R语言实战 - 高级数据管理(2)

2.4 字符处理函数

> x <- c("ab", "cde", "fghij")
> length(x)
[1] 3
> nchar(x[3])
[1] 5
>
>
> x <- "abcdef"
> substr(x, 2, 4)
[1] "bcd"
> substr(x, 2, 4) <- "22222"
> x
[1] "a222ef"
>
>
> grep("A", c("b", "A", "c"), fixed=TRUE)
[1] 2
>
>
> sub("\\s", ".", "Hello There")
[1] "Hello.There"
>
>
> y <- strsplit("abc", "")
> y
[[1]]
[1] "a" "b" "c"

> unlist(y)[2]
[1] "b"
> sapply(y, "[", 2)
[1] "b"
>
>
> paste("x", 1:3, sep="")
[1] "x1" "x2" "x3"
> paste("x", 1:3, sep="M")
[1] "xM1" "xM2" "xM3"
> paste("Today is", date())
[1] "Today is Sun Sep 10 20:39:26 2017"
>
>
> toupper("abc")
[1] "ABC"
> tolower("ABC")
[1] "abc"
>

2.5 其他实用函数

> x <- c(2, 5, 6, 9)
> length(x)
[1] 4
>
>
> indices <- seq(1, 10, 2)
> indices
[1] 1 3 5 7 9
>
>
> y <- rep(1:3, 2)
> y
[1] 1 2 3 1 2 3
>
>
> z <- cut(y, 3)
> z
[1] (0.998,1.67] (1.67,2.33]  (2.33,3]     (0.998,1.67] (1.67,2.33]
[6] (2.33,3]
Levels: (0.998,1.67] (1.67,2.33] (2.33,3]
>
>
> u <- pretty(y, 3)
> u
[1] 1.0 1.5 2.0 2.5 3.0
>
>
> firstname <- c("Jane")
> cat("Hello", firstname, "\n")
Hello Jane
>
>
> name <- "Bob"
> cat("Hello", name, "\b.\n", "Isn\‘t R", "\t", "GREAT?\n")
Hello Bob.
 Isn‘t R         GREAT?
>

2.6 将函数应用于矩阵和数据框

> a <- 5
> sqrt(a)
[1] 2.24
> 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,] 0.9636 0.216 0.289 0.913
[2,] 0.2068 0.240 0.804 0.353
[3,] 0.0862 0.197 0.378 0.931
> log(c)
        [,1]  [,2]   [,3]    [,4]
[1,] -0.0371 -1.53 -1.241 -0.0912
[2,] -1.5762 -1.43 -0.218 -1.0402
[3,] -2.4511 -1.62 -0.972 -0.0710
> mean(c)
[1] 0.465
>
> mydata <- matrix(rnorm(30), nrow=6)
> mydata
       [,1]   [,2]   [,3]   [,4]   [,5]
[1,]  0.459  1.203  1.234  0.591 -0.281
[2,] -1.261  0.769 -1.891 -0.435  0.812
[3,] -0.527  0.238 -0.223 -0.251 -0.208
[4,] -0.557 -1.415  0.768 -0.926  1.451
[5,] -0.374  2.934  0.388  1.087  0.841
[6,] -0.604  0.935  0.609 -1.944 -0.866
> apply(mydata, 1, mean)
[1]  0.641 -0.401 -0.194 -0.136  0.975 -0.374
> apply(mydata, 2, mean)
[1] -0.478  0.777  0.148 -0.313  0.292
> apply(mydata, 2, mean, trim=0.2)
[1] -0.516  0.786  0.386 -0.255  0.291
>

3. 数据处理难题的一套解决方案

> options(digits=2)
>
> Student <- c("John Davis", "Angela Williams", "Bullwinkle Moose",
+              "David Jones", "Janice Markhammer", "Cheryl Cushing",
+              "Reuven Ytzrhak", "Greg Knox", "Joel England",
+              "Mary Rayburn")
> Math <- c(502, 600, 412, 358, 495, 512, 410, 625, 573, 522)
> Science <- c(95, 99, 80, 82, 75, 85, 80, 95, 89, 86)
> English <- c(25, 22, 18, 15, 20, 28, 15, 30, 27, 18)

