率提升数倍! ## 为什么选择Apache Arrow R包? 🤔 Apache Arrow R包解决了传统R数据处理中的核心痛点:内存限制、跨语言

gitblog_00416的博客 1215

第20期-英伟达笔试题型解析

英伟达作为AI领域的缔造者及硬件基石,是这几年最为炙手可热的公司。英伟达以其高性能GPU设计闻名,硬件工程师岗位的招聘通常包括笔试和技术面试,考察领域涵盖数字电路设计、处理器架构、嵌入式系统和信号处理等。通过搜索公开平台,收集了候选人的面试经历和相关技术问题,,通过分析公开平台收集的笔试面试经验,结合英伟达的GPU架构特点,整理出可能涉及的典型题目,并提供详细解析。 以下是基于英伟达(Nvidia)硬件工程师笔试题型的解析与总结,涵盖核心知识点、解题思路及案例分析。

启芯硬件的博客 747

R语言dplyr包:高效数据处理函数arrange、sample_n、n_distinct、select、compute等

今天是个特别的日子,小编在这里祝大家情人节快乐!本篇文章继续之前文章提到的关于dplyr包数据处理的函数。错了,小编是准备那天发的,忘发了 R语言在数据整理、分析上面的方法是很多的,并且通俗易懂,相信热衷于用R语言处理数据的同仁也深有体会。 1、数据排序函数 arrange()函数其实和大家经常用的EXCEL中的降序、升序相似,但该函数的功能肯定更便捷、强大,可以按照多列(有序的列)进行...

发财的小手点点关注! 1万+

华为OD机试真题 新系统 2026-04-22 Python&JS 实现【小学生班长选举增强版】

9 月份开学第一天,小学某班级进行班长选举活动,班级共有 N 个学生,每个学生最多可投 3 票(对同一个人只能投一票),也可以弃权不投票,大家投票时写上对应学生的名字。 假设学生不存在重名。考虑到部分少数民族名字带分隔,且整体较长,同学在投票时为了方便,允许同学写全称,也可以只写其中的部分连续段。 例如班级里只有 2 个少数民族名称带点的同学:

MISAYAONE的博客 320

高频电磁场仿真-主题064-伴随变量法与灵敏度分析

在电磁器件优化设计中,梯度信息对于指导优化方向至关重要。考虑一个典型的电磁优化问题: 其中 p=[p1,p2,...,pn]Tp = [p_1, p_2, ..., p_n]^Tp=[p1​,p2​,...,pn​]T 是设计参数向量(如几何尺寸、材料参数等)。传统有限差分法的困境:示例: 一个具有100个设计参数的天线优化问题伴随变量法(Adjoint Variable Method, AVM)通过引入伴随场,将梯度计算复杂度从 O(n)O(n)O(n) 降低到 O(1)O(1)O(1):伴随变量法在计算

kkchenjj的博客 415

R-数据处理和可视化包简介

所用工具包 再谈谈R中所用的包,主要分类两类:数据处理和可视化。 数据处理包: rvest用来做实时爬虫,每次程序一启动就开始做最新的实时爬虫。 plyr和dplyr主要做数据筛选、排序、聚合计算等。 stringr用来对字符串分割、转换等。 data.table用来读取大量的历史数据并做一些简单的处理。 reshape2用来对数据框做变形处理。 可视化包: shiny和shinydashboar...

数据小丸子的博客 644

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

R语言数据处理强悍包dplyr&reshape2&tidyr

R语言数据处理 dplyr&reshape2&tidyr 包详解 dplyr:轻松地处理data.frame, data.table以及多种数据库为基础的数据,实现选择、变换、分组等 plry:轻松地在vector, list, data.frame之间做分组变换,实现拆分、变换、合并的操作 reshpae2:横向、纵向做数据变换 非特别标注,默认为dplyr包 准备工作 tbl_...

qq_36608036的博客 2339

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

R data.table 包入门指南:高效数据处理基础

R data.table 包入门指南:高效数据处理基础 概述 本文将介绍 R 语言中 data.table 包的基础用法,这是一个专为高效数据处理而设计的增强版 data.frame。data.table 通过简洁的语法和内部优化机制,能够显著提升数据操作的速度和内存效率。 数据准备 我们使用纽约市2014年航班数据作为示例数据集,包含1月至10月的航班信息。使用 fread() 函数可以快速加载...

gitblog_00812的博客 626

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

数据处理新星:R语言下的ETL神器——`etl`包

数据处理新星:R语言下的ETL神器——etl包 在数据科学的浩瀚宇宙中,如何高效地进行数据的提取、转换和加载(ETL)始终是工程师和分析师面临的挑战之一。今天,我们来探索一款专为R语言爱好者量身打造的利器——etl包,它简化了中等规模数据的ETL流程,让数据处理变得更加便捷与高效。 项目介绍 etl是一个旨在简化R环境中ETL操作的开源包,尤其适合于管理“中等数据”。不同于针对大数据的技术栈,et...

gitblog_00063的博客 485

r data.frame添加_R包分类:数据处理

一份整洁、标准的数据集对后续的数据分析至关重要.数据处理包括:数据读取、格式转置、缺失值处理、异常值处理等数据读取17_数据导入flextable包:替代付费软件!绘制多样化图表readtext包:大批量文本数据挖掘readr:读取excel、text数据tidyxl:阅读不整洁的excel文件pdftools:pdf格式文本处理工具expss:从电子表格和SPSS中读取数据、标签、函数...

weixin_39928818的博客 281
上一篇: 推荐多样性重排算法之MMR
下一篇: 深入了解LDA以及其在推荐系统上的引用
Wang_AI
博客等级 码龄12年 998粉丝 162原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值