文章目录
- R语言数据分析120题
- P1-20
- 1(创建数据框):将下面的字典创建为DataFrame
- 2(筛选行):提取含有字符串"Python"的行
- 3(查看列名):输出df的所有列名
- 4(修改列名):修改第二列列名为popularity
- 5(统计频数):统计grammer列中每一种编程语言出现的次数
- 6(缺失值处理):将空值用上下值的平均值填充
- 7(筛选行):提取popularity列中值大于3的行
- 8(数据去重):按grammer列进行去重
- 9(数据计算):计算popularity列平均值
- 10(格式转换):将grammer列转换为序列
- 11(数据保存):将数据框保存为Excel
- 12(数据查看):查看数据的行数列数
- 13(筛选行):提取popularity列值大于3小于7的行
- 14(调整列位置):交互两列的位置
- 15(筛选行):提取popularity列最大值所在的行
- 16(查看数据):查看最后几行数据
- 17(修改数据):删除最后一行数据
- 18(修改数据):添加一行数据:"Perl", 6
- 19(数据整理):对数据按popularity列值从大到小排序
- 20(字符统计):统计grammer列每个字符串的长度
- P21-30
- 21(读取数据):读取本地Excel数据
- 22(查看数据):查看df数据的前几行(后几行)
- 23(数据计算):将salary列数据转换为最大值与最小值的平均值
- 24(分组汇总):根据学历分组,并计算平均薪资
- 25(时间转换):将createTime列转换为"月-日"
- 26(查看数据):查看数据结构信息
- 27(查看数据):查看数据汇总信息
- 28(修改列):新增一列将salary离散化为三水平值
- 29(数据整理):按salary列对数据降序排列
- 30(筛选行):提取第33行数据
- P31-40
- 31(数据计算):计算salary列的中位数
- 32(数据可视化):绘制salary列的频率分布直方图
- 33(数据可视化):绘制salary的频率密度曲线图
- 34(数据删除):删除列class
- 35(数据操作):将df的第1列与第2列合并为新的一列
- 36(数据操作):将education列与第salary列合并为新的一列
- 37(数据计算):计算salary最大值与最小值之差
- 38(数据操作):将第一行与最后一行拼接
- 39(数据操作):将第8行添加到末尾
- 40(查看数据):查看每一列的数据类型
- P41-50
- 41(数据操作):将createTime列设置为行索引
- 42(数据创建):生成一个和df长度相同的随机数数据框
- 43(数据连接):将上面生成的数据框与df按列合并
- 44(修改列):生成新列new为salary列减去随机数列
- 45(检查缺失值):检查数据中是否含有任何缺失值
- 46(类型转换):将rnums列的类型转换为浮点数
- 47(数据汇总):计算salary列大于10000的次数
- 48(统计频数):查看每种学历出现的次数
- 49(数据汇总):查看education列共有几种学历
- 50(筛选行):提取salary与new列之和大于60000的最后3行
- P51-60
- 51(读取数据):使用绝对路径读取本地Excel数据
- 52(查看数据):查看数据框的前3行
- 53(查看缺失值):查看每列数据缺失值情况
- 54(查看缺失值):查看日期列含有缺失值的行
- 55(查看缺失值):查看每列缺失值在哪些行
- 56(缺失值处理):删除所有存在缺失值的行
- 57(数据可视化):绘制收盘价的折线图
- 58(数据可视化):同时绘制开盘价与收盘价
- 59(数据可视化):绘制涨跌幅的直方图
- 60(数据可视化):让直方图更细致
- P61-70
- 61(数据创建):用df的列名创建数据框
- 62(异常值处理):输出所有换手率不是数字的行
- 63(异常值处理):输出所有换手率为--的行
- 64(数据操作):重置df的行号
- 65(异常值处理):删除所有换手率为非数字的行
- 66(数据可视化):绘制换手率的密度曲线
- 67(数据计算):计算前一天与后一天收盘价的差值
- 68(数据计算):计算前一天与后一天收盘价的变化率
- 69(数据操作):设置日期为行索引
- 70(数据计算):对收盘价做步长为5的滑动平均
- P71-80
- 71(数据计算):对收盘价做步长为5的滑动求和
- 72(数据可视化):将收盘价及其5日均线、20日均线绘制在同一个图上
- 73(数据重采样):按周为采样规则,计算一周收盘价最大值
- 74(数据可视化):绘制重采样数据与原始数据
- 75(数据操作):将数据往后移动5天
- 76(数据操作):将数据往前移动5天
- 77(数据操作):计算开盘价的累积平均
- 78(数据计算):绘制开盘价的累积平均与原始数据的折线图
- 79(数据计算):计算布林指标
- 80(数据可视化):绘制布林曲线
- P81-90
- 81(加载查看包):加载并查看tidyverse包版本
- 82(生成随机数):生成20个0~100的随机数,创建数据框
- 83(生成等差数):生成20个0~100固定步长的数,创建数据框
- 84(生成指定分布随机数):生成20个标准正态分布的随机数,创建数据框
- 85(合并数据):将df1, df2, df3按行合并为新数据框
- 86(合并数据):将df1, df2, df3按列合并为新数据框
- 87(查看数据):查看df所有数据的最小值、25%分位数、中位数、75%分位数、最大值
- 88(修改列名):修改列名为col1, col2, col3
- 89(数据操作):提取在第1列中而不在第2列中的数
- 90(数据操作):提取在第1列和第2列出现频率最高的三个数字
- P91-100
- 91(数据操作):提取第1列可以整除5的数的位置
- 92(数据计算):计算第1列的1阶差分
- 93(数据操作):将col1, col2, col3三列顺序颠倒
- 94(数据操作):提取第一列位置在1,10,15的数
- 95(数据操作):查找第一列的局部最大值位置
- 96(数据计算):按行计算df每一行的均值
- 97(数据计算):对第二列计算步长为3的移动平均值
- 98(数据计算):按第三列值的大小升序排列
- 99(数据操作):按第一列大于50的数修改为"高"
- 100(数据计算):计算第一列与第二列的欧氏距离
- P101-110
- 101(数据读取):从csv文件中读取指定数据:读取前10行, positionName和salary列
- 102(数据读取):从csv文件中读取数据,将薪资大于10000的改为"高"
- 103(数据操作):从df中对薪资水平每隔20行进行抽样
- 104(数据操作):取消使用科学记数法
- 105(数据操作):将上一题的数据转换为百分数
- 106(数据操作):查找上一题数据中第3大值的行号
- 107(数据操作):反转df的行
- 108(数据连接:全连接):根据多列匹配合并数据,保留df1和df2的观测
- 109(数据连接:左连接):根据多列匹配合并数据,只保留df1的观测
- 110(数据处理):再次读取数据1并显示所有列
- P111-120
- 111(数据操作):查找secondType与thirdType值相等的行号
- 112(数据操作):查找薪资大于平均薪资的第三个数据
- 113(数据操作):将上一题数据的salary列开根号
- 114(数据操作):将上一题数据的linestation列按_拆分
- 115(数据查看):查看上一题数据一共有多少列
- 116(数据操作):提取industryField列以"数据"开头的行
- 117(数据分组汇总):以salary score和positionID做数据透视表
- 118(数据分组汇总):同时对salary、score两列进行汇总计算
- 119(数据分组汇总):同时对不同列进行不同的汇总计算:对salary求平均,对score求和
- 120(数据分组汇总):计算并提取平均薪资最高的区
R语言数据分析120题
library(tidyverse)
library(zoo)
library(writexl)
P1-20
1(创建数据框):将下面的字典创建为DataFrame
data = {“grammer”: [“Python”,“C”,“Java”,“GO”,np.nan,“SQL”,“PHP”,“Python”], “score”:[1,2,np.nan,4,5,6,7,10]}
library(tibble)
df <- tibble(
grammer = c("Python","C","Java","GO", NA,"SQL","PHP","Python"), score = c(1,2,NA,4,5,6,7,10))
df
A tibble: 8 × 2
grammer
|
score
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
NA
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
df_1 <- data.frame(
grammer = c("Python","C","Java","GO", NA,"SQL","PHP","Python"), score = c(1,2,NA,4,5,6,7,10))
df_1
A data.frame: 8 × 2
grammer
|
score
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
NA
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
2(筛选行):提取含有字符串"Python"的行
整个
df %>% filter(grammer == "Python")
A tibble: 2 × 2
grammer
|
score
|
<chr>
|
<dbl>
|
Python
|
1
|
Python
|
10
|
包含部分字符
R语言使用dplyr提取行列:https://www.cnblogs.com/chenwenyan/p/15261246.html
df_1 <- dplyr::filter(df, grepl('P', grammer))
df_1
A tibble: 3 × 2
grammer
|
score
|
<chr>
|
<dbl>
|
Python
|
1
|
PHP
|
7
|
Python
|
10
|
#sessionInfo() 查看R版本
#R.Version()
3(查看列名):输出df的所有列名
names(df)
- 'grammer'
- 'score'
4(修改列名):修改第二列列名为popularity
重命名函数rename()
df = df %>% rename(popularity = score)
names(df)
- 'grammer'
- 'popularity'
5(统计频数):统计grammer列中每一种编程语言出现的次数
计数函数count()
df %>% count(grammer)
A tibble: 7 × 2
grammer
|
n
|
<chr>
|
<int>
|
C
|
1
|
GO
|
1
|
Java
|
1
|
PHP
|
1
|
Python
|
2
|
SQL
|
1
|
NA
|
1
|
6(缺失值处理):将空值用上下值的平均值填充
https://blog.csdn.net/weixin_51077152/article/details/119945978
(1)判断元素中是否含有缺失值:is.na()函数
(2)去掉数据集中的缺失值(行删除):
complete.cases() 存储没有缺失值的数据框
na.omit()函数 去掉有缺失值的行
na.omit(object,cols,invert)
object::数据集
cols:一个由列名(或数字)组成的向量,用于检查缺失值。默认值是所有列。
invert:如果FALSE将省略所有缺少值的行(默认)。TRUE只返回那些缺少值的行。
(3)计算每一列/每一行的缺失值数,用sleep数据集
sleep数据集引用之前需要先下载程序包VIM
na.approx (in zoo package):计算插值替换NA值
df = df %>% mutate(popularity = zoo::na.approx(popularity))
df
A tibble: 8 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
mutate函数,关于mutate函数补充如下:
# 删除grammer列的数据,即将null值赋予列
df %>%mutate(grammer=NULL)
A tibble: 8 × 1
popularity
|
<dbl>
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
10
|
7(筛选行):提取popularity列中值大于3的行
df %>% filter(popularity >3)
A tibble: 5 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
8(数据去重):按grammer列进行去重
distinct()过滤多余的重复记录只保留一条
.keep_all = TRUE显示所有的变量, = FALSE只显示降重列
df %>% distinct(grammer, .keep_all = TRUE)
A tibble: 7 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
9(数据计算):计算popularity列平均值
df %>%summarise(popularity_avg = mean(popularity))# summarise()创建新的data frame# 可以实现分类汇总
A tibble: 1 × 1
popularity_avg
|
<dbl>
|
4.75
|
10(格式转换):将grammer列转换为序列
df$grammer
- 'Python'
- 'C'
- 'Java'
- 'GO'
- NA
- 'SQL'
- 'PHP'
- 'Python'
11(数据保存):将数据框保存为Excel
writexl::write_xlsx(df, "filename.xlsx")
12(数据查看):查看数据的行数列数
dim(df)
- 8
- 2
13(筛选行):提取popularity列值大于3小于7的行
df %>%filter(popularity > 3 & popularity < 7)
A tibble: 3 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
14(调整列位置):交互两列的位置
df %>%select(popularity, grammer)# select()仅保留提到的变量
A tibble: 8 × 2
popularity
|
grammer
|
<dbl>
|
<chr>
|
1
|
Python
|
2
|
C
|
3
|
Java
|
4
|
GO
|
5
|
NA
|
6
|
SQL
|
7
|
PHP
|
10
|
Python
|
15(筛选行):提取popularity列最大值所在的行
df %>%filter(popularity == max(popularity))
A tibble: 1 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
10
|
16(查看数据):查看最后几行数据
tail(df)
head(df)
# tail默认最后6行,head默认前6行
A tibble: 6 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
A tibble: 6 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
17(修改数据):删除最后一行数据
df %>% slice(-n())# 删除第n行的数据,即最后一行的数据
A tibble: 7 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
在这里用的是slice函数,关于slice函数补充如下:
# 如果选择某一特定行数据,例如选取第三行:
df %>% slice(3)
# 如果删去某一特定行数据,例如删去第三行:
df %>% slice(-3)
# 如果选择特定几行数据,例如选取第3-5行:
df %>% slice(3:5)
# 如果删去特定几行数据,例如删除第3-5行:
df %>% slice(-(3:5))
A tibble: 1 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Java
|
3
|
A tibble: 7 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
A tibble: 3 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
A tibble: 5 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
18(修改数据):添加一行数据:“Perl”, 6
newrow = tibble(grammer="Perl", popularity=6)# 定义新的newrow,a tibble:1*2
df %>%bind_rows(newrow)# 使用bind_rows(),合并两个tibble
A tibble: 9 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
Perl
|
6
|
19(数据整理):对数据按popularity列值从大到小排序
df %>%arrange(desc(popularity))