> roster <- data.frame(Student, Math, Science, English,
+                      stringsAsFactors=FALSE)
> roster
             Student 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
> z <- scale(roster[, 2:4])
> z
        Math Science English
 [1,]  0.013   1.078   0.587
 [2,]  1.143   1.591   0.037
 [3,] -1.026  -0.847  -0.697
 [4,] -1.649  -0.590  -1.247
 [5,] -0.068  -1.489  -0.330
 [6,]  0.128  -0.205   1.137
 [7,] -1.049  -0.847  -1.247
 [8,]  1.432   1.078   1.504
 [9,]  0.832   0.308   0.954
[10,]  0.243  -0.077  -0.697
attr(,"scaled:center")
   Math Science English
    501      87      22
attr(,"scaled:scale")
   Math Science English
   86.7     7.8     5.5
> score <- apply(z, 1, mean)
> score
 [1]  0.56  0.92 -0.86 -1.16 -0.63  0.35 -1.05  1.34  0.70 -0.18
> roster <- cbind(roster, score)
> roster
             Student Math Science English score
1         John Davis  502      95      25  0.56
2    Angela Williams  600      99      22  0.92
3   Bullwinkle Moose  412      80      18 -0.86
4        David Jones  358      82      15 -1.16
5  Janice Markhammer  495      75      20 -0.63
6     Cheryl Cushing  512      85      28  0.35
7     Reuven Ytzrhak  410      80      15 -1.05
8          Greg Knox  625      95      30  1.34
9       Joel England  573      89      27  0.70
10      Mary Rayburn  522      86      18 -0.18
> y <- quantile(roster$score, c(.8, .6, .4, .2))
> y
  80%   60%   40%   20%
 0.74  0.44 -0.36 -0.89 

> 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$grade[score < y[4]] <- "F"
> roster
             Student Math Science English score grade
1         John Davis  502      95      25  0.56     B
2    Angela Williams  600      99      22  0.92     A
3   Bullwinkle Moose  412      80      18 -0.86     D
4        David Jones  358      82      15 -1.16     F
5  Janice Markhammer  495      75      20 -0.63     D
6     Cheryl Cushing  512      85      28  0.35     C
7     Reuven Ytzrhak  410      80      15 -1.05     F
8          Greg Knox  625      95      30  1.34     A
9       Joel England  573      89      27  0.70     B
10      Mary Rayburn  522      86      18 -0.18     C
> name <- strsplit((roster$Student), " ")
> name
[[1]]
[1] "John"  "Davis"

[[2]]
[1] "Angela"   "Williams"

[[3]]
[1] "Bullwinkle" "Moose"     

[[4]]
[1] "David" "Jones"

[[5]]
[1] "Janice"     "Markhammer"

[[6]]
[1] "Cheryl"  "Cushing"

[[7]]
[1] "Reuven"  "Ytzrhak"

[[8]]
[1] "Greg" "Knox"

[[9]]
[1] "Joel"    "England"

[[10]]
[1] "Mary"    "Rayburn"

> Firstname <- sapply(name, "[", 1)
> Firstname
 [1] "John"       "Angela"     "Bullwinkle" "David"      "Janice"
 [6] "Cheryl"     "Reuven"     "Greg"       "Joel"       "Mary"
> Lastname <- sapply(name, "[", 2)
> Lastname
 [1] "Davis"      "Williams"   "Moose"      "Jones"      "Markhammer"
 [6] "Cushing"    "Ytzrhak"    "Knox"       "England"    "Rayburn"
> roster <- cbind(Firstname, Lastname, roster[ , -1])
> roster
    Firstname   Lastname Math Science English score grade
1        John      Davis  502      95      25  0.56     B
2      Angela   Williams  600      99      22  0.92     A
3  Bullwinkle      Moose  412      80      18 -0.86     D
4       David      Jones  358      82      15 -1.16     F
5      Janice Markhammer  495      75      20 -0.63     D
6      Cheryl    Cushing  512      85      28  0.35     C
7      Reuven    Ytzrhak  410      80      15 -1.05     F
8        Greg       Knox  625      95      30  1.34     A
9        Joel    England  573      89      27  0.70     B
10       Mary    Rayburn  522      86      18 -0.18     C
> roster[order(Lastname, Firstname), ]
    Firstname   Lastname Math Science English score grade
6      Cheryl    Cushing  512      85      28  0.35     C
1        John      Davis  502      95      25  0.56     B
9        Joel    England  573      89      27  0.70     B
4       David      Jones  358      82      15 -1.16     F
8        Greg       Knox  625      95      30  1.34     A
5      Janice Markhammer  495      75      20 -0.63     D
3  Bullwinkle      Moose  412      80      18 -0.86     D
10       Mary    Rayburn  522      86      18 -0.18     C
2      Angela   Williams  600      99      22  0.92     A
7      Reuven    Ytzrhak  410      80      15 -1.05     F
>

quantile()      http://blog.csdn.net/u012543538/article/details/17025789

scale()           http://blog.sina.com.cn/s/blog_b623d3f40102v2zg.html

时间: 2024-08-26 11:14:24

R语言实战 - 高级数据管理(2)的相关文章

R语言实战 - 高级数据管理(4)

