[读书笔记] R语言实战 （五） 高级数据管理

1. 数值函数

1) 数学函数

2) 统计函数

3. 数据标准化

scale() 函数对矩阵或者数据框的指定列进行均值为0，标准化为1的标准化

mydata <- data.frame(c1=c(1,2,3),c2=c(4,5,6),c3=c(7,8,9))
#对所有列进行标准化
mydata <- scale(mydata)
#对指定列进行标准化
mydata <- data.frame(c1=c(1,2,3),c2=c(4,5,6),c3=c(7,8,9))
mydata <- transform(mydata,c1 = scale(c1))

4. 概率函数

设定随机数种子：每次生成随机数的时候函数都会使用不同的种子，因此也会有不同的结果，可以通过set.seed()显示指定种子，让结果可以重现。

runif() 函数用来生成0到1区间上服从均匀分布的伪随机数

runif(5)
runif(5)
set.seed(1234)
runif(5)
set.seed(1234)
runif(5)

5. 字符处理函数

apply 函数 可以将任意一个函数应用到矩阵数组，数据框的任何维度上:

apply(x, MARGIN, FUN, ... )

mydata <- matrix(rnorm(30),nrow=6)
mydata
#计算每行的均值
apply(mydata,1,mean)
#计算每列的均值
apply(mydata,2,mean)

一个综合的例子

#限定输出小数点后两位
options(digits=2)
Student <-c("Jhon Davis","Angela Williams","Bullwinkle None",
            "David Jones","Janice Markhammer","Chervl 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)
#将数学，科学，英语分数标准化，便于比较
z <- scale(roster[,2:4])
#计算行均值，每一个人的平均分
score <- apply(z,1,mean)
#将平均分
roster <- cbind(roster,score)
#计算80%,60%,40%,20%分位线
y <- quantile(score,c(.8,.6,.4,.2))
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$grade[score<y[4]]<-'F'
#将姓，名分开
name <- strsplit(roster$Student," ")
#抽取姓和名,'['提取对象一部分的函数
firstname <- sapply(name,"[",2)
lastname <- sapply(name,"[",1)
#将第一列剔除（下标使用-1），列拼接名和姓
roster <-cbind(firstname,lastname,roster[,-1])
roster <- roster[order(lastname,firstname),]
roster

6. 控制流

1) for 循环：for (var in seq) statement

2) while循环： while(cond) statement

3) 条件 if-else ifelse switch

7. 用户自编函数

mystats <- function(x, parametric=TRUE, print=FALSE){
  if(parametric){
    #计算均值和标准差
    center <- mean(x); spread <- sd(x)
  }else
  {
    #中位数和绝对中位差
    center <- median(x);spread <- mad(x)
  }
  if (print & parametric){
    cat("Mean=",center,"\n","MAD=",spread,"\n")
  }
  result <- list(center=center,spread=spread)
  return(result)
}
set.seed(1234)
#生成服从正态分布，大小为500的样本
x <- rnorm(500)
y <- mystats(x,print=TRUE)

8. 重构与整合

1) 矩阵转置　t()

2) aggregate() 函数, aggregate(x,by,FUN), x 是待折叠的数据对象, by 是变量名组成的列表，这些变量被去掉形成新的观测，FUN，生成描述性统计量的标量函数，用来计算新观测中的值

by中的变量必须在一个列表中

options(digits=3)
attach(mtcars)
#按照cly 和 gear分类形成新的观测
aggdata <- aggregate(mtcars, by=list(Group.cyl=cyl,Group.gear=gear),FUN=mean,na.rm=TRUE)
detach(mtcars)

3) reshape包

先对数据进行融合melt()：每个观测变量单独占一行，行中有唯一确定这个测量需要的标识符变量

在对数据进行重铸cast()：读取已经融合的数据，使用你提供的公式和一个可选的用于整合数据的函数将其重塑

#载入reshape包
library(reshape)
#创建数据框
mydata <- data.frame(ID = c(1,1,2,2),Time = c(1,2,1,2),X1 = c(5,3,6,2),X2 = c(6,5,1,4))
#以ID和Time为标识融合数据
md <- melt(mydata,id=(c("ID","Time")))
#以ID为标识对变量求均值，可以看到ID为1的X1均值为4，X2均值为5.5
cast(md,ID~variable,mean)
#对不同ID和Time下的观测变量X进行平均
cast(md,ID~Time,mean)