《R语言实战》第四章学习笔记_r语言 x%%y-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_34773726/article/details/52645264

本文是《R语言实战》第四章的学习笔记，涵盖了基本数据管理，包括创建新变量、变量重编码、缺失值处理、日期值操作、类型转换、数据排序、合并与取子集等。详细讨论了如何处理缺失值，转换日期格式，以及如何通过order()、merge()、cbind()、rbind()等函数进行数据操作。此外，还介绍了如何选入和剔除观测，以及使用subset()函数进行数据筛选。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　感谢Robert I.Kabacoff 著作本书，同时感谢高涛、肖楠、陈钢编译此书。

　　最近在学习《R语言实战》，特将学习过程记录下来，供各位朋友参考，虽说是笔记，但是90%是书中内容，另外10%是自己偶尔冒出的一点点想法的记录和一些疑问，希望互相探讨。末尾有本章的代码清单下载地址，与各位交流，还是提倡按照书中内容把代码一个个敲出来。

第四章基本数据管理

本章内容

操纵日期和缺失值
熟悉数据类型的转换
变量的创建和重编码
数据集的排序，合并与取子集
选入和丢弃变量

4.1 一个示例

　　代码清单中，最后一行的最后一个参数，stringsAsFactors = FALSE，个人认为含义是：特征向量能否转换为因子，默认TRUE，可以转换。R中解释为：

stringsAsFactors

logical: should character vectors be converted to factors? The ‘factory-fresh’ default is TRUE, but this can be changed by setting options(stringsAsFactors = FALSE)

4.2 创建新变量

　　在R中，算数运算符除了+、-、*、/，还有

^（或 **）:求幂。
x%%y:求余，5%%2的结果为1。
x%/%y：整数除法，5%/%2的结果为2。

　　代码清单4-2提供了三种将新变量整合到原始的数据框中的方式。相当于在列表中增加新的一列（新的观测）。作者推荐使用第三种方式，我个人也比较喜欢第三种，主要是简便并且不容易误操作。

4.3 变量的重编码

　　重编码涉及根据一个变量和/或其他变量的现有值创建新值得过程。

运算符	描述

4.4变量的重命名

交互式方法。
　　使用fix(数据框名)即可调出一个交互式的编辑器，可直接点击变量名进行修改。
编程的方法
　　下载、载入reshape包，注意使用R 3.3.1版本。然后使用其中的rename()函数即可。

　　编程的方式也分为几种方法：
直接将旧名称换为新名称。
data.frame <- rename(oldname = "newname", oldname = "newname", …)
指定变换的变量数字。
names(data.frame)[2] <- "newname"
以向量的方式批量更换某一部分变量名。
names(data.frame)[2:5] <- c("newname", "newname", …)

4.5 缺失值

　　is.na()将返回逻辑值TRUE(存在缺失值)和FALSE(不存在缺失值)。

注意：
　　缺失值被认为是不可比较的，即便是与确实值自身的比较。这一位这无法使用比较运算符来检测缺失值是否存在。例如，逻辑测试myvar == NA的结果永远不会是TRUE。作为替代，你只能使用处理缺失值的函数（如本节中所述的那些）来识别R数据对象终归的缺失值。

4.5.1 重编码某些值为缺失值

　　如4.3节那样可以使用赋值语句将某些值重编码为缺失值。

leadership$age[leadership$age == 99] <- NA

　　请确保所有的缺失数据已在分析之前被妥善地编码为缺失值，否则分析结果将失去意义。

4.5.2 在分析中排出缺失值

　　缺失值需要以某种方式删除，因为含有缺失值的算术表达式和函数的计算结果也是缺失值。

　　多数数值函数拥有一个na.rm = TRUE的选项，可以在计算之前移除缺失值并使用剩余值进行计算。

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

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

　　在使用函数处理不完整的数据时，请务必查阅他们的帮助文档，检查这些函数是如何处理缺失数据的。

　　函数na.omit()可以移除所有含有缺失值的观测。

4.6 日期值

　　日期通常以字符串的方式输入到R中，然后转化为以数值形式存储的日期变量。函数as.Date()用于执行这种转化。其语法为：as.Date(x, “input_format“)

符号	含义	示例
%d	数字表示的日期（0-31）	01~31
%a	缩写的星期名	Mon
%A	非缩写的星期名	Monday
%m	月份（00-12）	00~12
%b	缩写的月份	Jan
%B	非缩写的月份	January
%y	两位数的年份	7
%Y	四位数的年份	2007

　　在P73页中有一句话，个人觉得，翻译有误。原文为：
< 使用指定格式读取字符型变量，并将其作为一个日期变量替换到数据框中。

　　个人建议将第二句话改为：并将其修改成指定格式的数值型变量（指定的日期格式）。

时间戳

Sys.Date()函数　　返回当天的日期。
date()函数　　　　返回当前的日期和时间。

　　使用函数format(x, format = “output_format”)来输出指定格式的日期值，并且可以提取日期值中的某些部分。

疑问
　　在使用如下代码时，书中显示的是英文的非缩写月份，而在RStudio中是中文的月份。
today <- Sys.Date()
format(today, format = "%B %d %Y")
　　书中显示的是：”December 01 2010”

