R语言常用数据管理

1、变量的重命名

（1）交互式编辑器修改变量名

若要修改数据集x中的变量名，键入fix(x)即可打开交互式编辑器的界面。若数据集为矩阵或数据框，单击交互式编辑器界面中对应要修改的变量名，可手动输入新的变量名；若数据集为列表，则交互式编辑界面为一个记事本，只要修改“.Names”之后对应的变量名，即可修改变量名。

（2）rename()函数修改变量名

可用于修改数据框和列表的变量名，但不能用于修改矩阵的变量名  格式：dataframe<-rename(dataframe,c(oldname="newname",...))

library(reshape)

rename(score,c(pl="Chinese"))

rename(score.list,c(pl="chinese))

（3）names()函数修改变量名

可用于修改数据框和列表的变量名，但不能用于修改矩阵的变量名     格式：names()<-value

names(score)[5]="chinese"

（4）colnames()函数和rownames()函数修改变量名

R中用于修改矩阵行名和列名的函数，也可用于修改数据框的行数和列数    格式：colnames(x)<-value   rownames(x)<-value

rownames(score)<-letters[1:4]

2、缺失值分析

is.na(x)——返回一个与x等长的逻辑变量

anyNA(x,recursive=FALSE)——判断数据中是否存在缺失值 ，若存在就返回TRUE

na.omit(x)——删除含有缺失值的观测

complete.cases(x)——返回一个逻辑向量，不存在缺失值的行为值为TRUE

3、数据排序

（1）sort ——对向量进行排序，返回排序后的向量

格式：sort(x,na.last=NA,decreasing=FALSE)

sort(score$math)

（2）rank——返回向量中每个数值对应的秩

格式：rank(x,na.last=TRUE,ties.method=c("average","first","random","max","min"))

x<-c(3,4,2,5,5,3,8,9)

rank(x,ties.method="first")

（3）order——对数据进行排序

格式：order(x,na.last=TRUE,decreasing=FALSE)

data_frame[order(data_frame$v2,data_frame$v2,)]

4、随机抽样

（1）srswr()——放回简单随机抽样

格式：srswr(n,N)——表示在总体N中有放回的抽取n个样本，返回一个长度为N的向量，每个向量的值表示抽取的次数

library(sampling)

s<-srswr(10,26)

（2）srswor()——不放回简单随机抽样

格式：srswor()——表示在总体N中有放回的抽取n个样本，返回一个长度为N的向量，每个向量的值表示抽取的次数

library(sampling)

s<-srswor(10,26)

（3）sample()——实现放回简单抽样和不放回简单随机抽样，也可对数据进行随机分组

格式：sample(x, size,replace=FALSE,prob=NULL)——随机抽取x中的数，size为抽取样本数，replace=FALSE为不放回简单随机抽样，prob为权重分量

sample(LETTERS，5,prob=c(0.7,0.3),replace=TRUE)

5、数值运算函数

（1）数学函数

abs(x)、sqrt(x)、ceiling(x)

（2）统计函数

mean(x)、median(x)、sd(x)、var(x)、quantile(x,probs)、range(x)、sum(x)、min(x)、max(x)、scale(x,center=TRUE,scale=FALSE)、diff(x,lag=n)

difftime(time1,time2,units=c("auto","secs","mins","hours","days","weeks"))

（3）概率函数

6、字符串函数

（1）grep()——字符串查询，返回结果为匹配项的下标

格式：grep(pattern,x,ignore.case=FALSE,perl=FALSE，value=FALSE,fixed=FALSE,useBytes=FALSE,invert=FALSE)

txt=c("whatever" ,"is","worth","doing","is","worth","doing","well")

grep("e.*r|wo",txt,fixed=FALSE)

#返回一个 逻辑向量

grepl("e.*r|wo",txt,fixed=FALSE)

#gregexpr()函数   返回一个列表，结果包括匹配项的起始位置及匹配项长度

grepl("e.*r|wo",txt)

