5.1 数值和字符处理函数

常用的数学函数

统计函数

例子：

> x <- c(1,2,3,4,5,6,7,8)
> mean(x)
[1] 4.5
> sd(x)
[1] 2.44949

默认情况下，函数scale()对矩阵或数据框的指定列进行均值为0、标准差为1的标准化：

newdata <- scale(mydata)

要对每一列进行任意均值和标准差的标准化，可以使用以下代码：

newdata <- scale(mydata)*SD + M

概率函数

概率函数通常用来生成特征已知的模拟数据，以及在用户编写的统计函数中计算概率值。

字符处理函数

其他实用函数

示例：

R函数可以应用到一系列的数据对象上，包括标量，向量，矩阵，数组和数据框。

> a <- 5
> sqrt(a)
[1] 2.236068
> b <- c(1.243,5.654,2.99)
> round(b)
[1] 1 6 3
> c <- matrix(runif(12),nrow=3)
> c[,1]       [,2]      [,3]       [,4]
[1,] 0.1994530 0.13714175 0.9197887 0.92626099
[2,] 0.1545716 0.05410748 0.7442934 0.20239342
[3,] 0.3898991 0.71826297 0.4518926 0.02659162

> log(c)
[,1] [,2] [,3] [,4]
[1,] -1.6121766 -1.9867402 -0.08361129 -0.07659924
[2,] -1.8670979 -2.9167828 -0.29531995 -1.59754183
[3,] -0.9418672 -0.3309195 -0.79431077 -3.62715915

> mean(c)
[1] 0.4103881

上面的mean函数是求整个矩阵的平均数，如果要分别求整行或者整列的平均数时，R提供了一个apply()函数，使用格式为：

apply(x, MARGIN, FUN,...)

MARGIN=1表示行，MARGIN=2表示列。

> mydata <- matrix(rnorm(30),nrow=6)
> mydata[,1]       [,2]        [,3]        [,4]       [,5]
[1,]  0.04888185 -1.6841123  0.20826767 -0.18079844  0.8770435
[2,]  2.24945461 -0.1110540 -0.88960378 -0.28632932 -1.9787470
[3,] -0.14309448  0.4394450 -0.04371930 -0.71101344  0.2028341
[4,] -0.90665601 -0.7176465  0.38136328 -0.06082567 -0.3844853
[5,] -0.40884645 -0.3192920  0.08476159 -0.47544146  0.1809374
[6,]  1.40852339  0.3653756  0.09148512 -1.06787472  1.0503215
> apply(mydata,1,mean)
[1] -0.14614355 -0.20325589 -0.05110963 -0.33765005 -0.18757618  0.36956618
> apply(mydata,2,mean)
[1]  0.374710485 -0.337880697 -0.027907572 -0.463713840 -0.008682649
> apply(mydata,2,mean,trim=0.2)
[1]  0.22636608 -0.19565422  0.08519877 -0.41339566  0.21908240

apply()是一个很强大的函数，可以把函数应用到数组的某个维度上，而lapply()和sapply()则可将函数应用到列表上。

示例：将学生的各科考试成绩组合为单一成绩衡量指标、基于相对名次（前20%,下20%，等等）给出从A到F的评分、根据学生姓氏和名字的首字母对花名册进行排序。

1. 限定输出小数点后数字的位数。

> rosterStudent Math Science English
1         John Davis  502      95      25
2    Angela Williams  600      99      22
3   Bullwinkle Moose  412      80      18
4        David Jones  358      82      15
5  Janice Markhammer  495      75      20
6     Cheryl Cushing  512      85      28
7     Reuven Ytzrhak  410      80      15
8          Greg Knox  625      95      30
9       Joel England  573      89      27
10      Mary Rayburn  522      86      18

2. 由于数学、科学和英语考试的分值不同，在组合之前要先让他们变得可以比较。可以使用scale()函数来成绩进行标准化表示。

> z <- scale(roster[,2:4])
> zMath     Science     English
1   0.01269128  1.07806562  0.58685145
2   1.14336936  1.59143020  0.03667822
3  -1.02568654 -0.84705156 -0.69688609
4  -1.64871324 -0.59036927 -1.24705932
5  -0.06807144 -1.48875728 -0.33010394
6   0.12806660 -0.20534583  1.13702468
7  -1.04876160 -0.84705156 -1.24705932
8   1.43180765  1.07806562  1.50380683
9   0.83185601  0.30801875  0.95363360
10  0.24344191 -0.07700469 -0.69688609
attr(,"scaled:center")Math Science English 500.9    86.6    21.8
attr(,"scaled:scale")Math   Science   English
86.673654  7.791734  5.452828

