基本数据管理

R语言按照列名删除多个列 r语言怎么删除第几行_r语言

4.1 准备

创建数据框

mydata<-data.frame(manager=numeric(0),data=character(0),country=character(0),gender=character(0),age=numeric(0),q1=numeric(0),q2=numeric(0),q3=numeric(0),q4=numeric(0),q5=numeric(0))
mydata<-edit(mydata)

 

R语言按照列名删除多个列 r语言怎么删除第几行_缺失值_02

R语言按照列名删除多个列 r语言怎么删除第几行_r语言_03

打开，只需运行mydata<-edit(mydata)

第二种方法


manager<-c(1,2,3,4,5)
date<-c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")
country<-c("US","US","UK","UK","UK")
gender<-c("M","F","F","M","F")
age<-c(32,45,25,39,99)
q1 <- c(5,3,3,3,2)
q2 <- c(4,5,5,3,2)
q3 <- c(5,2,5,4,1)
q4 <- c(5,5,5,NA,2)
q5 <- c(5,5,2,NA,1)
leadership<-data.frame(manager,date,country,gender,age,q1,q2,q3,q4,q5,stringsAsFactors = FALSE)

 

R语言按照列名删除多个列 r语言怎么删除第几行_人工智能_04

这个表格的q1~q5是上上司对经理人的打分。

 

       拿到这个表格，我们做数据管理，可能需要作如下处理：五个评分（q1~q5）的综合处理，对不完整数据的处理（无效数据如99，缺失数据如NA）。只取出对这项分析有用的数据（数据提取），数据重命名，数据变换（数据的另一种展示方式）等。本章将介绍这些数据管理方式。

4.2 创建新变量

对原有变量的运算。这里通过例子展示

 


mydata<-data.frame(x1 = c(2, 2, 6, 4),
                   x2 = c(3, 4, 2, 8))

R语言按照列名删除多个列 r语言怎么删除第几行_人工智能_05

有三种方式：

1.直接运算

mydata$sumx <- mydata$x1 + mydata$x2
mydata$meanx <- (mydata$x1 + mydata$x2)/2

R语言按照列名删除多个列 r语言怎么删除第几行_人工智能_06

2. 与上一种差别是：用attach（）和detach（）这一对函数，让R知道变量在mydata里面，因此，每个变量前不用再添加数据框。
需要注意的是，原来没有的变量（sumx和meanx）还是要加数据框，否则生成的sumx和meanx不会在数据框。我的理解是，attach（）函数使用在前，只是告诉R此时数据框的变量有什么，但是没有告诉R新生成的变量是放在哪里的，如果不加“数据框$变量”，新生成的变量仍旧是游离的。

attach(mydata)
mydata$sumx <- x1 + x2
mydata$meanx <- (x1 + x2)/2
detach(mydata)


它简化了按需创建新变量并保存到数据框的过程。

mydata <- transform(mydata,
                    sumx = x1 + x2,
                    meanx = (x1 + x2)/2)


 4.3 变量的重新编码

同过原有变量创新值（在机器学习里，应该就相当于特征变换）

 变量名[条件]<-expression 仅在条件为真时，值为TRUE

重新编码这里介绍两种方式

一、

leadership$agecat[leadership$age > 75] <- "Elder"
leadership$agecat[leadership$age >= 55 &
                    leadership$age <= 75] <- "Middle Aged"
leadership$agecat[leadership$age < 55] <- "Young"

 二、

leadership <- within(leadership,{
  agecat <- NA
  agecat[age > 75] <- "Elder"
  agecat[age >= 55 & age <= 75] <- "Middle Aged"
  agecat[age < 55] <- "Young" })

 

R语言按照列名删除多个列 r语言怎么删除第几行_缺失值_07

4.4 变量的重命名

三种方式

一、交互式

fix(leadership)



 二、函数names（）

> names(leadership)
 [1] "manager" "date"    "gender"  "age"     "q1"      "q2"      "q3"     
 [8] "q4"      "q5"      "agecat" 
> names(leadership)[2] <- "testDate"
> leadership
  manager testDate gender age q1 q2 q3 q4 q5 agecat
1       1 10/24/08      M  32  5  4  5  5  5  Young
2       2 10/28/08      F  45  3  5  2  5  5  Young
3       3  10/1/08      F  25  3  5  5  5  2  Young
4       4 10/12/08      M  39  3  3  4 NA NA  Young
5       5   5/1/09      F  99  2  2  1  2  1  Elder


 三、plyr包中的rename（）函数

library(plyr)
leadership <- rename(leadership,
                     c(manager="managerID", date="testDate"))