A tibble: 8 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
10
|
PHP
|
7
|
SQL
|
6
|
NA
|
5
|
GO
|
4
|
Java
|
3
|
C
|
2
|
Python
|
1
|
arrange函数(排序函数) :
arrange(desc(data))
从大到小
arrange(data)
从小到大
# 对数据按popularity列值从到小到大排序
df %>%arrange(popularity)
A tibble: 8 × 2
grammer
|
popularity
|
<chr>
|
<dbl>
|
Python
|
1
|
C
|
2
|
Java
|
3
|
GO
|
4
|
NA
|
5
|
SQL
|
6
|
PHP
|
7
|
Python
|
10
|
20(字符统计):统计grammer列每个字符串的长度
mutate()
函数对数据进行增加列
df %>%mutate(strlen = str_length(grammer))# 使用mutate()函数对数据进行增加列# 定义strlen为新列,赋值为grammer的字符串长度
A tibble: 8 × 3
grammer
|
popularity
|
strlen
|
<chr>
|
<dbl>
|
<int>
|
Python
|
1
|
6
|
C
|
2
|
1
|
Java
|
3
|
4
|
GO
|
4
|
2
|
NA
|
5
|
NA
|
SQL
|
6
|
3
|
PHP
|
7
|
3
|
Python
|
10
|
6
|
P21-30
21(读取数据):读取本地Excel数据
df = readxl::read_xlsx("./data_R/21-50数据.xlsx")
# 需要保证数据在当前路径,可通过setwd()设置
22(查看数据):查看df数据的前几行(后几行)
head(df)
#tail(df)
A tibble: 6 × 3
createTime
|
education
|
salary
|
<dttm>
|
<chr>
|
<chr>
|
2020-03-16 11:30:18
|
本科
|
20k-35k
|
2020-03-16 10:58:48
|
本科
|
20k-40k
|
2020-03-16 10:46:39
|
不限
|
20k-35k
|
2020-03-16 10:45:44
|
本科
|
13k-20k
|
2020-03-16 10:20:41
|
本科
|
10k-20k
|
2020-03-16 10:33:48
|
本科
|
10k-18k
|
23(数据计算):将salary列数据转换为最大值与最小值的平均值
df = df %>%separate(salary, into = c("low", "high"), sep = "-") # 先将salary列分成两列low和high
df = df %>% mutate(salary = (parse_number(low) + parse_number(high)) * 1000 / 2)# 将low和high两列的数字部分运算,赋值给salary# parse_number()指提取变量中的数字部分
df = df %>%select(-c(low, high))# 删除low和high列# 也可以用#20的mutate函数删除列
head(df)
A tibble: 6 × 3
createTime
|
education
|
salary
|
<dttm>
|
<chr>
|
<dbl>
|
2020-03-16 11:30:18
|
本科
|
27500
|
2020-03-16 10:58:48
|
本科
|
30000
|
2020-03-16 10:46:39
|
不限
|
27500
|
2020-03-16 10:45:44
|
本科
|
16500
|
2020-03-16 10:20:41
|
本科
|
15000
|
2020-03-16 10:33:48
|
本科
|
14000
|
24(分组汇总):根据学历分组,并计算平均薪资
df %>% group_by(education) %>% summarise(salary_avg = mean(salary))# 将数据中的education相同取值的数据进行分组聚类,tiblle属性包括有Groups: education [4]# 创建新的数据框data frame,包含有group,salary_avg
A tibble: 4 × 2
education
|
salary_avg
|
<chr>
|
<dbl>
|
本科
|
19361.34
|
不限
|
19600.00
|
大专
|
10000.00
|
硕士
|
20642.86
|
summarise
函数(聚合函数),关于summarise函数补充如下:
# 创建新的数据框data frame,命名为salary,包含有group,salary_avg,salary_max,salary_min
salary=df %>% group_by(education) %>% summarise(salary_avg = mean(salary),salary_max=max(salary),salary_min=min(salary))
salary
A tibble: 4 × 4
education
|
salary_avg
|
salary_max
|
salary_min
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
本科
|
19361.34
|
45000
|
3500
|
不限
|
19600.00
|
30000
|
3500
|
大专
|
10000.00
|
15000
|
5000
|
硕士
|
20642.86
|
37500
|
12500
|
25(时间转换):将createTime列转换为"月-日"
library(lubridate)head(df %>% mutate(createTime = str_c(month(createTime), "-", day(createTime)))
)# 增加列createTime,包含有月份-日期# str_c合并字符串
A tibble: 6 × 3
createTime
|
education
|
salary
|
<chr>
|
<chr>
|
<dbl>
|
3-16
|
本科
|
27500
|
3-16
|
本科
|
30000
|
3-16
|
不限
|
27500
|
3-16
|
本科
|
16500
|
3-16
|
本科
|
15000
|
3-16
|
本科
|
14000
|
26(查看数据):查看数据结构信息
df %>% glimpse()# 查看数据结构信息
object.size(df)# 查看对象占用内存
Rows: 135
Columns: 3
$ createTime [3m[90m<dttm>[39m[23m 2020-03-16 11:30:18, 2020-03-16 10:58:48, 2020-03-16 10:46~
$ education [3m[90m<chr>[39m[23m "本科", "本科", "不限", "本科", "本科", "本科", "硕士", "本~
$ salary [3m[90m<dbl>[39m[23m 27500, 30000, 27500, 16500, 15000, 14000, 23000, 12500, 700~5112 bytes
27(查看数据):查看数据汇总信息
summary(df)
createTime education salary Min. :2020-03-13 18:01:31 Length:135 Min. : 3500 1st Qu.:2020-03-16 10:41:19 Class :character 1st Qu.:14000 Median :2020-03-16 11:00:27 Mode :character Median :17500 Mean :2020-03-16 10:16:35 Mean :19159 3rd Qu.:2020-03-16 11:19:03 3rd Qu.:25000 Max. :2020-03-16 11:36:07 Max. :45000
28(修改列):新增一列将salary离散化为三水平值
case_when
函数,允许定义多个if_else()
语句,等效于SQL中CASE WHEN
语句
df = df %>%mutate(class = case_when(salary >= 0 & salary < 5000 ~ "低",salary >= 5000 & salary < 20000 ~ "中",
TRUE ~ "高")) # 如果salary的取值在[0,5000),赋值class=低;# 如果salary的取值在[5000,20000),赋值class=中;# 如果salary的取值在[20000,+∞),赋值class=高;# TRUE的效果是其它,等效于salry>=20000
head(df)
A tibble: 6 × 4
createTime
|
education
|
salary
|
class
|
<dttm>
|
<chr>
|
<dbl>
|
<chr>
|
2020-03-16 11:30:18
|
本科
|
27500
|
高
|
2020-03-16 10:58:48
|
本科
|
30000
|
高
|
2020-03-16 10:46:39
|
不限
|
27500
|
高
|
2020-03-16 10:45:44
|
本科
|
16500
|
中
|
2020-03-16 10:20:41
|
本科
|
15000
|
中
|
2020-03-16 10:33:48
|
本科
|
14000
|
中
|
29(数据整理):按salary列对数据降序排列
df = df %>% arrange(desc(salary))# 同#19
30(筛选行):提取第33行数据
df[33,]
A tibble: 1 × 4
createTime
|
education
|
salary
|
class
|
<dttm>
|
<chr>
|
<dbl>
|
<chr>
|
2020-03-16 10:54:56
|
本科
|
25000
|
高
|
P31-40
31(数据计算):计算salary列的中位数
计算中位数median()
median(df$salary)
17500
df %>% summarise(salary_med = median(salary))
# 创建新的tibble 1*1,将salary列的中位数赋值给salary_med
A tibble: 1 × 1
salary_med
|
<dbl>
|
17500
|
32(数据可视化):绘制salary列的频率分布直方图
png('./data_R/out/32_直方图.png')
df %>%ggplot(aes(x = salary)) +geom_histogram(bins = 10)# salary设定为x轴绘图,设定图形格式为直方图,分为10组
dev.off()
png: 2
33(数据可视化):绘制salary的频率密度曲线图
png('./data_R/out/33_曲线图.png')
df %>%ggplot(aes(x = salary)) +geom_density()# 同#32,设定图形格式为密度曲线
dev.off()
png: 2
34(数据删除):删除列class
head(df %>% select(-class)
)
# 选择class列删除
# 或者同#6的补充,给class列赋空值即删去,如下head(df %>%mutate(class = NULL)
)
A tibble: 6 × 3
createTime
|
education
|
salary
|
<dttm>
|
<chr>
|
<dbl>
|
2020-03-16 11:30:17
|
本科
|
45000
|
2020-03-16 11:04:00
|
本科
|
40000
|
2020-03-16 10:36:57
|
本科
|
37500
|
2020-03-16 11:01:39
|
本科
|
37500
|
2020-03-16 09:54:47
|
硕士
|
37500
|
2020-03-16 11:01:22
|
本科
|
35000
|
A tibble: 6 × 3
createTime
|
education
|
salary
|
<dttm>
|
<chr>
|
<dbl>
|
2020-03-16 11:30:17
|
本科
|
45000
|
2020-03-16 11:04:00
|
本科
|
40000
|
2020-03-16 10:36:57
|
本科
|
37500
|
2020-03-16 11:01:39
|
本科
|
37500
|
2020-03-16 09:54:47
|
硕士
|
37500
|
2020-03-16 11:01:22
|
本科
|
35000
|
35(数据操作):将df的第1列与第2列合并为新的一列
unite函数
"newcol"为合并列的新命名,1:2为合并1、2列,sep = " "
为合并中间间隔空格
合并命名为newcol,1、2、3列,合并列由逗号区分
head(df %>% unite("newcol", 1:2, sep = " ")
)
A tibble: 6 × 3
newcol
|
salary
|
class
|
<chr>
|
<dbl>
|
<chr>
|
2020-03-16 11:30:17 本科
|
45000
|
高
|
2020-03-16 11:04:00 本科
|
40000
|
高
|
2020-03-16 10:36:57 本科
|
37500
|
高
|
2020-03-16 11:01:39 本科
|
37500
|
高
|
2020-03-16 09:54:47 硕士
|
37500
|
高
|
2020-03-16 11:01:22 本科
|
35000
|
高
|
36(数据操作):将education列与第salary列合并为新的一列
head(df %>% unite("newcol", c(education, salary), sep = " "))# 同#35
A tibble: 6 × 3
createTime
|
newcol
|
class
|
<dttm>
|
<chr>
|
<chr>
|
2020-03-16 11:30:17
|
本科 45000
|
高
|
2020-03-16 11:04:00
|
本科 40000
|
高
|
2020-03-16 10:36:57
|
本科 37500
|
高
|
2020-03-16 11:01:39
|
本科 37500
|
高
|
2020-03-16 09:54:47
|
硕士 37500
|
高
|
2020-03-16 11:01:22
|
本科 35000
|
高
|
37(数据计算):计算salary最大值与最小值之差
max(df$salary) - min(df$salary)
41500
38(数据操作):将第一行与最后一行拼接
bind_rows(df[1,], df[nrow(df),])
# 第一行df[1,]
# 最后一行df[nrow(df),]
A tibble: 2 × 4
createTime
|
education
|
salary
|
class
|
<dttm>
|
<chr>
|
<dbl>
|
<chr>
|
2020-03-16 11:30:17
|
本科
|
45000
|
高
|
2020-03-16 10:48:43
|
本科
|
3500
|
低
|
39(数据操作):将第8行添加到末尾
bind_rows(df, df[8,]) %>% tail()
#将第八行合并至末尾,同#38
# 显示末尾行
A tibble: 6 × 4
createTime
|
education
|
salary
|
class
|
<dttm>
|
<chr>
|
<dbl>
|
<chr>
|
2020-03-16 11:20:44
|
本科
|
4500
|
低
|
2020-03-16 11:12:04
|
本科
|
4000
|
低
|
2020-03-16 11:12:04
|
本科
|
4000
|
低
|
2020-03-16 10:44:23
|
不限
|
3500
|
低
|
2020-03-16 10:48:43
|
本科
|
3500
|
低
|
2020-03-16 10:41:20
|
本科
|
35000
|
高
|
40(查看数据):查看每一列的数据类型
df %>% glimpse()# 同#26
Rows: 135
Columns: 4
$ createTime [3m[90m<dttm>[39m[23m 2020-03-16 11:30:17, 2020-03-16 11:04:00, 2020-03-16 10:36~
$ education [3m[90m<chr>[39m[23m "本科", "本科", "本科", "本科", "硕士", "本科", "本科", "本~
$ salary [3m[90m<dbl>[39m[23m 45000, 40000, 37500, 37500, 37500, 35000, 35000, 35000, 325~
$ class [3m[90m<chr>[39m[23m "高", "高", "高", "高", "高", "高", "高", "高", "高", "高",~
P41-50
41(数据操作):将createTime列设置为行索引
head(
df %>% distinct(createTime, .keep_all = TRUE) %>% column_to_rownames("createTime")
)
A data.frame: 6 × 3
|
education
|
salary
|
class
|
|