（2）sub()——对第一个满足条件的匹配做替换

格式：sub(pattern,replacement,x,ignore.case=FALSE,fixed=FALSE)

txt=c("whatever" ,"is","worth","doing","is","worth","doing","well")

sub("[tr]","k",txt)

（3）gsub()——把所有满足条件的匹配都做替换

格式：gsub(pattern,replacement,x,ignore.case=FALSE,fixed=FALSE)

txt=c("whatever" ,"is","worth","doing","is","worth","doing","well")

gsub("[tr]","k",txt)

（4）strsplit()——字符串拆分

格式：strsplit(x,split,fixed=FALSE,perl=FALSE,useBytes=FALSE)

data<-c("2017年1月1日"，"2018年1月1日")

strsplit(data,"年")

（5）paste()——字符串连接

格式：paste(...,sep="",collapse=NULL)

paste("AB",1:5,sep="")

7、文本分词

（1）RWordseg包

常用文本分词函数：insertWords(x,save=TRUE)——向词库中导入新词汇，save=TRUE时，表示把操作记录下来，下回启动能直接用

deleteWords(x)——从词库中删除词汇

getOption("isNameRecognition")——查看人名识别功能的状态

segment.options("isNameRecognition"=TRUE)——设置人名识别功能的状态

listDict()——查看词典

installDict()——添加用户自定义的词典

uninstallDict()——卸载用户自定义的词典

segmentCN()——中文分词

（2）jiebaR包

 分词：

worker()函数初始化分词引擎

worker(type="mix",dict=DICTPATH,hmm=HMMPATH,user=USERPATH,idf=IDFPATH,stop_word=STOPPATH,write=T,qmax=20,encoding="UTF-8",detect=T,symbol=F,lines=le+0.5.output=NULL,bylines=F)

初始化分词引擎后，使用分词运算符“<=”或者segment()函数进行分词。

segment(code,jiebar,mod=NULL)

library(jiebaR)

mixseg=worker()                          #默认mix分词引擎

mpseg=worker(type="mp")          #mp分词引擎

hmmseg=worker(type="hmm")     #hmm分词引擎

word="人们都说桂林山水甲天下"

mixseg<=word

mpseg<=word

hmmseg<=word

segment(word,mixseg)

词性标注：

可以使用<=.tagger或者tag来进行分词和词性标注

关键词提取和Simhash计算：需要将worker()中的type参数设置为“keywords”或“Simhash”,并使用topn参数设置关键词个数

keys<=worker("keywords",topn=1)

keys<=word

8、apply函数族

（1）apply()——对数组或者矩阵的一个维度使用函数生成列表、数组、或者向量

格式：apply(x,MARGIN,FUN，...)    MARGIN=1表示矩阵行     MARGIN=2表示矩阵列

x<-matrix(1:20,ncol=4)

x

apply(x,1,mean)

（2）lapply()——对x的每一个元素运用函数，生成一个与元素个数相同的值列表

格式：lapply(x,FUN,...)

（3）sapply()——对x的每一个元素运用函数，生成一个与元素个数相同的值列表

格式：sapply(x,FUN,..,simplify=TRUE,USE.NAMES=TRUE)

（4）tapply()——对不规则阵列使用向量，即对一组非空值按照一组确定因子进行相应计算

格式：tapply(x,INDEX,FUN,...simplify=TRUE)

height<-c(174,165,189,180,165)

sex<-c("M","F","M","M","F")

tapply(height,sex,mean)

（5）mapply()

9、数据整合

（1）数据汇总统计

aggregate(x,by,FUN)

（2）数据融合

melt(data,varnames,value.name="value",na.rm=FALSE)

（3）数据重塑

cast(data,formula,fun.aggregate=NULL,...)

10、控制流

（1）if/else语句

if(condition)  {expr1} else{expr2}

（2）switch语句

switch(expression,list)

（3）循环语句

for(name in expr1) {expr2}

while(cond) {expr}

repeat expr 或repeat{if(cond) {break}}

11、函数的编写

myfunction<-function(arglist){

　　statements

　   return (object)

}