R语言按照列名删除多个列 r语言怎么删除第几行_缺失值_08

4.5 缺失值

 主要从几个方面分析缺失值：缺失值是什么，该如何标记它，如何设置它。遇到缺失值时，怎么排除。

  1. 缺失值：NA（not available，不可用）
  2. is.nan( )检测缺失值，返回相当大小的对象，元素是逻辑值
  3. 设置缺失值
leadership$age[leadership$age==99]<-NA

  1. 所有等于age中未99的都设置为缺失值标记NA。
  2. 排除缺失值函数的帮助文档：很多函数有na.rm=TRUE选项，使用可在计算前移除缺失值并用剩余值计算。
x <- c(1, 2, NA, 3)
y <- sum(x, na.rm=TRUE)
 > y
[1] 6
  1. 不同函数可能有不同处理缺失值的方式，使用前可哟弄帮助文档查询。行删除：na.omit（）移除所有含缺失的观测，以上体为例： 
> na.omit(leadership)
  manager     date gender age q1 q2 q3 q4 q5
1       1 10/24/08      M  32  5  4  5  5  5
2       2 10/28/08      F  45  3  5  2  5  5
3       3  10/1/08      F  25  3  5  5  5  2
  1.  第4和第5行都有NA，因此，结果只剩下1、2、3行的观测。
    行删除不适用于缺失值非常多的数据中。

 

4.6日期指

 以字符串性质输入到R中，再转化成署执行时存储。as.Date（）用于这种转化

日期的默认输入格式为yyyy-mm-dd。

as.Date("日期"，“输入格式”)，通过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，之后就可以对这项日期进行分析和绘图。


> mydates <- as.Date(c("2007-06-22", "2004-02-13"))
> mydates
[1] "2007-06-22" "2004-02-13"


> strDates <- c("01/05/1965", "08/16/1975")
> dates <- as.Date(strDates, "%m/%d/%Y")
> dates
[1] "1965-01-05" "1975-08-16"
> 
> strDates
[1] "01/05/1965" "08/16/1975"

 

两个常用的函数：

Sys.Date( )返回当天的日期
date( )返回当前的日期和时间。

> Sys.Date()
[1] "2017-12-27"
> date()
[1] "Wed Dec 27 12:55:18 2017"


 可通过format(x,format="输出格式“）为输出指定日期值和提取日期中的某些部分。

> today <- Sys.Date()
> format(today, format="%B %d %Y")
[1] "十二月 27 2017"
> format(today, format="%A")
[1] "星期三"

 

日期计算：

> # Calculations with with dates
> startdate <- as.Date("2004-02-13")
> enddate   <- as.Date("2009-06-22")
> enddate - startdate
Time difference of 1956 days

 

difftime（）计算时间间隔

> # Date functions and formatted printing
> today <- Sys.Date()
> dob <- as.Date("1956-10-12")
> difftime(today, dob, units="weeks")
Time difference of 3193.714 weeks
> dob
[1] "1956-10-12"
> today
[1] "2017-12-27"


 4.6.1 日期转化为字符型变量

strDates<-as.character(dates)

4.6.2 关于日期的一些函数和包

可查看help（as.Date）、help（strftime）。lubridate包、timeDate包

4.7 类型转换

向数值型向量添加一个字符串，则此向量所有元素转换为字符型

判断

转换

is.numeric()

as.numeric()

is.character()

as.character()

is.vector()

as.vector()

is.matrex()

as.matrix()

is.data.frame()

as.data.frame()

is.factor()

as.factor()

is.logical()

as.logical()

4.8 数排序

order（）可对数据框排序，默认升序。在排序变量加减号，变成降序。


newdata<-leadership[order(leadership$age),]


 leadership数据框中的数据按年龄升序排序

 

attach(leadership)
newdata<-leadership[order(gender,age)]
detach(leadership)


 先按女性到男性排，同性别中，按年龄升序排

 

attach(leadership)
newdata<-leadership[order(gender,age)]
detach(leadership)


 先按女性到男性排，同性别中，按年龄降序排

4.9 数据集的合并

内联结（inner join）

  • merge（）函数
    total<- merge(dataframeA, dataframeB,by="ID")
    数据集dataframeA, dataframeB通过ID进行合并
    total<- merge(dataframeA, dataframeB,by=c("ID","Country")）
    数据集dataframeA, dataframeB按照ID和Country进行合并

横向合并（不需要指定一个公共索引）

  • total<-cblind(A,B)
    横向合并A和B（对象具有相同的行数）

纵向合并（向数据框添加行）

  • total<-rblind(dataframeA,dataframeB)
    注意：A和B要有相同的对象，也就是列数要相同，但顺序不一定要相同。

4.10 数据集取子集（感觉类似机器学习中的特征选择）

4.10.1选入（保留）变量

通过下标选择和通过引号中的变量名选择

newdata <- leadership[, c(6:10)] 
 # 选择leadership的第6列到底9列

结果为

> newdate
  q2 q3 q4 q5
1  4  5  5  5
2  5  2  5  5
3  5  5  5  2
4  3  4 NA NA
5  2  1  2  1