3. 然后，可以通过mean()函数来计算各行的均值以获得综合评分，并使用cbind()将其添加到花名册中

> score <- apply(z,1,mean)
> roster <- cbind(roster, score)
> rosterStudent Math Science English      score
1         John Davis  502      95      25  0.5592028
2    Angela Williams  600      99      22  0.9238259
3   Bullwinkle Moose  412      80      18 -0.8565414
4        David Jones  358      82      15 -1.1620473
5  Janice Markhammer  495      75      20 -0.6289776
6     Cheryl Cushing  512      85      28  0.3532485
7     Reuven Ytzrhak  410      80      15 -1.0476242
8          Greg Knox  625      95      30  1.3378934
9       Joel England  573      89      27  0.6978361
10      Mary Rayburn  522      86      18 -0.1768163

4. quantile()给出了学生综合得分的百分位数

> y <- quantile(roster$score, c(.8,.6,.4,.2) )
> y80%        60%        40%        20% 0.7430341  0.4356302 -0.3576808 -0.8947579

5. 通过使用逻辑运算符，你可以将学生的百分位数排名重编码为一个新的类别型成绩变量。

> roster$grade[score >= y[1]] <- "A"
> roster$grade[score < y[1] & score > y[2]] <- "B"
> roster$grade[score < y[2] & score > y[3]] <- "C"
> roster$grade[score < y[3] & score > y[4]] <- "D"
> roster$grade[score < y[4]] <- "F"
> rosterStudent Math Science English      score grade
1         John Davis  502      95      25  0.5592028     B
2    Angela Williams  600      99      22  0.9238259     A
3   Bullwinkle Moose  412      80      18 -0.8565414     D
4        David Jones  358      82      15 -1.1620473     F
5  Janice Markhammer  495      75      20 -0.6289776     D
6     Cheryl Cushing  512      85      28  0.3532485     C
7     Reuven Ytzrhak  410      80      15 -1.0476242     F
8          Greg Knox  625      95      30  1.3378934     A
9       Joel England  573      89      27  0.6978361     B
10      Mary Rayburn  522      86      18 -0.1768163     C

6. 你将使用函数strsplit()以空格为界把学生姓名拆分为姓氏和名字。

5.3 控制流

for结构：循环重复地执行一个语句，直到某个变量的值不再包含在序列seq中为止。

for (var in seq) statement

while结构：循环重复地执行一个语句，直到条件不为真为止。

while (cond) statement

if-else结构：控制结构if-else在某个给定条件为真时执行语句，也可以同时在条件为假时执行另外的语句。

if (cond) statement1 else statement2

ifelse结构：这个结构是上一个结构的比较紧凑的向量化版本。

ifelse(cond, statement1, statement2)

switch结构：根据一个表达式的值选择语句执行。

switch(expr,...)

5.4 用户自编函数

function()

myfunction <- function(arg1, arg2, ...){statementsreturn(object)
}

函数中的对象只在函数内部使用。返回对象的数据类型是任意的，从标量到

5.5 整合与重构

1.转置

转置（反转行和列）是重塑数据集的众多方法中最简单的一个，用函数t()即可对一个矩阵或数据框进行转置。

> cars <- mtcars[1:5,1:4]
> carsmpg cyl disp  hp
Mazda RX4         21.0   6  160 110
Mazda RX4 Wag     21.0   6  160 110
Datsun 710        22.8   4  108  93
Hornet 4 Drive    21.4   6  258 110
Hornet Sportabout 18.7   8  360 175
> t(cars)Mazda RX4 Mazda RX4 Wag Datsun 710 Hornet 4 Drive Hornet Sportabout
mpg         21            21       22.8           21.4              18.7
cyl          6             6        4.0            6.0               8.0
disp       160           160      108.0          258.0             360.0
hp         110           110       93.0          110.0             175.0

2.整合数据

在R中使用一个或多个by变量和一个预先定义好的函数来折叠数据是比较容易的。

aggregate(x, by, FUN)

其中x是待折叠对象，by是一个变量名组成的列表，这些变量将被去掉以形成新的观测，而FUN则是用来计算描述性统计量的标量函数，他将被用来计算新的观测值。

> options(digits=3)
> attach(mtcars)
> aggdata <- aggregate(mtcars,by=list(cyl,gear),FUN=mean,na.rm=TRUE)
> aggdataGroup.1 Group.2  mpg cyl disp  hp drat   wt qsec  vs   am gear carb
1       4       3 21.5   4  120  97 3.70 2.46 20.0 1.0 0.00    3 1.00
2       6       3 19.8   6  242 108 2.92 3.34 19.8 1.0 0.00    3 1.00
3       8       3 15.1   8  358 194 3.12 4.10 17.1 0.0 0.00    3 3.08
4       4       4 26.9   4  103  76 4.11 2.38 19.6 1.0 0.75    4 1.50
5       6       4 19.8   6  164 116 3.91 3.09 17.7 0.5 0.50    4 4.00
6       4       5 28.2   4  108 102 4.10 1.83 16.8 0.5 1.00    5 2.00
7       6       5 19.7   6  145 175 3.62 2.77 15.5 0.0 1.00    5 6.00
8       8       5 15.4   8  326 300 3.88 3.37 14.6 0.0 1.00    5 6.00