<chr>
|
<dbl>
|
<chr>
|
2020-03-16 11:30:17
|
本科
|
45000
|
高
|
2020-03-16 11:04:00
|
本科
|
40000
|
高
|
2020-03-16 10:36:57
|
本科
|
37500
|
高
|
2020-03-16 11:01:39
|
本科
|
37500
|
高
|
2020-03-16 09:54:47
|
硕士
|
37500
|
高
|
2020-03-16 11:01:22
|
本科
|
35000
|
高
|
42(数据创建):生成一个和df长度相同的随机数数据框
df1 = tibble(rnums = sample.int(10, nrow(df), replace = TRUE))
head(df1)
# 创建这样的一个tibble数据框,将随机数赋值给irnums,要求为:数据为10以内正整数,数量同df,可以重复
A tibble: 6 × 1
rnums
|
<int>
|
9
|
10
|
7
|
9
|
5
|
4
|
43(数据连接):将上面生成的数据框与df按列合并
df = bind_cols(df, df1)
head(df)
A tibble: 6 × 5
createTime
|
education
|
salary
|
class
|
rnums
|
<dttm>
|
<chr>
|
<dbl>
|
<chr>
|
<int>
|
2020-03-16 11:30:17
|
本科
|
45000
|
高
|
9
|
2020-03-16 11:04:00
|
本科
|
40000
|
高
|
10
|
2020-03-16 10:36:57
|
本科
|
37500
|
高
|
7
|
2020-03-16 11:01:39
|
本科
|
37500
|
高
|
9
|
2020-03-16 09:54:47
|
硕士
|
37500
|
高
|
5
|
2020-03-16 11:01:22
|
本科
|
35000
|
高
|
4
|
44(修改列):生成新列new为salary列减去随机数列
df = df %>% mutate(new = salary - rnums)
45(检查缺失值):检查数据中是否含有任何缺失值
anyNA(df)
FALSE
46(类型转换):将rnums列的类型转换为浮点数
head(df %>% mutate(rnums = as.double(rnums))# rnums为int型,使用as.double进行转换,其他形式也类比
)
A tibble: 6 × 6
createTime
|
education
|
salary
|
class
|
rnums
|
new
|
<dttm>
|
<chr>
|
<dbl>
|
<chr>
|
<dbl>
|
<dbl>
|
2020-03-16 11:30:17
|
本科
|
45000
|
高
|
9
|
44991
|
2020-03-16 11:04:00
|
本科
|
40000
|
高
|
10
|
39990
|
2020-03-16 10:36:57
|
本科
|
37500
|
高
|
7
|
37493
|
2020-03-16 11:01:39
|
本科
|
37500
|
高
|
9
|
37491
|
2020-03-16 09:54:47
|
硕士
|
37500
|
高
|
5
|
37495
|
2020-03-16 11:01:22
|
本科
|
35000
|
高
|
4
|
34996
|
47(数据汇总):计算salary列大于10000的次数
df %>% count(salary > 10000)# 同#5
A tibble: 2 × 2
salary > 10000
|
n
|
<lgl>
|
<int>
|
FALSE
|
16
|
TRUE
|
119
|
# 或者利用summarise函数进行汇总,如下
df %>% summarise(n = sum(salary > 10000))
A tibble: 1 × 1
n
|
<int>
|
119
|
48(统计频数):查看每种学历出现的次数
df %>% count(education)
A tibble: 4 × 2
education
|
n
|
<chr>
|
<int>
|
本科
|
119
|
不限
|
5
|
大专
|
4
|
硕士
|
7
|
table(df$education)
本科 不限 大专 硕士
119 5 4 7
49(数据汇总):查看education列共有几种学历
df %>% distinct(education)
# 同#8,此题默认.keep_all = FALSE,也就是除去education都不显示
A tibble: 4 × 1
education
|
<chr>
|
本科
|
硕士
|
不限
|
大专
|
50(筛选行):提取salary与new列之和大于60000的最后3行
df %>% filter(salary + new > 60000) %>% slice((n()-2):n())
# filter过滤出salary+new>6000的行
# slice选择其中的后三行
A tibble: 3 × 6
createTime
|
education
|
salary
|
class
|
rnums
|
new
|
<dttm>
|
<chr>
|
<dbl>
|
<chr>
|
<int>
|
<dbl>
|
2020-03-16 10:41:20
|
本科
|
35000
|
高
|
4
|
34996
|
2020-03-16 10:41:20
|
本科
|
35000
|
高
|
7
|
34993
|
2020-03-16 11:30:10
|
本科
|
32500
|
高
|
8
|
32492
|
P51-60
51(读取数据):使用绝对路径读取本地Excel数据
df <- readxl::read_xls("C:/Users/86156/.jupyter/Code/Jupyter-Notebook/R_Python/data_R/51-80数据.xls")
head(df, 3)
Registered S3 methods overwritten by 'tibble':method from format.tbl pillarprint.tbl pillar
A tibble: 3 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_1_4
|
16.1356
|
16.1444
|
16.1444
|
15.4997
|
15.7205
|
42240610
|
754425783
|
-0.4151
|
-2.5725
|
17.860199999999999
|
0.22639999999999999
|
3.32e+11
|
3.32e+11
|
18653471415
|
6.5614
|
600000.SH
|
浦发银行
|
2016_1_5
|
15.7205
|
15.4644
|
15.9501
|
15.3672
|
15.8618
|
58054793
|
1034181474
|
0.1413
|
0.8989
|
17.8139
|
0.31119999999999998
|
3.35e+11
|
3.35e+11
|
18653471415
|
6.6204
|
600000.SH
|
浦发银行
|
2016_1_6
|
15.8618
|
15.8088
|
16.0208
|
15.6234
|
15.9855
|
46772653
|
838667398
|
0.1236
|
0.7795
|
17.930700000000002
|
0.25069999999999998
|
3.38e+11
|
3.38e+11
|
18653471415
|
6.6720
|
#df <- read.csv('./data_R/51-80数据.csv')
52(查看数据):查看数据框的前3行
#head(df,3)
df %>% head(3)
A tibble: 3 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_1_4
|
16.1356
|
16.1444
|
16.1444
|
15.4997
|
15.7205
|
42240610
|
754425783
|
-0.4151
|
-2.5725
|
17.860199999999999
|
0.22639999999999999
|
3.32e+11
|
3.32e+11
|
18653471415
|
6.5614
|
600000.SH
|
浦发银行
|
2016_1_5
|
15.7205
|
15.4644
|
15.9501
|
15.3672
|
15.8618
|
58054793
|
1034181474
|
0.1413
|
0.8989
|
17.8139
|
0.31119999999999998
|
3.35e+11
|
3.35e+11
|
18653471415
|
6.6204
|
600000.SH
|
浦发银行
|
2016_1_6
|
15.8618
|
15.8088
|
16.0208
|
15.6234
|
15.9855
|
46772653
|
838667398
|
0.1236
|
0.7795
|
17.930700000000002
|
0.25069999999999998
|
3.38e+11
|
3.38e+11
|
18653471415
|
6.6720
|
53(查看缺失值):查看每列数据缺失值情况
naniar包探索缺失值的数据结构
library(naniar)
#colSums(is.na(df))
df %>% miss_var_summary()
A tibble: 18 × 3
variable
|
n_miss
|
pct_miss
|
<chr>
|
<int>
|
<dbl>
|
代码
|
0
|
0
|
简称
|
0
|
0
|
日期
|
0
|
0
|
前收盘价(元)
|
0
|
0
|
开盘价(元)
|
0
|
0
|
最高价(元)
|
0
|
0
|
最低价(元)
|
0
|
0
|
收盘价(元)
|
0
|
0
|
成交量(股)
|
0
|
0
|
成交金额(元)
|
0
|
0
|
涨跌(元)
|
0
|
0
|
涨跌幅(%)
|
0
|
0
|
均价(元)
|
0
|
0
|
换手率(%)
|
0
|
0
|
A股流通市值(元)
|
0
|
0
|
总市值(元)
|
0
|
0
|
A股流通股本(股)
|
0
|
0
|
市盈率
|
0
|
0
|
54(查看缺失值):查看日期列含有缺失值的行
df %>% filter(is.na(日期))which(is.na(df$日期)) # 列缺失的行号
A tibble: 0 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
55(查看缺失值):查看每列缺失值在哪些行
1
naIdx = df %>%where_na() # 返回NA的行列索引, 需要naniar包split(naIdx[,1], naIdx[,2])
2
library(glue)for (i in names(df)){if(sum(is.na(df[,'日期'])) != 0){res1 <- which(is.na(df[,i]))res2 <- paste(res1,collapse = ',')print(glue('列名:"{i}", 第[{res2}]行有缺失值'))}
}
载入程辑包:'glue'
The following object is masked from ‘package:dplyr’:
collapse
56(缺失值处理):删除所有存在缺失值的行
注:若要删除某些列包含缺失值的行,提供列名即可
#df %>% drop_na()
57(数据可视化):绘制收盘价的折线图
library(ggplot2)png('./data_R/out/57_折线图.png')
df %>% ggplot(aes(日期, `收盘价(元)`,group = 1)) + geom_line() #必须加上group = 1
dev.off()
png: 2
58(数据可视化):同时绘制开盘价与收盘价
png('./data_R/out/58_折线图.png')
df %>%select(日期, `开盘价(元)`, `收盘价(元)`) %>% pivot_longer(-日期, names_to = "type",values_to = "price") %>%ggplot(aes(日期, price, color = type, group = 1)) + #必须加上group = 1,不然图片出不来geom_line() dev.off()
png: 2
59(数据可视化):绘制涨跌幅的直方图
png('./data_R/out/59_涨跌幅直方图.png')df %>% ggplot(aes(`涨跌幅(%)`)) + geom_histogram()
# 可以指定bins
dev.off()
`stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
png: 2
60(数据可视化):让直方图更细致
png('./data_R/out/60_涨跌幅直方图.png')df %>% ggplot(aes(`涨跌幅(%)`)) +geom_histogram(bins = 40)dev.off()
png: 2
P61-70
61(数据创建):用df的列名创建数据框
as_tibble(names(df))
A tibble: 18 × 1
value
|
<chr>
|
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
62(异常值处理):输出所有换手率不是数字的行
#换手率这一列属性为chr,需要先强转数值型
#如果转换失败会变成NA,判断即可
df[is.na(as.numeric(df$`换手率(%)`)),]
Warning message in `[.tbl_df`(df, is.na(as.numeric(df$`换手率(%)`)), ):
"强制改变过程中产生了NA"
A tibble: 18 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_2_16
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
NA
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_17
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_18
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_19
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
NA
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_22
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_23
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_24
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_25
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
NA
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_26
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_29
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_1
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_2
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_3
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_4
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_7
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
NA
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_8
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_9
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_10
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
NA
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
head(df %>% mutate(`换手率(%)` = parse_number(`换手率(%)`)) %>% filter(is.na(`换手率(%)`)))
Warning message:
"17 parsing failures.
row col expected actual27 -- a number --28 -- a number --29 -- a number --30 -- a number --31 -- a number --
... ... ........ ......
See problems(...) for more details.
