R语言入门笔记2.5
数据预处理
R语言处理的数据多以数据框的形式出现。
预备操作
- 数据查看
> dim(x)
[1] 16 3 #数据框有16行3列
> names(x) #查看数据框的变量名
[1] "X" "Z" "Y"
> head(x,3) #查看前3行，若为-3则是查看后三行之外的数据X Z Y
1 140.1 37.0 2.25
2 151.5 38.5 3.00
3 161.2 42.1 3.25
> tail(x,3) #查看后3行，若为-3则是查看前3行之外的数据X Z Y
14 149.5 39.7 2.75
15 159.6 44.5 3.00
16 162.5 45.0 3.20
读取数据后可用attach载入数据框，即attach(x)，由此可直接用列名，而不需再用$引用
- 数据筛选
Which( )函数
> a=c(2,3,4,2,5,1,6,3,2,5,8,5,7,3)
> which.max(a) #表示a序列中第几个是最大
[1] 11
> which.min(a)
[1] 6
> a[which.max(a)] #先算里面的函数
[1] 8
> which(a==2) #求哪些元素等于2
[1] 1 4 9
> a[which(a==2)]
[1] 2 2 2
> which(a>5)
[1] 7 11 13
> a[which(a>5)]
[1] 6 8 7
x<-read.table("li14.3.txt",header=T)
x$gender[which(x$gender=="f")]="女"
> y <- c(7,7,15,11,9,12,17,12,18,18,14,18,18,
+ 19,19,19,25,22,19,23,7,10,11,15,11)
> n <- factor(rep(c("15%","20%","25%","30%","35%"),each=5))
> d <- data.frame(y,n)
> which(d[,2]=="15%") #求出第多少行满足条件
[1] 1 2 3 4 5
> mean(d[which(d[,2]=="15%"),1]) # 对数据框1-5行第1列求均值
[1] 9.8 修改变量名
> names(x)
[1] "X" "Z" "Y"
> names(x)<-paste("x",1:3,sep="") #由此变量名全部修改
> names(x)
[1] "x1" "x2" "x3"
> names(x)[3]<-"产量" #把第3列的变量名修改为"成绩"
> names(x)
[1] "x1" "x2" "成绩"
删除变量
给该变量赋予空值NULL即可,(指从数据集中删除)
ug$GPA<-NULL
排序
> x[order(x$成绩),] #按成绩升序排列（默认）x1 x2 成绩
1 140.1 37.0 2.25
8 157.0 37.0 2.25
> x[order(x$成绩,decreasing=T),] #按成绩降序排列x1 x2 成绩
7 170.5 54.5 3.50
3 161.2 42.1 3.25
缺失值处理
- 缺失值识别
> x$x2[3]<-NA
> is.na(head(x$x2,3))
[1] FALSE FALSE TRUE
- 缺失值排除
> x_NA<-na.omit(x) #把缺失值所在行排除
> x_NAx1 x2 成绩
1 140.1 37.0 2.25
2 151.5 38.5 3.00
4 172.8 46.5 3.25