3. reshape包

融合

数据集的融合是将它重构为这样一种样式：每个测量变量独占一行，行中带有要唯一确定这个测量所需的标识符变量。

此处用R内置的数据集，首先将列明改写成小写，然后查看相应的数据

> names(airquality) <- tolower(names(airquality))
> head(airquality)ozone solar.r wind temp month day
1    41     190  7.4   67     5   1
2    36     118  8.0   72     5   2
3    12     149 12.6   74     5   3
4    18     313 11.5   62     5   4
5    NA      NA 14.3   56     5   5
6    28      NA 14.9   66     5   6

先看用melt处理上述数据：

> aql <- melt(airquality)
No id variables; using all as measure variables
> head(aql)variable value
1    ozone    41
2    ozone    36
3    ozone    12
4    ozone    18
5    ozone    NA
6    ozone    28
> tail(aql)variable value
913      day    25
914      day    26
915      day    27
916      day    28
917      day    29
918      day    30

默认情况下，melt认为所有数值列的变量均有值。很多情况下，这都是我们想要的情况。在这里，我们想知道每个月(month)以及每天(day)的ozone, solar.r, wind以及temp的值。因此，我们需要告诉melt，month和day是"ID variables"。ID variables就是那些能够区分不同行数据的变量，个人感觉类似于数据库中的主键。

> aql <- melt(airquality, id.vars = c("month", "day"))
> head(aql)month day variable value
1     5   1    ozone    41
2     5   2    ozone    36
3     5   3    ozone    12
4     5   4    ozone    18
5     5   5    ozone    NA
6     5   6    ozone    28

如果我们想修改长数据中的列名：

> aql <- melt(airquality, id.vars = c("month", "day"),variable.name = "climate_variable", value.name = "climate_value")
> head(aql)month day climate_variable climate_value
1     5   1            ozone            41
2     5   2            ozone            36
3     5   3            ozone            12
4     5   4            ozone            18
5     5   5            ozone            NA
6     5   6            ozone            28

cast函数

在reshape2中有好几个cast版本的函数。若你经常使用data.frame，就需要使用dcast函数。acast函数返回向量、矩阵或者数组。

dcast借助于公式来描述数据的形状，左边参数表示"ID variables"，而右边的参数表示measured variables。可能需要几次尝试，才能找到合适的公式。

这里，我们需要告知dcast，month和day是ID variables，variable则表示measured variables。

转载于:https://www.cnblogs.com/cyoutetsu/p/5944943.html

第5章--高级数据管理相关推荐

OpenGL超级宝典（第7版）之第十一章高级数据管理
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 OpenGL超级宝典(第7版)之第十一章高级数据管理前言一.取消绑定二.稀疏纹理三.压缩纹理四.压缩数据格式五.高质量纹理 ...
50万数据生成6位数不重复字符串_R语言系列3：高级数据管理
R语言系列3:高级数据管理此文内容为<R语言实战>的笔记,人民邮电出版社出版. 从高中电脑课学VB开始,大一课内开始学习C++,到后来大二为了数模学习Matlab,到大三为了搞深度学习自 ...
【数据库系统】数据库系统概论====第十四章大数据管理
第十四章大数据管理文章目录第十四章大数据管理 14.1大数据概述 14.1.1什么是大数据 14.1.2大数据的特征 14.2大数据的应用 14.2.1感知现在预测未来----互联网文本大数 ...
《ANSYS 14.0超级学习手册》一第2章高级应用的基石——APDL
本节书摘来自异步社区<ANSYS 14.0超级学习手册>一书中的第2章,作者张建伟 , 白海波 , 李昕, 更多章节内容可以访问云栖社区"异步社区"公众号查看第2章 ...
数据库系统概念总结：第五章高级SQL
周末无事水文章,期末备考的总结资料第五章高级SQL 5.1 使用程序设计语言访问数据库 5.1.1 JDBC(Java DataBase Connectivity) JDBC标准定义了Java程序 ...
Ext JS 6学习文档-第6章-高级组件
Ext JS 6学习文档-第6章-高级组件高级组件本章涵盖了高级组件,比如 tree 和 data view.它将为读者呈现一个示例项目为图片浏览器,它使用 tree 和 data view 组 ...
深入理解Magento – 第六章 – 高级Magento模型
深入理解Magento 作者:Alan Storm 翻译:Hailong Zhang 第六章 – 高级Magento模型我们讲过Magento有两种模型,简单模型和EAV(Entity Attrib ...
Kali Linux 秘籍第三章高级测试环境
第三章高级测试环境作者:Willie L. Pritchett, David De Smet 译者:飞龙协议:CC BY-NC-SA 4.0 简介既然我们已经了解了 Kali Linux 所包 ...
AcWing提高算法课Level-3 第四章高级数据结构
AcWing提高算法课Level-3 第四章高级数据结构并查集 AcWing 1250. 格子游戏1167人打卡 AcWing 1252. 搭配购买1064人打卡 AcWing 237. 程序自动 ...

第5章--高级数据管理

5.1 数值和字符处理函数

5.3 控制流

5.4 用户自编函数

5.5 整合与重构

第5章--高级数据管理相关推荐

最新文章

热门文章