"
A tibble: 6 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_2_16
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
NA
|
--
|
0
|
0
|
--
|
NA
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_17
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
NA
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_18
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
NA
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_19
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
NA
|
0
|
0
|
--
|
NA
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_22
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
NA
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_23
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
NA
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
63(异常值处理):输出所有换手率为–的行
df %>% filter(`换手率(%)` == "--")
A tibble: 17 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_2_16
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
NA
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_17
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_18
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_19
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
NA
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_22
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_23
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_24
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_25
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
NA
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_26
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_2_29
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_1
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_2
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_3
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_4
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_8
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_9
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
--
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
600000.SH
|
浦发银行
|
2016_3_10
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
16.2946
|
NA
|
--
|
0
|
0
|
--
|
--
|
3.44e+11
|
3.44e+11
|
18653471415
|
6.801
|
64(数据操作):重置df的行号
rownames(df) = NULL # R中无行号就是数字索引
# 如果是tibble则索引始终是按顺序
65(异常值处理):删除所有换手率为非数字的行
df <- df %>% mutate(`换手率(%)` = parse_number(`换手率(%)`)) %>% filter(!is.na(`换手率(%)`))
Warning message:
"17 parsing failures.
row col expected actual27 -- a number --28 -- a number --29 -- a number --30 -- a number --31 -- a number --
... ... ........ ......
See problems(...) for more details.
"
#df[!is.na(as.numeric(df$`换手率(%)`)),]
# 或者根据前几题的经验,非数字就是'--'
df <- df %>%filter(`换手率(%)` != '--')
为了便于后续处理,做批量数值型转化, 并转化为tsibble对象
# library(tsibble)# df <- df %>%
# mutate_at(vars(4:18), as.numeric) %>%
# mutate(日期 = lubridate::as_date(日期)) %>%
# as_tsibble(index = 日期, key = c(代码, 简称))
66(数据可视化):绘制换手率的密度曲线
png('./data_R/out/66_换手率的密度曲线.png')df$`换手率(%)` <- as.double(df$`换手率(%)`)
ggplot(df) +geom_density(aes(`换手率(%)`))dev.off()
png: 2
67(数据计算):计算前一天与后一天收盘价的差值
summarise和mutate函数都可以对一个数据框的某一列(而不是整个数据框)进行修改和汇总,两者的主要区别在于返回结果的方式不同,
其中summarise函数返回一个只包含修改或汇总后数据的数据框,
而mutate函数则返回一个由原始数据和修改或汇总后数据两部分构成的数据框
delta <- df %>%summarise(delta = `收盘价(元)` - lag(`收盘价(元)`))
head(delta)
A tibble: 6 × 1
delta
|
<dbl>
|
NA
|
0.1413
|
0.1237
|
-0.5211
|
-0.0177
|
-0.3886
|
delta <- df %>% mutate(delta = `收盘价(元)` - lag(`收盘价(元)`)) %>% select(日期, `收盘价(元)`, delta)
head(delta)
A tibble: 6 × 3
日期
|
收盘价(元)
|
delta
|
<chr>
|
<dbl>
|
<dbl>
|
2016_1_4
|
15.7205
|
NA
|
2016_1_5
|
15.8618
|
0.1413
|
2016_1_6
|
15.9855
|
0.1237
|
2016_1_7
|
15.4644
|
-0.5211
|
2016_1_8
|
15.4467
|
-0.0177
|
2016_1_11
|
15.0581
|
-0.3886
|
68(数据计算):计算前一天与后一天收盘价的变化率
lead()/lag()函数
通过这两个函数可以在一次查询中取出同一字段的前N行的数据(lag)和后N行的数据(lead)作为独立的列
pct_change <- df %>% summarise(pct_change = (`收盘价(元)` - lag(`收盘价(元)`))/lag(`收盘价(元)`))
head(pct_change)
A tibble: 6 × 1
pct_change
|
<dbl>
|
NA
|
0.008988264
|
0.007798610
|
-0.032598292
|
-0.001144564
|
-0.025157477
|
pct_change <- df %>% mutate(change = (`收盘价(元)` - lag(`收盘价(元)`)) / `收盘价(元)`) %>% select(日期, `收盘价(元)`, change)
head(pct_change)
A tibble: 6 × 3
日期
|
收盘价(元)
|
change
|
<chr>
|
<dbl>
|
<dbl>
|
2016_1_4
|
15.7205
|
NA
|
2016_1_5
|
15.8618
|
0.008908195
|
2016_1_6
|
15.9855
|
0.007738263
|
2016_1_7
|
15.4644
|
-0.033696749
|
2016_1_8
|
15.4467
|
-0.001145876
|
2016_1_11
|
15.0581
|
-0.025806709
|
69(数据操作):设置日期为行索引
head(df %>% column_to_rownames("日期")
)
A data.frame: 6 × 17
|
代码
|
简称
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
2016_1_4
|
600000.SH
|
浦发银行
|
16.1356
|
16.1444
|
16.1444
|
15.4997
|
15.7205
|
42240610
|
754425783
|
-0.4151
|
-2.5725
|
17.860199999999999
|
0.2264
|
3.32e+11
|
3.32e+11
|
18653471415
|
6.5614
|
2016_1_5
|
600000.SH
|
浦发银行
|
15.7205
|
15.4644
|
15.9501
|
15.3672
|
15.8618
|
58054793
|
1034181474
|
0.1413
|
0.8989
|
17.8139
|
0.3112
|
3.35e+11
|
3.35e+11
|
18653471415
|
6.6204
|
2016_1_6
|
600000.SH
|
浦发银行
|
15.8618
|
15.8088
|
16.0208
|
15.6234
|
15.9855
|
46772653
|
838667398
|
0.1236
|
0.7795
|
17.930700000000002
|
0.2507
|
3.38e+11
|
3.38e+11
|
18653471415
|
6.6720
|
2016_1_7
|
600000.SH
|
浦发银行
|
15.9855
|
15.7205
|
15.8088
|
15.3672
|
15.4644
|
11350479
|
199502702
|
-0.5211
|
-3.2597
|
17.576599999999999
|
0.0608
|
3.27e+11
|
3.27e+11
|
18653471415
|
6.4545
|
2016_1_8
|
600000.SH
|
浦发银行
|
15.4644
|
15.6675
|
15.7912
|
14.9345
|
15.4467
|
71918296
|
1262105060
|
-0.0177
|
-0.1142
|
17.549199999999999
|
0.3855
|
3.26e+11
|
3.26e+11
|
18653471415
|
6.4471
|
2016_1_11
|
600000.SH
|
浦发银行
|
15.4467
|
15.1994
|
15.4114
|
14.9786
|
15.0581
|
90177135
|
1550155933
|
-0.3886
|
-2.5157
|
17.190100000000001
|
0.4834
|
3.18e+11
|
3.18e+11
|
18653471415
|
6.2849
|
70(数据计算):对收盘价做步长为5的滑动平均
library(slider)
head(df %>%mutate(avg_5 = slide_dbl(`收盘价(元)`, mean, na.rm = TRUE, .before = 2, .after = 2)) %>% select(日期, `收盘价(元)`, avg_5)
)
A tibble: 6 × 3
日期
|
收盘价(元)
|
avg_5
|
<chr>
|
<dbl>
|
<dbl>
|
2016_1_4
|
15.7205
|
15.85593
|
2016_1_5
|
15.8618
|
15.75805
|
2016_1_6
|
15.9855
|
15.69578
|
2016_1_7
|
15.4644
|
15.56330
|
2016_1_8
|
15.4467
|
15.47322
|
2016_1_11
|
15.0581
|
15.34780
|
以5个数据作为一个数据滑动窗口,在这个5个数据上取均值(收盘价)
# library(RcppRoll)
# df %>% transmute(avg_5 = roll_mean(`收盘价(元)`,n = 5,align="right",fill = NA))
P71-80
71(数据计算):对收盘价做步长为5的滑动求和
head(df %>%mutate(sum_5 = slide_dbl(`收盘价(元)`, sum, na.rm = TRUE, .before = 2, .after = 2)) %>% select(日期, `收盘价(元)`, sum_5)
)
A tibble: 6 × 3
日期
|
收盘价(元)
|
sum_5
|
<chr>
|
<dbl>
|
<dbl>
|
2016_1_4
|
15.7205
|
47.5678
|
2016_1_5
|
15.8618
|
63.0322
|
2016_1_6
|
15.9855
|
78.4789
|
2016_1_7
|
15.4644
|
77.8165
|
2016_1_8
|
15.4467
|
77.3661
|
2016_1_11
|
15.0581
|
76.7390
|
# df %>%
# transmute(sum_5 = roll_sum(`收盘价(元)`,n = 5,align="right",fill = NA))
72(数据可视化):将收盘价及其5日均线、20日均线绘制在同一个图上
#df$`收盘价(元)` <- as.numeric(df$`收盘价(元)`)
head(df)
A tibble: 6 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_1_4
|
16.1356
|
16.1444
|
16.1444
|
15.4997
|
15.7205
|
42240610
|
754425783
|
-0.4151
|
-2.5725
|
17.860199999999999
|
0.2264
|
3.32e+11
|
3.32e+11
|
18653471415
|
6.5614
|
600000.SH
|
浦发银行
|
2016_1_5
|
15.7205
|
15.4644
|
15.9501
|
15.3672
|
15.8618
|
58054793
|
1034181474
|
0.1413
|
0.8989
|
17.8139
|
0.3112
|
3.35e+11
|
3.35e+11
|
18653471415
|
6.6204
|
600000.SH
|
浦发银行
|
2016_1_6
|
15.8618
|
15.8088
|
16.0208
|
15.6234
|
15.9855
|
46772653
|
838667398
|
0.1236
|
0.7795
|
17.930700000000002
|
0.2507
|
3.38e+11
|
3.38e+11
|
18653471415
|
6.6720
|
600000.SH
|
浦发银行
|
2016_1_7
|
15.9855
|
15.7205
|
15.8088
|
15.3672
|
15.4644
|
11350479
|
199502702
|
-0.5211
|
-3.2597
|
17.576599999999999
|
0.0608
|
3.27e+11
|
3.27e+11
|
18653471415
|
6.4545
|
600000.SH
|
浦发银行
|
2016_1_8
|
15.4644
|
15.6675
|
15.7912
|
14.9345
|
15.4467
|
71918296
|
1262105060
|
-0.0177
|
-0.1142
|
17.549199999999999
|
0.3855
|
3.26e+11
|
3.26e+11
|
18653471415
|
6.4471
|
600000.SH
|
浦发银行
|
2016_1_11
|
15.4467
|
15.1994
|
15.4114
|
14.9786
|
15.0581
|
90177135
|
1550155933
|
-0.3886
|
-2.5157
|
17.190100000000001
|
0.4834
|
3.18e+11
|
3.18e+11
|
18653471415
|
6.2849
|
png('./data_R/out/72_收盘价及其均线1.png')df %>%mutate(avg_5 = slide_dbl(`收盘价(元)`, mean, na.rm = TRUE, .before = 2, .after = 2),avg_20 = slide_dbl(`收盘价(元)`, mean, na.rm = TRUE, .before = 10, .after = 9)) %>% pivot_longer(c(`收盘价(元)`, avg_5, avg_20),names_to = "type",values_to = "price") %>% ggplot(aes(日期, price, color = type,group = 1)) +geom_line()