6. 整合与重构 6.1 转置 > mtcars mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21 6 160 110 3.9 2.6 16 0 1 4 4 Mazda RX4 Wag 21 6 160 110 3.9 2.9 17 0 1 4 4 Datsun 710 23 4 108 93 3.8 2.3 19 1 1 4 1 Hornet 4 Drive 21 6 258 110 3.1 3.2 19 1 0 3 1 Hor

R语言实战 - 高级数据管理(1)

1. 一个数据处理难题 a. 确定一个单一的成绩衡量指标 b. 前20%的学生评定为A,接下来20%评定为B,以此类推 c. 按字母顺序对学生排序 2. 数值和字符处理函数 数值函数(数学,统计,概率) 字符处理函数 2.1 数学函数 > abs(-4) [1] 4 > > sqrt(25) [1] 5 > > ceiling(3.475) [1] 4 > > floor(3.475) [1] 3 > > trunc(5.99) [1] 5 >

R语言实战 - 基本数据管理(4)

11. 使用SQL语句操作数据框 > install.packages("sqldf") Installing package into 'C:/Users/WZhong/Documents/R/win-library/3.4' (as 'lib' is unspecified) also installing the dependencies 'rlang', 'bit', 'tibble', 'digest', 'bit64', 'blob', 'memoise', 'pkg

R语言实战 - 基本数据管理(3)

8. 数据排序 > leadership$age [1] 32 45 25 39 NA > newdata <- leadership[order(leadership$age),] > newdata manager testDate country gender age item1 item2 item3 item4 item5 3 3 2008-10-01 UK F 25 3 5 5 5 2 1 1 2008-10-24 US M 32 5 4 5 5 5 4 4 2008-

R语言实战 - 基本数据管理(2)

5. 缺失值 > y <- c(1,2,3,NA) > is.na(y) [1] FALSE FALSE FALSE TRUE > leadership manager testDate country gender age item1 item2 item3 item4 item5 1 1 10/24/08 US M 32 5 4 5 5 5 2 2 10/28/08 US F 45 3 5 2 5 5 3 3 10/1/08 UK F 25 3 5 5 5 2 4 4 10/1

R入门&lt;三&gt;-R语言实战第4章基本数据管理摘要

入门书籍:R语言实战 进度:1-4章 摘要: 1)实用的包 forecast:用于做时间序列预测的,有auto.arima函数 RODBC:可以用来读取excel文件.但据说R对csv格式适应更加良好,相应的导入导出均较为方便(read.table, write等) reshape:目前用到rename函数,可以方便的对数据变量重命名 fCalendar:在日期输入处提及,据说对日期运算有奇效,但无具体示例.同理如lubridate sqldf:在数据选取处提及,可代替subset以及各种whe

《R语言实战》(中文完整版)pdf

下载地址:网盘下载 基本介绍 编辑 原作名: R in Action[2] 作者: Robert I. Kabacoff 译者: 高涛 / 肖楠 / 陈钢 出版社: 人民邮电出版社 出版年: 2013-1 页数: 388 定价: 79.00元 装帧: 平装 ISBN: 978-711-529-990-1 内容简介 编辑 数据时代已经到来,但数据分析.数据挖掘人才却十分短缺.由于"大数据"对每个领域的决定性影响,相对于经验和直觉,在商业.经济及其他领域中基于数据和分析去发现问题并作出科学

《数据挖掘:R语言实战》

<数据挖掘:R语言实战> 基本信息 作者: 黄文    王正林 丛书名: 大数据时代的R语言 出版社:电子工业出版社 ISBN:9787121231223 上架时间:2014-6-6 出版日期:2014 年6月 开本:16开 页码:292 版次:1-1 所属分类:计算机 > 软件与程序设计 > 综合 > 高级程序语言设计 更多关于>>><数据挖掘:R语言实战> 内容简介 书籍 计算机书籍 数据挖掘技术是当下大数据时代最关键的技术,其应用领域及前景

《R语言实战》读书笔记--为什么要学

本人最近在某咨询公司实习,涉及到了一些数据分析的工作,用的是R语言来处理数据.但是在应用的过程中,发现用R很不熟练,所以再打算学一遍R.曾经花一个月的时间看过一遍<R语言编程艺术>,还用R做过阿里的推荐算法比赛,对R语言有一些最初级.基本的了解.不过 ,上面那本书虽然挺好,但是不适合速成,是从程序员的角度写的,对常用函数和统计知识涉及的不多.在实际工作中,发现适时应用R的包和函数是十分重要的,所以打算另找一本书来看.在学校放着一本<R语言实战>,无奈没拿过来,就用电子版的学一遍吧.