R语言——数据整理3

参考资料：学习R

3、排序

        把数值数据按大小进行排序通常很有用，sort函数按向量从小到大（或从大到小）排序。

x<-c(2,32,4,16,8)
sort(x)
sort(x,decreasing = TRUE)

        字符串也可以排序，通常字母从a到z排序：

y<-c("I","shot","the","city","sheriff")
sort(y)

        order函数是sort函数的某种逆转操作。order中的第i个元素是x中的元素在排序之后最终将出现的位置。这种说法有点令人头晕，你需要了解的是：x[order(x)]将返回与sort(x)相同的结果。

x
order(x)
x[order(x)]
sort(x)
identical(sort(x),x[order(x)])

        order在对数据框排序时很有用，因为数据框不能直接使用sort：

year_order<-order(english_monarchs$start.of.reign)
english_monarchs[year_order,]

        plyr包中的arrange函数提供了一个替代函数，它只用一行就能对数据框排序：

library(plyr)
arrange(english_monarchs,start.of.reign)

        rank函数为数据集中每个元素给出了排名，提供了排名情况相等时的几种处理方法：

x<-sample(3,7,replace=TRUE)
print(x)
rank(x)
rank(x,ties.method="first")

4、函数式编程

        Negate函数是接受一个谓词（即一个返回逻辑向量的函数）并返回一个刚好相反的谓词。当输入是FALSE时，则返回TRUE。

ct2<-deer_endocranial_volume$VolCT2
isnt.na<-Negate(is.na)
identical(isnt.na(ct2),!is.na(ct2))

        Filter可以接受两个参数：第一个参数为返回一个逻辑向量的函数，第二个参数是一个输入向量，它只有在函数返回为TRUE时才会返回那些值：

        Position函数的行为向which函数。它将返回第一个把谓词应用于矢量上而返回TRUE的索引下标。

        Find与Position类似，但它返回的是第一个值而不是第一个索引。

ct2
Filter(isnt.na,ct2)
Position(isnt.na,ct2)
Find(isnt.na,ct2)

        Map函数将一个函数应用于输入参数中的每个元素上。它只是使用了SIMPLIFY=FALSE选项的mapply函数的封装函数。Map函数的行为和mapply一样：它接受一个函数作为第一个参数，然后其他所有的参数会逐个传递给它：

get_volume<-function(ct,bead,lwh,finarelli,ct2,bead2,lwh2){
  # 如果有第二次测量，取平均值
  if(!is.na(ct2)){
    ct<-(ct+ct2)/2
    bead<-(bead+bead2)/2
    lwh<-(lwh+lwh2)/2
  }
  # 把lwh除以4，使它与其他测量结果看起
  c(ct=ct,bead=bead,lwh.4=lwh/4,finarelli=finarelli)
}
measurements_by_deer<-with(
  deer_endocranial_volume,
  Map(
    get_volume,
    VolCT,
    VolBead,
    VolLWH,
    VolFinarelli,
    VolCT2,
    VolBead2,
    VolLWH2
  )
)
head(measurements_by_deer)

        Reduce函数能把一个二元函数转变为接受多个输入的函数。例如，+运算符能计算两个数据字典的综合，但sum函数能计算多个输入的总和。sum(a,b,c,d,e)相当于Reduce("+",list(a,b,c,d,e))

        我们可以定义一个简单的二元函数来计算两个输入值的最大值：

pmax2<-function(x,y) ifelse(x>=y,x,y)
Reduce(pmax2,measurements_by_deer)

        Reduce的一个限制条件是，它将对其输入成对地反复调用二元函数，也就是说：

Reduce("+", list(a, b, c, d, e))相当于((((a + b) + c) + d) + e)

        这意味着，它不能用于例如求平均值这样的计算因为：

mean(mean(mean(mean(a, b), c), d), e) != mean(a, b, c, d, e)