dev.off()
png: 2
# png('./data_R/out/72_收盘价及其均线2.png')
# df %>%
# mutate(avg_5 = roll_mean(`收盘价(元)`,n = 5,align="right",fill = NA),
# avg_20 = roll_mean(`收盘价(元)`,n = 20,align="right",fill = NA)) %>%
# ggplot() +
# geom_line(aes(日期,`收盘价(元)`,group = 1),color = 'steelblue',size = 1.2) +
# geom_line(aes(日期,avg_5,group = 1),color = 'orange',size = 1.2) +
# geom_line(aes(日期,avg_20,group = 1),color = 'green',size = 1.2)# dev.off()
73(数据重采样):按周为采样规则,计算一周收盘价最大值
# weekmax = df %>%
# index_by(weeks = ~ yearweek(.)) %>% #周度汇总
# summarise(max_week = max(`收盘价(元)`, na.rm = TRUE))
# weekmax
# library(plyr)# res <- dlply(df,.(cut(日期,"7")),"[")
# res_max <- sapply(res,function(n)max(n$`收盘价(元)`),simplify=TRUE)
# as.data.frame(res_max)
Error in cut.default(日期, "7"): 'x' 必需是数值
Traceback:1. dlply(df, .(cut(日期, "7")), "[")2. splitter_d(.data, .variables, drop = .drop)3. eval.quoted(.variables, data)4. lapply(exprs, eval, envir = envir, enclos = enclos)5. FUN(X[[i]], ...)6. FUN(X[[i]], ...)7. cut(日期, "7")8. cut.default(日期, "7")9. stop("'x' must be numeric")
74(数据可视化):绘制重采样数据与原始数据
# png('./data_R/out/74_重采样数据与原始数据.png')
# ggplot() +
# geom_line(data = weekmax, aes(weeks, max_week), color = "red") +
# geom_line(data = df, aes(日期, `收盘价(元)`), color = "steelblue")
# dev.off()
75(数据操作):将数据往后移动5天
这是批量做后移,单个变量做后移用mutate(var = lag(var, 5)
即可。
head(
bind_cols(df[,1:3], map_dfc(df[,-(1:3)], lag, n = 5)), 10
)
A tibble: 10 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_1_4
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
600000.SH
|
浦发银行
|
2016_1_5
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
600000.SH
|
浦发银行
|
2016_1_6
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
600000.SH
|
浦发银行
|
2016_1_7
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
600000.SH
|
浦发银行
|
2016_1_8
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
NA
|
600000.SH
|
浦发银行
|
2016_1_11
|
16.1356
|
16.1444
|
16.1444
|
15.4997
|
15.7205
|
42240610
|
754425783
|
-0.4151
|
-2.5725
|
17.860199999999999
|
0.2264
|
3.32e+11
|
3.32e+11
|
18653471415
|
6.5614
|
600000.SH
|
浦发银行
|
2016_1_12
|
15.7205
|
15.4644
|
15.9501
|
15.3672
|
15.8618
|
58054793
|
1034181474
|
0.1413
|
0.8989
|
17.8139
|
0.3112
|
3.35e+11
|
3.35e+11
|
18653471415
|
6.6204
|
600000.SH
|
浦发银行
|
2016_1_13
|
15.8618
|
15.8088
|
16.0208
|
15.6234
|
15.9855
|
46772653
|
838667398
|
0.1236
|
0.7795
|
17.930700000000002
|
0.2507
|
3.38e+11
|
3.38e+11
|
18653471415
|
6.6720
|
600000.SH
|
浦发银行
|
2016_1_14
|
15.9855
|
15.7205
|
15.8088
|
15.3672
|
15.4644
|
11350479
|
199502702
|
-0.5211
|
-3.2597
|
17.576599999999999
|
0.0608
|
3.27e+11
|
3.27e+11
|
18653471415
|
6.4545
|
600000.SH
|
浦发银行
|
2016_1_15
|
15.4644
|
15.6675
|
15.7912
|
14.9345
|
15.4467
|
71918296
|
1262105060
|
-0.0177
|
-0.1142
|
17.549199999999999
|
0.3855
|
3.26e+11
|
3.26e+11
|
18653471415
|
6.4471
|
76(数据操作):将数据往前移动5天
head(
bind_cols(df[,1:3], map_dfc(df[,-(1:3)], lead, n = 5)), 5
)
A tibble: 5 × 18
代码
|
简称
|
日期
|
前收盘价(元)
|
开盘价(元)
|
最高价(元)
|
最低价(元)
|
收盘价(元)
|
成交量(股)
|
成交金额(元)
|
涨跌(元)
|
涨跌幅(%)
|
均价(元)
|
换手率(%)
|
A股流通市值(元)
|
总市值(元)
|
A股流通股本(股)
|
市盈率
|
<chr>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<chr>
|
<chr>
|
<dbl>
|
<dbl>
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
600000.SH
|
浦发银行
|
2016_1_4
|
15.4467
|
15.1994
|
15.4114
|
14.9786
|
15.0581
|
90177135
|
1550155933
|
-0.3886
|
-2.5157
|
17.190100000000001
|
0.4834
|
3.18e+11
|
3.18e+11
|
18653471415
|
6.2849
|
600000.SH
|
浦发银行
|
2016_1_5
|
15.0581
|
15.1641
|
15.4732
|
15.0846
|
15.4114
|
55374454
|
964061502
|
0.3533
|
2.3460
|
17.4099
|
0.2969
|
3.26e+11
|
3.26e+11
|
18653471415
|
6.4324
|
600000.SH
|
浦发银行
|
2016_1_6
|
15.4114
|
15.5174
|
15.8088
|
15.3231
|
15.3584
|
47869312
|
843717365
|
-0.0530
|
-0.3438
|
17.625399999999999
|
0.2566
|
3.24e+11
|
3.24e+11
|
18653471415
|
6.4102
|
600000.SH
|
浦发银行
|
2016_1_7
|
15.3584
|
15.0140
|
15.8883
|
14.9168
|
15.8265
|
54838833
|
966117848
|
0.4681
|
3.0477
|
17.6174
|
0.2940
|
3.34e+11
|
3.34e+11
|
18653471415
|
6.6056
|
600000.SH
|
浦发银行
|
2016_1_8
|
15.8265
|
15.7205
|
16.0296
|
15.4732
|
15.5262
|
46723139
|
836146426
|
-0.3003
|
-1.8973
|
17.895800000000001
|
0.2505
|
3.28e+11
|
3.28e+11
|
18653471415
|
6.4803
|
77(数据操作):计算开盘价的累积平均
rlt = df %>% mutate(累积平均 = cummean(`开盘价(元)`)) %>% select(日期, `开盘价(元)`, 累积平均)
head(rlt)
A tibble: 6 × 3
日期
|
开盘价(元)
|
累积平均
|
<chr>
|
<dbl>
|
<dbl>
|
2016_1_4
|
16.1444
|
16.14440
|
2016_1_5
|
15.4644
|
15.80440
|
2016_1_6
|
15.8088
|
15.80587
|
2016_1_7
|
15.7205
|
15.78453
|
2016_1_8
|
15.6675
|
15.76112
|
2016_1_11
|
15.1994
|
15.66750
|
78(数据计算):绘制开盘价的累积平均与原始数据的折线图
height, width 和 res 分别为绘图框高、宽和图的分辨率
png('./data_R/out/78_开盘价的累积平均与原始数据的折线图1.png', height=480,width=700)
rlt %>% pivot_longer(-日期, names_to = "type", values_to = "price") %>% ggplot(aes(日期, price, color = type, group = 1)) +geom_line()dev.off()
png: 2
png('./data_R/out/78_开盘价的累积平均与原始数据的折线图2.png', height=480,width=700)
res <- df %>%transmute(cummean = cumsum(`开盘价(元)`)/1:dim(df)[1])df %>%cbind(res) %>%dplyr::rename(Opening_Price = `开盘价(元)`,Expanding_Open_Mean = cummean) %>%select(日期,Opening_Price,Expanding_Open_Mean) %>%pivot_longer(c(Opening_Price,Expanding_Open_Mean),names_to = 'type',values_to ='price') %>%ggplot(aes(日期,price,color = type, group=1)) +geom_line(size=1.2) +scale_color_manual(values=c('orange','steelblue')) +theme_bw() +theme(panel.grid.major = element_blank(),panel.grid.minor = element_blank(),legend.title = element_blank(),legend.position = c(0.9, 0.9))dev.off()
png: 2
79(数据计算):计算布林指标
boll = df %>%mutate(avg_20 = slide_dbl(`收盘价(元)`, mean, na.rm = TRUE, .before = 10, .after = 9), sd_20 = slide_dbl(`收盘价(元)`, sd, na.rm = TRUE, .before = 10, .after = 9),up = avg_20 + 2 * sd_20,down = avg_20 - 2 * sd_20) %>% select(日期, `收盘价(元)`, avg_20, up, down)boll %>% sample_n(10)
A tibble: 10 × 5
日期
|
收盘价(元)
|
avg_20
|
up
|
down
|
<chr>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
2017_2_23
|
16.6900
|
16.65150
|
17.00604
|
16.29696
|
2016_5_16
|
15.2701
|
15.54476
|
16.01340
|
15.07612
|
2017_2_17
|
16.6400
|
16.70400
|
16.94526
|
16.46274
|
2016_5_26
|
15.6322
|
15.64324
|
16.22392
|
15.06256
|
2016_8_25
|
16.3400
|
16.44150
|
16.79125
|
16.09175
|
2017_4_14
|
15.5100
|
15.56500
|
16.44007
|
14.68993
|
2017_4_11
|
15.8900
|
15.70000
|
16.52027
|
14.87973
|
2016_5_30
|
15.8530
|
15.68387
|
16.21329
|
15.15445
|
2017_1_26
|
16.7400
|
16.61150
|
16.97760
|
16.24540
|
2016_6_1
|
16.0650
|
15.72803
|
16.16838
|
15.28767
|
80(数据可视化):绘制布林曲线
png('./data_R/out/80_布林曲线.png', height=480,width=2000)
boll %>% pivot_longer(-日期, names_to = "type", values_to = "price") %>% ggplot(aes(日期, price, color = type,group=1)) + geom_line()
dev.off()
png: 2
P81-90
81(加载查看包):加载并查看tidyverse包版本
packageVersion("tidyverse")
[1] '1.3.1'
packageVersion("dplyr")
[1] '1.0.8'
82(生成随机数):生成20个0~100的随机数,创建数据框
sample.int() 随机抽样函数
set.seed(123) # 保证结果出现
df1 = tibble(nums = sample.int(100, 20))
df1
A tibble: 20 × 1
nums
|
<int>
|
31
|
79
|
51
|
14
|
67
|
42
|
50
|
43
|
97
|
25
|
90
|
69
|
57
|
9
|
72
|
26
|
7
|
95
|
87
|
36
|
83(生成等差数):生成20个0~100固定步长的数,创建数据框
seq()函数是产生等距间隔数列的函数
seq(frme,to,by)
by是步长
df2 = tibble(nums = seq(0, 99, by = 5))
df2
A tibble: 20 × 1
nums
|
<dbl>
|
0
|
5
|
10
|
15
|
20
|
25
|
30
|
35
|
40
|
45
|
50
|
55
|
60
|
65
|
70
|
75
|
80
|
85
|
90
|
95
|
84(生成指定分布随机数):生成20个标准正态分布的随机数,创建数据框
R语言中rnorm函数 rnorm(n, mean = 0, sd = 1) n 为产生随机值个数(长度),mean 是平均数, sd 是标准差
set.seed(111) #set.seed()函数是为了保证你随机生成的随机数前后一致
df3 = tibble(nums = rnorm(20, 0, 1))
df3
A tibble: 20 × 1
nums
|
<dbl>
|
0.23522071
|
-0.33073587
|
-0.31162382
|
-2.30234566
|
-0.17087604
|
0.14027823
|
-1.49742666
|
-1.01018842
|
-0.94847560
|
-0.49396222
|
-0.17367413
|
-0.40659878
|
1.84563626
|
0.39405411
|
0.79752850
|
-1.56666536
|
-0.08585101
|
-0.35913948
|
-1.19360897
|
0.36418674
|
85(合并数据):将df1, df2, df3按行合并为新数据框
#bind_rows(df1, df2, df3)
rbind(df1, df2, df3)
86(合并数据):将df1, df2, df3按列合并为新数据框
df = cbind(df1, df2, df3)
names(df) <- c(0,1,2)
head(df)
A data.frame: 6 × 3
|
0
|
1
|
2
|
|
<int>
|
<dbl>
|
<dbl>
|
1
|
31
|
0
|
0.2352207
|
2
|
79
|
5
|
-0.3307359
|
3
|
51
|
10
|
-0.3116238
|
4
|
14
|
15
|
-2.3023457
|
5
|
67
|
20
|
-0.1708760
|
6
|
42
|
25
|
0.1402782
|
87(查看数据):查看df所有数据的最小值、25%分位数、中位数、75%分位数、最大值
summary(unlist(df))
# unlist(df) %>% summary()
Min. 1st Qu. Median Mean 3rd Qu. Max.
