企业官网网站,建设学校网站需要具备,免费观看,成都专业网站制作哪家好目录
一、数据转换
二、取子集
三、数据框的翻转
四、对数据框进行计算
五、apply的用法
六、数据的中心化与标准化
七、参考 一、数据转换 读取文件 a - read.csv(test.csv, header T) 判断读取的类型 class(a) is.data.frame(a) 强制格式转换数据框格式 as.dat…目录
一、数据转换
二、取子集
三、数据框的翻转
四、对数据框进行计算
五、apply的用法
六、数据的中心化与标准化
七、参考 一、数据转换 读取文件 a - read.csv(test.csv, header T) 判断读取的类型 class(a) is.data.frame(a) 强制格式转换数据框格式 as.data.frame(a) 强制转换为矩阵格式每个元素都为一个字符串 as.matrix(data.frame(a)) 查看判断数据类型及格式转换方法 methods(is) 和 methods(as) 给向量添加一个维度就会变成矩阵或者数组 二、取子集 如何对数据框取子集 View(b)可以查看数据框 使用切片取连续子集 取不连续子集 使用 which 进行逻辑筛选 这里的 “ ”是取行 subset() 可以对向量、矩阵、数据框取子集 sample(x, n) 无放回抽样 每个元素只能抽取一次 设置replace T则是有放回抽样 对数据框进行抽样 数据框的合并 data.frame(state.abb, state.area) cbind(state.abb,state.area)合并列 rbind(state.abb,state.area)合并行要求新数据与原数据具有相同的列名 cbind,rbind也可以用于矩阵 要求是必须具有相同的行数或列数 如果合并的数据有重复项应该怎么处理呢 下图可以看到51-101是重复项 duplicated(data3)判断是否为重复项 可以取出重复项加 “ ”可以取反 使用 unique() 可直接完成去重操作 使用 length(rownames()) 和 length(colnames()) 可以查看行数和列数 三、数据框的翻转 t()数据框翻转 data4- t(data) rev()反向 修改数据框中的值 transform(data, colname) colname命名新的名字则会生成新的一列 数据框排序 sort是对向量进行排序返回排序后的结果 order也可以对向量进行排序返回的是对应值所在的位置而不是结果 order可以根据索引对数据框进行排序 取与 order 默认相反的顺序 在变量前加一个 “ - ” rank是求秩的函数 返回向量对应元素的排名 四、对数据框进行计算 将矩阵转为数据框 rowSums 计算行和 colMeans 计算列均值 将计算的行和 和 列均值添加到 原数据框 中 可以看到cm 行 Total 列被第一列的值替代 五、apply的用法 apply(x,MARGIN,FUN) x是数组、矩阵或数据框MARGIN等于1代表行等于2代表列FUN代表要应用的函数。 如 apply(WorldPhones,MARGIN1,FUN sum) apply(WorldPhones,MARGIN2,FUN mean) apply(WorldPhones,MARGIN2,FUN Var) apply(WorldPhones,MARGIN2,FUN log) 其他apply系列函数 lapply(x,FUN)l 代表listx是列表返回值是列表。 sapply(x,FUN)s代表simplifyx是列表返回值是向量或者矩阵。 tapply(x,INDEX,FUN)x是向量或其他INDEX是一组因子利用这个因子可以对第一个参数的数据进行分组。 六、数据的中心化与标准化 数据中心化是指数据集中的各项数据减去数据集的均值。数据标准化是指在中心化之后再除以数据集的标准差即数据集中的各项数据减去数据集的均值再除以数据集的标准差。 简单来看 x - c(1,2,3,6,3) 中心化x-mean(x) 标准化(x-mean(x))/sd(x) R中实现数据中心化和标准化可以使用scale函数 scale(x,center,scale)center为TRUE就是做中心化处理scale为TRUE就是做标准化处理。 七、参考
R语言入门与数据分析