　　而我操作时显示的是：”六月 29 2016”

format(today, "%A")

　　书中显示的是：”Wednesday”

　　而我操作时显示的是：”星期三”

　　difftime()函数用于计算时间间隔，并以星期、天、时、分、秒来表示。units = auto（自动）、secs（秒）、mins（分）、hours（时）、days（天）、weeks（星期）。

问：为何没有年为结果的参数选项？

4.6.1 将日期转换为字符型变量

strDate <- as.character(dates)

4.6.2 更进一步

　　要了解字符型数据转换为日期的更多细节，请查看help(as.Date)和help(strftime)。

　　要了解更多关于日期和时间格式的知识，请参考help(ISOdatetime)

　　lubridate包中包含了许多简化日期处理的函数，可以用于识别和解析日期-时间数据，抽取日期-时间成分（例如年份、月份、日期等），以及对日期-时间值进行算术运算。

　　如果你需要对日期进行复杂的计算，namefCalendar包可能会有帮助。它提供了大量的日期处理函数，可以同时处理多个时区，并且提供了历法操作功能，支持工作日、周末以及假期。

4.7 类型转换

判断	转换	类型
is.numeric()	as.numeric()	数值型
is.character()	as.character()	字符型
is.vector()	as.vector()	向量
is.martix()	as.martix()	矩阵
is.data.frame()	as.data.frame()	数据框
is.factor()	as.factor()	因子
is.logical()	as.logical()	逻辑型

　　名为is.datatype()这样的函数返回TRUE或FALSE，而as.datatype()这样的函数则将其参数转换为对应的类型。

4.8 数据排序

　　使用order()函数对一个数据框进行排序。默认的排序顺序是升序，在排序变量前边加一个减号，即可得到降序的排序结果。order()可以同时添加多个变量。

4.9 数据集的合并

　　如果数据分散在多个地方，你就需要在继续下一步之前将其合并。本节展示了向数据框中添加列（变量）和行（观测）的方法。

4.9.1 添加列

　　使用merge()函数可以，通过一个或多个共有变量合并数据框。

如下代码

ID <- c(1, 2, 3)
name1 <- c("a", "b", "c")
age1 <- c(11, 12, 13)
name2 <- c("d", "e", "f")
age2 <- c(14, 15, 16)
dataframe1 <- data.frame(ID, name1, age1)
dataframe1
dataframe2 <- data.frame(ID, name2, age2)
dataframe2
newdataframe <- merge(dataframe1, dataframe2, by = "ID")
newdataframe

　　以上是通过一个共有变量ID，合并两个数据框的。

newdataframe2 <- cbind(dataframe1, dataframe2)
newdataframe2

　　使用cbind()函数可以直接横向合并两个矩阵或数据框。

4.9.2 添加行

　　使用rbind()函数可以纵向合并两个数据框（数据集）。通常用于向数据框中添加观测。

注意

两个数据框必须拥有相同的变量，顺序可以不同。
如果数据框A中有数据框B没有的变量，请在合并之前做以下某种处理：
- 删除A中的多余变量。
- 在B中创建追加的变量并将其值设为NA（缺失）。

4.10 数据集取子集

　　R拥有强大的索引特性，可以用于访问对象中的元素。也可利用这些特性对变量或观测进行选入和排除。

4.10.1 选入（保留）变量

myvars3 <- names(leadership) %in% c("q3", "q4")
newdata4 <- leadership[!myvars3]
newdata4

　　（1） names(leadership)生成了一个包含所有变量名的字符型向量：c(“manafer”, “date”, “country”, “gender”, “age”, “q1”, “q2”, “q3”, “q4”, “q5”)。
　　（2） names(leadership) %in% c(“q3”, “q4”)返回一个逻辑型向量，names(leadership)中每个匹配q3或q4的值为TRUE,反之为FALSE：c(FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, TRUE, TRUE, FALSE)。
　　（3）运算符非（!）将逻辑值翻反转：c(TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FALSE, FALSE, TRUE)。
　　（4） leadership[c(TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FALSE, FALSE, TRUE)]选择了逻辑值为TRUE的列，于是q3和q4倍剔除了。

　　在知道q3和q4是第八个和第九个变量的情况下，可以使用语句：

newdata <- leadership[c(-8, -9)]

　　将他们剔除。原理是：**在某一列的下标之前加一个减号（-）就会剔除那一列了。

　　相同的变量删除工作亦可通过：
leadership$q3 <- leadershi$q4 <- NULL来完成。

　　将q3和q4设为了未定义（NULL）。注意，NULL和NA是不同的。