-2.3024 0.1052 25.5000 33.1654 61.2500 97.0000
88(修改列名):修改列名为col1, col2, col3
若只修改个别列名,用rename(newname=oldname).
names(df) <- c('col1','col2','col3')
head(df)
A data.frame: 6 × 3
|
col1
|
col2
|
col3
|
|
<int>
|
<dbl>
|
<dbl>
|
1
|
31
|
0
|
0.2352207
|
2
|
79
|
5
|
-0.3307359
|
3
|
51
|
10
|
-0.3116238
|
4
|
14
|
15
|
-2.3023457
|
5
|
67
|
20
|
-0.1708760
|
6
|
42
|
25
|
0.1402782
|
89(数据操作):提取在第1列中而不在第2列中的数
setdiff(df$col1, df$col2)
- 31
- 79
- 51
- 14
- 67
- 42
- 43
- 97
- 69
- 57
- 9
- 72
- 26
- 7
- 87
- 36
90(数据操作):提取在第1列和第2列出现频率最高的三个数字
count(unlist(c(df$col1,df$col2))) %>%arrange(desc(freq)) %>%filter(row_number() <= 3)
A data.frame: 3 × 2
x
|
freq
|
<dbl>
|
<int>
|
25
|
2
|
50
|
2
|
90
|
2
|
P91-100
91(数据操作):提取第1列可以整除5的数的位置
which(df$col1 %% 5 == 0)
- 7
- 10
- 11
- 18
92(数据计算):计算第1列的1阶差分
df %>% mutate(diff1 = col1 - lag(col1)) #若只是要数值,用diff(df$col1)即可
A data.frame: 20 × 4
col1
|
col2
|
col3
|
diff1
|
<int>
|
<dbl>
|
<dbl>
|
<int>
|
31
|
0
|
0.23522071
|
NA
|
79
|
5
|
-0.33073587
|
48
|
51
|
10
|
-0.31162382
|
-28
|
14
|
15
|
-2.30234566
|
-37
|
67
|
20
|
-0.17087604
|
53
|
42
|
25
|
0.14027823
|
-25
|
50
|
30
|
-1.49742666
|
8
|
43
|
35
|
-1.01018842
|
-7
|
97
|
40
|
-0.94847560
|
54
|
25
|
45
|
-0.49396222
|
-72
|
90
|
50
|
-0.17367413
|
65
|
69
|
55
|
-0.40659878
|
-21
|
57
|
60
|
1.84563626
|
-12
|
9
|
65
|
0.39405411
|
-48
|
72
|
70
|
0.79752850
|
63
|
26
|
75
|
-1.56666536
|
-46
|
7
|
80
|
-0.08585101
|
-19
|
95
|
85
|
-0.35913948
|
88
|
87
|
90
|
-1.19360897
|
-8
|
36
|
95
|
0.36418674
|
-51
|
93(数据操作):将col1, col2, col3三列顺序颠倒
head( df %>% select(rev(names(df)))
)
A data.frame: 6 × 3
|
col3
|
col2
|
col1
|
|
<dbl>
|
<dbl>
|
<int>
|
1
|
0.2352207
|
0
|
31
|
2
|
-0.3307359
|
5
|
79
|
3
|
-0.3116238
|
10
|
51
|
4
|
-2.3023457
|
15
|
14
|
5
|
-0.1708760
|
20
|
67
|
6
|
0.1402782
|
25
|
42
|
head(
df %>% select(col3,col2,everything())
)
A data.frame: 6 × 3
|
col3
|
col2
|
col1
|
|
<dbl>
|
<dbl>
|
<int>
|
1
|
0.2352207
|
0
|
31
|
2
|
-0.3307359
|
5
|
79
|
3
|
-0.3116238
|
10
|
51
|
4
|
-2.3023457
|
15
|
14
|
5
|
-0.1708760
|
20
|
67
|
6
|
0.1402782
|
25
|
42
|
94(数据操作):提取第一列位置在1,10,15的数
df[c(1,10,15),1]
- 31
- 25
- 72
95(数据操作):查找第一列的局部最大值位置
rlt = df %>% mutate(diff = sign(col1 - lag(col1)) + sign(col1 - lead(col1))) which(rlt$diff == 2)
- 2
- 5
- 7
- 9
- 11
- 15
- 18
96(数据计算):按行计算df每一行的均值
rowMeans() 函数
rowMeans(df) # 或者 apply(df, 1, mean)
- 10.4117402372046
- 27.8897547094578
- 20.2294587253404
- 8.89921811385688
- 28.943041318462
- 22.3800927417011
- 26.167524448145
- 25.6632705269829
- 45.3505081316825
- 23.1686792609216
- 46.6087752906765
- 41.1978004066531
- 39.6152120879357
- 24.7980180366582
- 47.5991761670872
- 33.1444448799381
- 28.9713829970591
- 59.8802868395874
- 58.6021303444788
- 43.7880622456741
97(数据计算):对第二列计算步长为3的移动平均值
library(RcppRoll)df %>%summarise(avg_3 = roll_mean(col2, n=3))
A data.frame: 18 × 1
avg_3
|
<dbl>
|
5
|
10
|
15
|
20
|
25
|
30
|
35
|
40
|
45
|
50
|
55
|
60
|
65
|
70
|
75
|
80
|
85
|
90
|
98(数据计算):按第三列值的大小升序排列
df %>% arrange(col3)
A data.frame: 20 × 3
col1
|
col2
|
col3
|
<int>
|
<dbl>
|
<dbl>
|
14
|
15
|
-2.30234566
|
26
|
75
|
-1.56666536
|
50
|
30
|
-1.49742666
|
87
|
90
|
-1.19360897
|
43
|
35
|
-1.01018842
|
97
|
40
|
-0.94847560
|
25
|
45
|
-0.49396222
|
69
|
55
|
-0.40659878
|
95
|
85
|
-0.35913948
|
79
|
5
|
-0.33073587
|
51
|
10
|
-0.31162382
|
90
|
50
|
-0.17367413
|
67
|
20
|
-0.17087604
|
7
|
80
|
-0.08585101
|
42
|
25
|
0.14027823
|
31
|
0
|
0.23522071
|
36
|
95
|
0.36418674
|
9
|
65
|
0.39405411
|
72
|
70
|
0.79752850
|
57
|
60
|
1.84563626
|
99(数据操作):按第一列大于50的数修改为"高"
df[df$col1 > 50,1] <- '高'
df
A data.frame: 20 × 3
col1
|
col2
|
col3
|
<chr>
|
<dbl>
|
<dbl>
|
31
|
0
|
0.23522071
|
高
|
5
|
-0.33073587
|
高
|
10
|
-0.31162382
|
14
|
15
|
-2.30234566
|
高
|
20
|
-0.17087604
|
42
|
25
|
0.14027823
|
50
|
30
|
-1.49742666
|
43
|
35
|
-1.01018842
|
高
|
40
|
-0.94847560
|
25
|
45
|
-0.49396222
|
高
|
50
|
-0.17367413
|
高
|
55
|
-0.40659878
|
高
|
60
|
1.84563626
|
9
|
65
|
0.39405411
|
高
|
70
|
0.79752850
|
26
|
75
|
-1.56666536
|
7
|
80
|
-0.08585101
|
高
|
85
|
-0.35913948
|
高
|
90
|
-1.19360897
|
36
|
95
|
0.36418674
|
100(数据计算):计算第一列与第二列的欧氏距离
R语言中dist()与daisy()函数 常用用来计算x矩阵行向量之间的距离
dist(t(df[,1:2]))
# dist(rbind(df$col1,df$col2))
Warning message in dist(t(df[, 1:2])):
"强制改变过程中产生了NA"col1
col2 181.4497
P101-110
101(数据读取):从csv文件中读取指定数据:读取前10行, positionName和salary列
注1:该数据是GBK编码,为避免中文乱码,GBK编码的csv或txt用read.csv()读取;UTF-8编码的csv或txt用readr::read_csv()读取;若用read_csv()读取GBK编码文件,需要设置编码(见题目110)。
注2:R中常规读取数据不能在读取时选择列,采用读取之后选择列
read.csv("./data_R/数据1_101-120涉及.csv", nrows = 10) %>% select(positionName, salary)
A data.frame: 10 × 2
positionName
|
salary
|
<chr>
|
<int>
|
数据分析
|
37500
|
数据建模
|
15000
|
数据分析
|
3500
|
数据分析
|
45000
|
数据分析
|
30000
|
数据分析
|
50000
|
数据分析
|
30000
|
数据建模工程师
|
35000
|
数据分析专家
|
60000
|
数据分析师
|
40000
|
102(数据读取):从csv文件中读取数据,将薪资大于10000的改为"高"
df = read.csv("./data_R/数据2_101-120涉及.csv") %>% mutate(薪资水平 = if_else(薪资水平 > 10000, "高", "低"))
head(df)# library(readr)# df2 <- read.csv('./data_R/数据2_101-120涉及.csv') %>%
# mutate('学历要求',
# '薪资水平' = ifelse(
# 薪资水平 > 10000,'高','低'))
A data.frame: 6 × 2
|
学历要求
|
薪资水平
|
|
<chr>
|
<chr>
|
1
|
本科
|
高
|
2
|
硕士
|
高
|
3
|
本科
|
低
|
4
|
本科
|
高
|
5
|
不限
|
高
|
6
|
硕士
|
高
|
103(数据操作):从df中对薪资水平每隔20行进行抽样
df[seq(1,dim(df)[1],20),]
df %>% slice(seq(1, n(), by = 20))
# 或者用df[seq(1, nrow(df), 20),]
104(数据操作):取消使用科学记数法
set.seed(123)
df = tibble(data = runif(10) ^ 10) %>% round(3)
df
A tibble: 10 × 1
data
|
<dbl>
|
0.000
|
0.093
|
0.000
|
0.288
|
0.541
|
0.000
|
0.002
|
0.320
|
0.003
|
0.000
|
105(数据操作):将上一题的数据转换为百分数
mutate()函数增加新列并保留已存在的列
scales::percent()将数字类型转换为百分数
df %>% mutate(data = scales::percent(data, 0.01))
A tibble: 10 × 1
data
|
<chr>
|
0.00%
|
9.30%
|
0.00%
|
28.80%
|
54.10%
|
0.00%
|
0.20%
|
32.00%
|
0.30%
|
0.00%
|
106(数据操作):查找上一题数据中第3大值的行号
sort(x) 是对向量x进行排序,返回值排序后的数值向量。
rank() 是求秩的函数,它的返回值是这个向量中对应元素的“排名”。
而order() 的返回值是指出排序后的向量中各元素在原向量中的索引,默认升序。
order(df$data, decreasing = TRUE)[3]
4
107(数据操作):反转df的行
df %>% slice(rev(1:n()))
# 或者 df[rev(1:nrow(df)),]
A tibble: 10 × 1
data
|
<dbl>
|
0.000
|
0.003
|
0.320
|
0.002
|
0.000
|
0.541
|
0.288
|
0.000
|
0.093
|
0.000
|
108(数据连接:全连接):根据多列匹配合并数据,保留df1和df2的观测
df1 <- tibble(key1 = c("K0","K0","K1","K2"),key2 = c("K0","K1","K0","K1"),A = str_c('A', 0:3),B = str_c('B', 0:3)
)df2 <- tibble(key1 = c("K0","K1","K1","K2"),key2 = str_c("K", rep(0,4)),C = str_c('C', 0:3),D = str_c('D', 0:3)
)
df1
A tibble: 4 × 4
key1
|
key2
|
A
|
B
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
K0
|
K0
|
A0
|
B0
|
K0
|
K1
|
A1
|
B1
|
K1
|
K0
|
A2
|
B2
|
K2
|
K1
|
A3
|
B3
|
df2
A tibble: 4 × 4
key1
|
key2
|
C
|
D
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
K0
|
K0
|
C0
|
D0
|
K1
|
K0
|
C1
|
D1
|
K1
|
K0
|
C2
|
D2
|
K2
|
K0
|
C3
|
D3
|
df1 %>% full_join(df2, by = c("key1", "key2"))
A tibble: 6 × 6
key1
|
key2
|
A
|
B
|
C
|
D
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
K0
|
K0
|
A0
|
B0
|
C0
|
D0
|
K0
|
K1
|
A1
|
B1
|
NA
|
NA
|
K1
|
K0
|
A2
|
B2
|
C1
|
D1
|
K1
|
K0
|
A2
|
B2
|
C2
|
D2
|
K2
|
K1
|
A3
|
B3
|
NA
|
NA
|
K2
|
K0
|
NA
|
NA
|
C3
|
D3
|
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UcoCsdKg-1653619964755)(attachment:image.png)]
109(数据连接:左连接):根据多列匹配合并数据,只保留df1的观测
df1 %>% left_join(df2, by = c("key1", "key2"))
A tibble: 5 × 6
key1
|
key2
|
A
|
B
|
C
|
D
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
K0
|
K0
|
A0
|
B0
|
C0
|
D0
|
K0
|
K1
|
A1
|
B1
|
NA
|
NA
|
K1
|
K0
|
A2
|
B2
|
C1
|
D1
|
K1
|
K0
|
A2
|
B2
|
C2
|
D2
|
K2
|
K1
|
A3
|
B3
|
NA
|
NA
|
dplyr包还提供了右连接right_join(),内连接:inner_join(),以及用于过滤的连接:半连接:semi_join(),反连接:anti_join().