> myvars<-paste("q",1:5,sep="")
> myvars
[1] "q1" "q2" "q3" "q4" "q5"
#得到一组向量，再放入数据框的方括号中作为引用
> newdate<-leadership[myvars]
> newdate
  q1 q2 q3 q4 q5
1  5  4  5  5  5
2  3  5  2  5  5
3  3  5  5  5  2
4  3  3  4 NA NA
5  2  2  1  2  1


 4.10.2 剔除（丢弃）变量

  •  
names(leadership)
myvars<-names(leadership)%in%c("q3","q4")
newdata<-leadership[!myvars]
 
   
> names(leadership)
[1] "manager" "date"    "gender"  "age"     "q1"      "q2"      "q3"     
[8] "q4"      "q5"     
> names(leadership)%in%c("q3","q4")
[1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE

> !myvars
[1]  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE FALSE FALSE  TRUE
   
   
> newdata
  manager     date gender age q1 q2 q5
1       1 10/24/08      M  32  5  4  5
2       2 10/28/08      F  45  3  5  5
3       3  10/1/08      F  25  3  5  2
4       4 10/12/08      M  39  3  3 NA
5       5   5/1/09      F  99  2  2  1

  •  names（leadership）生成一个包含所有变量名的字符型向量
    names(leadership)%in%c("q3","q4") ：每个与q3和q4匹配的元素值为TRUE，反之为FALSE
    可以看到q3和q4最后被剔除了。
  • 加“-”
> newdata<-leadership[c(-8,-9)]
> newdata
  manager     date gender age q1 q2 q3
1       1 10/24/08      M  32  5  4  5
2       2 10/28/08      F  45  3  5  2
3       3  10/1/08      F  25  3  5  5
4       4 10/12/08      M  39  3  3  4
5       5   5/1/09      F  99  2  2  1
  • 可以看到第8列和第9列被删除了。
  • 设为未定义（NULL，注意NULL与NA不同）
leadership$q3<-leadership$q4<- NULL
  •  

4.10.3 选入观测

newdata <- leadership[1:3,]
newdata <- leadership[leadership$gender=="M" &
                        leadership$age > 30,]
attach(leadership)
newdata <- leadership[gender=='M' & age > 30,]
detach(leadership)


R语言按照列名删除多个列 r语言怎么删除第几行_R语言按照列名删除多个列_09

 

R语言按照列名删除多个列 r语言怎么删除第几行_人工智能_10

R语言按照列名删除多个列 r语言怎么删除第几行_人工智能_11


# Selecting observations based on dates
leadership$date<-as.Date(leadership$date,"%m/%d/%y") #将mm/dd//yy作为读入字符值的格
3式，转换为日期期
startdate <- as.Date("2009-01-01") #as.Data的默认格式就是yyyy-mm-dd，所以不同再提供输入格#式的参数
enddate <- as.Date("2009-10-31")
newdata <- leadership[which(leadership$date >= startdate &
                              leadership$date <= enddate),]


原表格                                                                                                                                                                     输出表格

 

R语言按照列名删除多个列 r语言怎么删除第几行_缺失值_12

  

R语言按照列名删除多个列 r语言怎么删除第几行_R语言按照列名删除多个列_13

 4.10.4 subset（）

newdata <- subset(leadership, age >= 35 | age < 24,                  select=c(q1, q2, q3, q4))

 选择q1、q2、q3、q4列，并且保留的观测是满足年龄在小于24，但大于35之间的。

R语言按照列名删除多个列 r语言怎么删除第几行_r语言_14

R语言按照列名删除多个列 r语言怎么删除第几行_R语言按照列名删除多个列_15

newdata <- subset(leadership, gender=="M" & age > 25,                  select=gender:q4)

 

R语言按照列名删除多个列 r语言怎么删除第几行_r语言_16

R语言按照列名删除多个列 r语言怎么删除第几行_R语言按照列名删除多个列_17

4.10.5 随机抽样

sample（从中抽样的数据行数向量，抽样个数，是否放回FALSE为无放回）


mysample<-leadership[sample(1:nrow(leadership),3,replace=FALSE)]


 中间过程

> 1:nrow(leadership)[1] 1 2 3 4 5

 结果

> mysample      date q1 age1 10/24/08  5  322 10/28/08  3  45
3  10/1/08  3  25
4 10/12/08  3  39
5   5/1/09  2  99

 随机抽了3列