110(数据处理):再次读取数据1并显示所有列
str函数和glimpse都可以方便我们查看数据框内的变量细节
df <- read.csv("./data_R/数据1_101-120涉及.csv") %>%glimpse()
Rows: 105
Columns: 53
$ positionId [3m[90m<int>[39m[23m 6802721, 5204912, 6877668, 6496141, 6467417, 688~
$ positionName [3m[90m<chr>[39m[23m "数据分析", "数据建模", "数据分析", "数据分析", ~
$ companyId [3m[90m<int>[39m[23m 475770, 50735, 100125, 26564, 29211, 94826, 3487~
$ companyLogo [3m[90m<chr>[39m[23m "i/image2/M01/B7/3E/CgoB5lwPfEaAdn8WAABWQ0Jgl5s3~
$ companySize [3m[90m<chr>[39m[23m "50-150人", "150-500人", "2000人以上", "500-2000~
$ industryField [3m[90m<chr>[39m[23m "移动互联网,电商", "电商", "移动互联网,企业服务"~
$ financeStage [3m[90m<chr>[39m[23m "A轮", "B轮", "上市公司", "D轮及以上", "上市公司~
$ companyLabelList [3m[90m<chr>[39m[23m "['绩效奖金', '带薪年假', '定期体检', '弹性工作'~
$ firstType [3m[90m<chr>[39m[23m "产品|需求|项目类", "开发|测试|运维类", "产品|需~
$ secondType [3m[90m<chr>[39m[23m "数据分析", "数据开发", "数据分析", "数据开发", ~
$ thirdType [3m[90m<chr>[39m[23m "数据分析", "建模", "数据分析", "数据分析", "数~
$ skillLables [3m[90m<chr>[39m[23m "['SQL', '数据库', '数据运营', 'BI']", "['算法',~
$ positionLables [3m[90m<chr>[39m[23m "['电商', '社交', 'SQL', '数据库', '数据运营', '~
$ industryLables [3m[90m<chr>[39m[23m "['电商', '社交', 'SQL', '数据库', '数据运营', '~
$ createTime [3m[90m<chr>[39m[23m "2020/3/16 11:00", "2020/3/16 11:08", "2020/3/16~
$ formatCreateTime [3m[90m<chr>[39m[23m "11:00发布", "11:08发布", "10:33发布", "10:10发~
$ district [3m[90m<chr>[39m[23m "余杭区", "滨江区", "江干区", "江干区", "余杭区"~
$ businessZones [3m[90m<chr>[39m[23m "['仓前']", "['西兴', '长河']", "['四季青', '钱~
$ salary [3m[90m<int>[39m[23m 37500, 15000, 3500, 45000, 30000, 50000, 30000, ~
$ workYear [3m[90m<chr>[39m[23m "1-3年", "3-5年", "1-3年", "3-5年", "3-5年", "1-~
$ jobNature [3m[90m<chr>[39m[23m "全职", "全职", "全职", "全职", "全职", "全职", ~
$ education [3m[90m<chr>[39m[23m "本科", "本科", "本科", "本科", "大专", "本科", ~
$ positionAdvantage [3m[90m<chr>[39m[23m "五险一金、弹性工作、带薪年假、年度体检", "六险~
$ imState [3m[90m<chr>[39m[23m "today", "disabled", "today", "threeDays", "disa~
$ lastLogin [3m[90m<chr>[39m[23m "2020/3/16 11:00", "2020/3/16 11:08", "2020/3/16~
$ publisherId [3m[90m<int>[39m[23m 12022406, 5491688, 5322583, 9814560, 6392394, 11~
$ approve [3m[90m<int>[39m[23m 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, ~
$ subwayline [3m[90m<chr>[39m[23m "", "", "4号线", "1号线", "", "", "", "2号线", "~
$ stationname [3m[90m<chr>[39m[23m "", "", "江锦路", "文泽路", "", "", "", "丰潭路"~
$ linestaion [3m[90m<chr>[39m[23m "", "", "4号线_城星路;4号线_市民中心;4号线_江锦~
$ latitude [3m[90m<dbl>[39m[23m 30.27842, 30.18804, 30.24152, 30.29940, 30.28295~
$ longitude [3m[90m<dbl>[39m[23m 120.0059, 120.2012, 120.2125, 120.3503, 120.0098~
$ hitags [3m[90m<chr>[39m[23m "", "", "", "", "", "", "", "", "", "", "", "", ~
$ resumeProcessRate [3m[90m<int>[39m[23m 50, 23, 11, 100, 20, 16, 100, 1, 83, 1, 83, 0, 1~
$ resumeProcessDay [3m[90m<int>[39m[23m 1, 1, 4, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, ~
$ score [3m[90m<int>[39m[23m 233, 176, 80, 68, 66, 66, 65, 47, 24, 18, 17, 17~
$ newScore [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ~
$ matchScore [3m[90m<dbl>[39m[23m 15.1018750, 32.5594140, 14.9723570, 12.8741530, ~
$ matchScoreExplain [3m[90m<lgl>[39m[23m NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, ~
$ query [3m[90m<lgl>[39m[23m NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, ~
$ explain [3m[90m<lgl>[39m[23m NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, ~
$ isSchoolJob [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, ~
$ adWord [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ~
$ plus [3m[90m<lgl>[39m[23m NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, ~
$ pcShow [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ~
$ appShow [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ~
$ deliver [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ~
$ gradeDescription [3m[90m<lgl>[39m[23m NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, ~
$ promotionScoreExplain [3m[90m<lgl>[39m[23m NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, ~
$ isHotHire [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ~
$ count [3m[90m<int>[39m[23m 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, ~
$ aggregatePositionIds [3m[90m<chr>[39m[23m "[]", "[]", "[]", "[]", "[]", "[]", "[]", "[]", ~
$ famousCompany [3m[90m<lgl>[39m[23m FALSE, FALSE, FALSE, TRUE, TRUE, FALSE, FALSE, T~
P111-120
111(数据操作):查找secondType与thirdType值相等的行号
which(df$secondType == df$thirdType)
- 1
- 3
- 5
- 6
- 7
- 11
- 15
- 24
- 26
- 28
- 29
- 30
- 31
- 34
- 38
- 39
- 40
- 41
- 42
- 49
- 50
- 53
- 54
- 56
- 58
- 62
- 66
- 67
- 68
- 72
- 74
- 75
- 76
- 80
- 81
- 83
- 86
- 89
- 90
- 92
- 97
- 101
112(数据操作):查找薪资大于平均薪资的第三个数据
df %>% filter(salary > mean(salary)) %>% slice(3)
A data.frame: 1 × 53
positionId
|
positionName
|
companyId
|
companyLogo
|
companySize
|
industryField
|
financeStage
|
companyLabelList
|
firstType
|
secondType
|
...
|
plus
|
pcShow
|
appShow
|
deliver
|
gradeDescription
|
promotionScoreExplain
|
isHotHire
|
count
|
aggregatePositionIds
|
famousCompany
|
<int>
|
<chr>
|
<int>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
...
|
<lgl>
|
<int>
|
<int>
|
<int>
|
<lgl>
|
<lgl>
|
<int>
|
<int>
|
<chr>
|
<lgl>
|
6882347
|
数据分析
|
94826
|
image2/M00/04/12/CgpzWlXwKIKAaJd9AAARGoomCu4858.jpg?cc=0.6776386289857328
|
50-150人
|
移动互联网,社交
|
B轮
|
['股票期权', '扁平管理', '五险一金', '岗位晋升']
|
产品|需求|项目类
|
数据分析
|
...
|
NA
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
113(数据操作):将上一题数据的salary列开根号
head(
df %>% mutate(salary_sqrt = sqrt(salary)) %>% select(salary, salary_sqrt)
)
A data.frame: 6 × 2
|
salary
|
salary_sqrt
|
|
<int>
|
<dbl>
|
1
|
37500
|
193.6492
|
2
|
15000
|
122.4745
|
3
|
3500
|
59.1608
|
4
|
45000
|
212.1320
|
5
|
30000
|
173.2051
|
6
|
50000
|
223.6068
|
114(数据操作):将上一题数据的linestation列按_拆分
head(df %>% separate(linestaion, into = c("line", "station"), sep = "_", remove = FALSE) %>% select(linestaion, line, station)
)
Warning message:
"Expected 2 pieces. Additional pieces discarded in 41 rows [3, 8, 10, 12, 13, 20, 21, 22, 23, 27, 29, 30, 31, 32, 34, 36, 37, 38, 41, 44, ...]."
Warning message:
"Expected 2 pieces. Missing pieces filled with `NA` in 60 rows [1, 2, 5, 6, 7, 9, 11, 14, 15, 16, 17, 18, 19, 24, 25, 26, 28, 33, 35, 39, ...]."
A data.frame: 6 × 3
|
linestaion
|
line
|
station
|
|
<chr>
|
<chr>
|
<chr>
|
1
|
|
|
NA
|
2
|
|
|
NA
|
3
|
4号线_城星路;4号线_市民中心;4号线_江锦路
|
4号线
|
城星路;4号线
|
4
|
1号线_文泽路
|
1号线
|
文泽路
|
5
|
|
|
NA
|
6
|
|
|
NA
|
head(
df %>%mutate(split = str_split(linestaion,'_'))
)
A data.frame: 6 × 54
|
positionId
|
positionName
|
companyId
|
companyLogo
|
companySize
|
industryField
|
financeStage
|
companyLabelList
|
firstType
|
secondType
|
...
|
pcShow
|
appShow
|
deliver
|
gradeDescription
|
promotionScoreExplain
|
isHotHire
|
count
|
aggregatePositionIds
|
famousCompany
|
split
|
|
<int>
|
<chr>
|
<int>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
...
|
<int>
|
<int>
|
<int>
|
<lgl>
|
<lgl>
|
<int>
|
<int>
|
<chr>
|
<lgl>
|
<list>
|
1
|
6802721
|
数据分析
|
475770
|
i/image2/M01/B7/3E/CgoB5lwPfEaAdn8WAABWQ0Jgl5s31.jpeg
|
50-150人
|
移动互联网,电商
|
A轮
|
['绩效奖金', '带薪年假', '定期体检', '弹性工作']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
2
|
5204912
|
数据建模
|
50735
|
image1/M00/00/85/CgYXBlTUXeeAR0IjAABbroUk-dw977.png
|
150-500人
|
电商
|
B轮
|
['年终奖金', '做五休二', '六险一金', '子女福利']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
3
|
6877668
|
数据分析
|
100125
|
image2/M00/0C/57/CgqLKVYcOA2ADcFuAAAE8MukIKA745.png?cc=0.8089290193747729
|
2000人以上
|
移动互联网,企业服务
|
上市公司
|
['节日礼物', '年底双薪', '股票期权', '带薪年假']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
4号线 , 城星路;4号线 , 市民中心;4号线, 江锦路
|
4
|
6496141
|
数据分析
|
26564
|
i/image2/M01/F7/3F/CgoB5lyGAQGAZeI-AAAdOqXecnw673.jpg
|
500-2000人
|
电商
|
D轮及以上
|
['生日趴', '每月腐败基金', '每月补贴', '年度旅游']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
TRUE
|
1号线 , 文泽路
|
5
|
6467417
|
数据分析
|
29211
|
i/image2/M01/77/B8/CgoB5l1WDyGATNP5AAAlY3h88SY623.png
|
2000人以上
|
物流丨运输
|
上市公司
|
['技能培训', '免费班车', '专项奖金', '岗位晋升']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
TRUE
|
|
6
|
6882347
|
数据分析
|
94826
|
image2/M00/04/12/CgpzWlXwKIKAaJd9AAARGoomCu4858.jpg?cc=0.6776386289857328
|
50-150人
|
移动互联网,社交
|
B轮
|
['股票期权', '扁平管理', '五险一金', '岗位晋升']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
115(数据查看):查看上一题数据一共有多少列
ncol(df)
54
116(数据操作):提取industryField列以"数据"开头的行
head(
df[grep("^数据", df$industryField),]
)
A data.frame: 6 × 54
|
positionId
|
positionName
|
companyId
|
companyLogo
|
companySize
|
industryField
|
financeStage
|
companyLabelList
|
firstType
|
secondType
|
...
|
pcShow
|
appShow
|
deliver
|
gradeDescription
|
promotionScoreExplain
|
isHotHire
|
count
|
aggregatePositionIds
|
famousCompany
|
split
|
|
<int>
|
<chr>
|
<int>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
...
|
<int>
|
<int>
|
<int>
|
<lgl>
|
<lgl>
|
<int>
|
<int>
|
<chr>
|
<lgl>
|
<list>
|
9
|
6458372
|
数据分析专家
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
11
|
6804629
|
数据分析师
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
14
|
6804489
|
资深数据分析师
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
22
|
6267370
|
数据分析专家
|
31544
|
image1/M00/00/48/CgYXBlTUXOaADKooAABjQoD_n1w508.png
|
150-500人
|
数据服务
|
不需要融资
|
['专业红娘牵线', '节日礼物', '技能培训', '岗位晋升']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
4号线 , 中医药大学;4号线, 联庄
|
33
|
6804489
|
资深数据分析师
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
38
|
6242470
|
数据分析师
|
31544
|
image1/M00/00/48/CgYXBlTUXOaADKooAABjQoD_n1w508.png
|
150-500人
|
数据服务
|
不需要融资
|
['专业红娘牵线', '节日礼物', '技能培训', '岗位晋升']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
4号线 , 中医药大学;4号线, 联庄
|
head(
df %>% filter(str_detect(industryField, "^数据"))
)
A data.frame: 6 × 54
|
positionId
|
positionName
|
companyId
|
companyLogo
|
companySize
|
industryField
|
financeStage
|
companyLabelList
|
firstType
|
secondType
|
...
|
pcShow
|
appShow
|
deliver
|
gradeDescription
|
promotionScoreExplain
|
isHotHire
|
count
|
aggregatePositionIds
|
famousCompany
|
split
|
|
<int>
|
<chr>
|
<int>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
...
|
<int>
|
<int>
|
<int>
|
<lgl>
|
<lgl>
|
<int>
|
<int>
|
<chr>
|
<lgl>
|
<list>
|
1
|
6458372
|
数据分析专家
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
2
|
6804629
|
数据分析师
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
3
|
6804489
|
资深数据分析师
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
4
|
6267370
|
数据分析专家
|
31544
|
image1/M00/00/48/CgYXBlTUXOaADKooAABjQoD_n1w508.png
|
150-500人
|
数据服务
|
不需要融资
|
['专业红娘牵线', '节日礼物', '技能培训', '岗位晋升']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
4号线 , 中医药大学;4号线, 联庄
|
5
|
6804489
|
资深数据分析师
|
34132
|
i/image2/M01/F8/DE/CgoB5lyHTJeAP7v9AAFXUt4zJo4515.png
|
150-500人
|
数据服务,广告营销
|
A轮
|
['开放式办公', '扁平管理', '带薪假期', '弹性工作时间']
|
开发|测试|运维类
|
数据开发
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
|
6
|
6242470
|
数据分析师
|
31544
|
image1/M00/00/48/CgYXBlTUXOaADKooAABjQoD_n1w508.png
|
150-500人
|
数据服务
|
不需要融资
|
['专业红娘牵线', '节日礼物', '技能培训', '岗位晋升']
|
产品|需求|项目类
|
数据分析
|
...
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
4号线 , 中医药大学;4号线, 联庄
|
117(数据分组汇总):以salary score和positionID做数据透视表
df %>% group_by(positionId) %>% summarise(salary_avg = mean(salary),score_avg = mean(score))
A data.frame: 1 × 2
salary_avg
|
score_avg
|
<dbl>
|
<dbl>
|
31723.81
|
12.71429
|
df1 <- df %>%group_by(positionId) %>%dplyr::summarise(salary = mean(salary),score = mean(score)) %>%as.data.frame(.)
rownames(df) <- NULL
head(
tibble::column_to_rownames(df1,var='positionId')
)
A data.frame: 6 × 2
|
salary
|
score
|
|
<dbl>
|
<dbl>
|
5203054
|
30000
|
4
|
5204912
|
15000
|
176
|
5269002
|
37500
|
1
|
5453691
|
30000
|
4
|
5519962
|
37500
|
14
|
5520623
|
30000
|
6
|
118(数据分组汇总):同时对salary、score两列进行汇总计算
df1 %>% summarise_at(vars(salary, score), list(~sum(.), ~mean(.), ~min(.)))
A data.frame: 1 × 6
salary_sum
|
score_sum
|
salary_mean
|
score_mean
|
salary_min
|
score_min
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
<dbl>
|
3009750
|
1275.5
|
31681.58
|
13.42632
|
3500
|
0
|
119(数据分组汇总):同时对不同列进行不同的汇总计算:对salary求平均,对score求和
df1 %>% summarise(salary_avg = mean(salary),score_sum = sum(score))
#注:若要分组再这样汇总,前面加上group_by(grpvar)即可。
A data.frame: 1 × 2
salary_avg
|
score_sum
|
<dbl>
|
<dbl>
|
31681.58
|
1275.5
|
120(数据分组汇总):计算并提取平均薪资最高的区
head(df)
A data.frame: 6 × 53
|
positionId
|
positionName
|
companyId
|
companyLogo
|
companySize
|
industryField
|
financeStage
|
companyLabelList
|
firstType
|
secondType
|
...
|
plus
|
pcShow
|
appShow
|
deliver
|
gradeDescription
|
promotionScoreExplain
|
isHotHire
|
count
|
aggregatePositionIds
|
famousCompany
|
|
<int>
|
<chr>
|
<int>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
<chr>
|
...
|
<lgl>
|
<int>
|
<int>
|
<int>
|
<lgl>
|
<lgl>
|
<int>
|
<int>
|
<chr>
|
<lgl>
|
1
|
6802721
|
数据分析
|
475770
|
i/image2/M01/B7/3E/CgoB5lwPfEaAdn8WAABWQ0Jgl5s31.jpeg
|
50-150人
|
移动互联网,电商
|
A轮
|
['绩效奖金', '带薪年假', '定期体检', '弹性工作']
|
产品|需求|项目类
|
数据分析
|
...
|
NA
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
2
|
5204912
|
数据建模
|
50735
|
image1/M00/00/85/CgYXBlTUXeeAR0IjAABbroUk-dw977.png
|
150-500人
|
电商
|
B轮
|
['年终奖金', '做五休二', '六险一金', '子女福利']
|
开发|测试|运维类
|
数据开发
|
...
|
NA
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
3
|
6877668
|
数据分析
|
100125
|
image2/M00/0C/57/CgqLKVYcOA2ADcFuAAAE8MukIKA745.png?cc=0.8089290193747729
|
2000人以上
|
移动互联网,企业服务
|
上市公司
|
['节日礼物', '年底双薪', '股票期权', '带薪年假']
|
产品|需求|项目类
|
数据分析
|
...
|
NA
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
4
|
6496141
|
数据分析
|
26564
|
i/image2/M01/F7/3F/CgoB5lyGAQGAZeI-AAAdOqXecnw673.jpg
|
500-2000人
|
电商
|
D轮及以上
|
['生日趴', '每月腐败基金', '每月补贴', '年度旅游']
|
开发|测试|运维类
|
数据开发
|
...
|
NA
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
TRUE
|
5
|
6467417
|
数据分析
|
29211
|
i/image2/M01/77/B8/CgoB5l1WDyGATNP5AAAlY3h88SY623.png
|
2000人以上
|
物流丨运输
|
上市公司
|
['技能培训', '免费班车', '专项奖金', '岗位晋升']
|
产品|需求|项目类
|
数据分析
|
...
|
NA
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
TRUE
|
6
|
6882347
|
数据分析
|
94826
|
image2/M00/04/12/CgpzWlXwKIKAaJd9AAARGoomCu4858.jpg?cc=0.6776386289857328
|
50-150人
|
移动互联网,社交
|
B轮
|
['股票期权', '扁平管理', '五险一金', '岗位晋升']
|
产品|需求|项目类
|
数据分析
|
...
|
NA
|
0
|
0
|
0
|
NA
|
NA
|
0
|
0
|
[]
|
FALSE
|
df2 <- data.frame(df[,'district'],df[,'salary'])
names(df2) <- c("district",'salary')
head(df2)
A data.frame: 6 × 2
|
district
|
salary
|
|
<chr>
|
<int>
|
1
|
余杭区
|
37500
|
2
|
滨江区
|
15000
|
3
|
江干区
|
3500
|
4
|
江干区
|
45000
|
5
|
余杭区
|
30000
|
6
|
余杭区
|
50000
|
df2 %>% group_by(district) %>% summarise(salary_avg = mean(salary)) %>% top_n(1, salary_avg)
A data.frame: 1 × 1
salary_avg
|
<dbl>
|
31723.81
|
df %>%group_by(district) %>%summarise(avg = mean(salary)) %>%arrange(desc(avg)) %>%filter(row_number() == 1)
A data.frame: 1 × 1
avg
|
<dbl>
|
31723.81
|
R语言数据分析120题相关推荐
- R语言数据分析-练习题【学习总结20201030】[1-20]
前言 1-20题 1.创建数据框 一般用data.frame,Python中也是,只不过是pd.DataFrame #######R语言数据分析############# ###1.创建数据框## d ...
- 《R语言数据分析》作业答案
<R语言数据分析>作业答案 数据赋人工系统以智能.北邮<R语言数据分析>课程从问道.执具.博术三个方面,阐述机器学习/数据挖掘的方法论(道).编程工具R语言(具)以及经典算法模 ...
- 《R语言数据分析》期末试题
<R语言数据分析>期末试题 数据赋人工系统以智能.北邮<R语言数据分析>课程从问道.执具.博术三个方面,阐述机器学习/数据挖掘的方法论(道).编程工具R语言(具)以及经典算法模 ...
- R语言数据分析、展现与实例(02)
R语言数据分析.展现与实例(02) 数据输入 > mydata <- data.frame(age=numeric(0),gender=character(0),weight=numeri ...
- 三十四、R语言数据分析实战
@Author : By Runsen @Date : 2020/5/14 作者介绍:Runsen目前大三下学期,专业化学工程与工艺,大学沉迷日语,Python, Java和一系列数据分析软件.导致翘 ...
- 《R语言数据分析》——3.2 聚集
本节书摘来自华章出版社<R语言数据分析>一书中的第3章,第3.2节,作者盖尔盖伊·道罗齐(Gergely Daróczi),潘怡 译,更多章节内容可以访问云栖社区"华章计算机&q ...
- 《R语言数据分析与挖掘实战》——3.2 数据特征分析
本节书摘来自华章计算机<R语言数据分析与挖掘实战>一书中的第3章,第3.2节,作者 张良均,云伟标,王路,刘晓勇,更多章节内容可以访问云栖社区"华章计算机"公众号查看. ...
- 赠书!《R语言数据分析与可视化从入门到精通》
专注系列化.高质量的R语言教程 R语言是一个自由.免费.源代码开放的编程语言和环境,是S语言的一个分支,多个操作系统都能方便且免费地使用它.R语言不仅具有众多经常更新的统计分析函数,还具有完整的编程功 ...
- R语言数据分析系列之五
R语言数据分析系列之五 -- by comaple.zhang 本节来讨论一下R语言的基本图形展示,先来看一张效果图吧. 这是一张用R语言生成的,虚拟的wordcloud云图,具体实现细节请参见我的g ...
最新文章
- python提高办公效率-提高工作效率的一点建议
- 半正定矩阵的判定方法_线性代数30——正定矩阵和最小值
- 系统应用iPad设备应用需定制开发的3大理由
- Eclipse C++的配置问题launch failed binary not found
- jupyter报错Invalid credentials
- VRTK之手柄事件监听以及重写StartUsing方法实现与物体的交互
- Scratch 3.0 指令大全-“运动”类别的详细介绍②
- 围棋人机大战属于计算机在什么方面的应用,人民日报评围棋人机大战:胜出的是我们自己...
- 刷手机二维码轻松登机(仅限移动用户)
- android精选源码,erp交互效果摩天轮高仿斗鱼直播View炫酷进度条源码
- 仿选股宝选个头条上下拉加载一页的功能
- 浏览器自动转到外国服务器,通过HSTS实现浏览器自动跳转https(非服务器响应跳转)...
- 后疫情时代,VR购物—零售业的硬核破局之道
- VBA-基本的文件操作语句与文件加密(加密dog)
- [Nginx] – 安全优化 – 配置文件优化
- C#与倍福PLC通讯手册之--TcAdsClient类属性方法探索
- 线性代数2givens矩阵c语言,数值线性代数习题解答.doc
- php讲师主要做什么,PHP高级讲师岗位职责
- ORAN专题系列-8:5G O-RAN 分体式小基站Option8硬件白盒化的参考架构
- C++STL 顺序容器操作总结(超级详细)
热门文章
- 用c语言找出黑色星期五,C语言判断黑色星期五
- PLSQL界面打不开、PLSQL无法启动解决办法
- ffmpeg基础——基本框架介绍
- gitblit本地版本管理库-localhost访问
- 笔记十八:python的内置函数有哪些尼?都怎么是使用尼?(map()、reduce()、filter()、lambda()……)
- cma可以免考几门acca
- Python 波形处理
- 基于电路模型的生态网络构建流程和相关概念
- CentOS7自制openssh rpm包(含ssh-copy-id命令)—— 筑梦之路
- jupyter notebook / jupyter lab 深色主题下如何设置字体 及 如何设置绘图颜色