R語(yǔ)言學(xué)習(xí)筆記總結(jié)
R語(yǔ)言初步-用dplyr進(jìn)行數(shù)據(jù)轉(zhuǎn)換
install.packages("tidyverse")
install.packages("nycflights13")#仍然記得要先安裝
library(nycflights13)#航班信息文件
library(tidyverse)
?flights#查看數(shù)據(jù)信息的說(shuō)明書(shū)
flights#查看航班信息
5、其他常用的摘要函數(shù)
之前使用了均值、求和和計(jì)數(shù)
5.1、位置度量：median()函數(shù)
median()用法和mean()類似，只不過(guò)是中位數(shù)而已
Not_cancelled <- flights %>%
filter(!is.na(dep_delay),!is.na(arr_delay))
Not_cancelled %>%
group_by(year,month,day)%>%
summarise(
#平均延誤時(shí)間
avg_delay1=mean(arr_delay),
#平均正延誤時(shí)間
avg_delay2=mean(arr_delay[arr_delay>0]),
)
#運(yùn)行：
A tibble: 365 x 5
# Groups: year, month [12]
year month day avg_delay1 avg_delay2
<int> <int> <int> <dbl> <dbl>
1 2013 1 1 12.7 32.5
2 2013 1 2 12.7 32.0
3 2013 1 3 5.73 27.7
4 2013 1 4 -1.93 28.3
5 2013 1 5 -1.53 22.6
6 2013 1 6 4.24 24.4
7 2013 1 7 -4.95 27.8
8 2013 1 8 -3.23 20.8
9 2013 1 9 -0.264 25.6
10 2013 1 10 -5.90 27.3
# ... with 355 more rows
5.2、分散程度度量：sd()、IQR()、mad()函數(shù)
- sd():標(biāo)準(zhǔn)誤差函數(shù)：standard deviation，分散程度的標(biāo)準(zhǔn)度量方式
- IQR():四分位距
- mad()：絕對(duì)中位差
注：mad()與IQR()基本等價(jià)，但是IQR()更適合有離群點(diǎn)的情況。
Not_cancelled %>%
group_by(dest)%>%
summarise(
distance_sd=sd(distance))%>% #計(jì)算distance列的標(biāo)準(zhǔn)誤差
arrange(desc(distance_sd) #降序排序此行
)
#運(yùn)行：
A tibble: 104 x 2
dest distance_sd
<chr> <dbl>
1 EGE 10.5
2 SAN 10.4
3 SFO 10.2
4 HNL 10.0
5 SEA 9.98
6 LAS 9.91
7 PDX 9.87
8 PHX 9.86
9 LAX 9.66
10 IND 9.46
# ... with 94 more rows
5.3、秩的度量：min()、quantile()、max()函數(shù)
quantile():分位數(shù)函數(shù)，是中位數(shù)函數(shù)的拓展
使用說(shuō)明：quantile(x,0.25)是指將x按從小到大順序排列，找到大于前25%，小于后75%的值。
#每天最早和最晚的航班是是什么時(shí)候：
Not_cancelled %>%
group_by(year,month,day)%>% #先按時(shí)間分組
summarise(
first=min(dep_time), #最小值
last=max(dep_time) #最大值
)
#運(yùn)行：
A tibble: 365 x 5
# Groups: year, month [12]
year month day first last
<int> <int> <int> <int> <int>
1 2013 1 1 517 2356
2 2013 1 2 42 2354
3 2013 1 3 32 2349
4 2013 1 4 25 2358
5 2013 1 5 14 2357
6 2013 1 6 16 2355
7 2013 1 7 49 2359
8 2013 1 8 454 2351
9 2013 1 9 2 2252
10 2013 1 10 3 2320
# ... with 355 more rows
5.4、定位度量：first()、nth()、last()函數(shù)
這三個(gè)函數(shù)的作用相當(dāng)于x[1]、x[2]、x[length(x)]
通過(guò)此函數(shù)也可以找出最早和最晚出發(fā)的航班
Not_cancelled %>%
group_by(year,month,day)%>%
summarise(
first_dep=first(dep_time),
last_dep=last(dep_time)
)
#運(yùn)行：
# A tibble: 365 x 5
# Groups: year, month [12]
year month day first_dep last_dep
<int> <int> <int> <int> <int>
1 2013 1 1 517 2356
2 2013 1 2 42 2354
3 2013 1 3 32 2349
4 2013 1 4 25 2358
5 2013 1 5 14 2357
6 2013 1 6 16 2355
7 2013 1 7 49 2359
8 2013 1 8 454 2351
9 2013 1 9 2 2252
10 2013 1 10 3 2320
# ... with 355 more rows
5.5、計(jì)數(shù)n(),count()
n():不需要任何參數(shù)，返回當(dāng)前分組的大小
sum(!is.na(x)):計(jì)算非缺失值的數(shù)量
n_distinct(x):計(jì)算唯一值的數(shù)量
count()函數(shù)：用于只需要計(jì)數(shù)的情況
例如：
計(jì)算哪個(gè)目的地有最多的航空公司？
Not_cancelled %>%
group_by(dest)%>%
summarise(
carriers=n_distinct(carrier))%>%
arrange(desc(carriers))
#運(yùn)行：
A tibble: 104 x 2
dest carriers
<chr> <int>
1 ATL 7
2 BOS 7
3 CLT 7
4 ORD 7
5 TPA 7
6 AUS 6
7 DCA 6
8 DTW 6
9 IAD 6
10 MSP 6
# ... with 94 more rows
count()函數(shù)用法舉例：計(jì)算目的地不同的飛機(jī)數(shù)量
Not_cancelled %>%
count(dest)
#運(yùn)行：
#A tibble: 104 x 2
dest n
<chr> <int>
1 ABQ 254
2 ACK 264
3 ALB 418
4 ANC 8
5 ATL 16837
6 AUS 2411
7 AVL 261
8 BDL 412
9 BGR 358
10 BHM 269
# ... with 94 more rows
count()函數(shù)中可以添加加權(quán)變量，例如distance，用于計(jì)算飛機(jī)飛行里程（相當(dāng)于求和）
Not_cancelled %>%
count(tailnum,wt=distance)
#運(yùn)行：
# A tibble: 4,037 x 2
tailnum n
<chr> <dbl>
1 D942DN 3418
2 N0EGMQ 239143
3 N10156 109664
4 N102UW 25722
5 N103US 24619
6 N104UW 24616
7 N10575 139903
8 N105UW 23618
9 N107US 21677
10 N108UW 32070
# ... with 4,027 more rows
5.6、邏輯值的計(jì)數(shù)和比例
當(dāng)需要用數(shù)值表示結(jié)果，TRUE=1，F(xiàn)ALSE=0。
sum():可以找出TRUE的數(shù)量
mean():可以找出比例
以下一例：找出出發(fā)時(shí)間小于5:00的航班總數(shù)
Not_cancelled %>%
group_by(year,month,day)%>%
summarise(
n_nearly=sum(dep_time<500) #出發(fā)時(shí)間小于5:00的航班總數(shù)
)
#運(yùn)行：
# A tibble: 365 x 4
# Groups: year, month [12]
year month day n_nearly
<int> <int> <int> <int>
1 2013 1 1 0
2 2013 1 2 3
3 2013 1 3 4
4 2013 1 4 3
5 2013 1 5 3
6 2013 1 6 2
7 2013 1 7 2
8 2013 1 8 1
9 2013 1 9 3
10 2013 1 10 3
# ... with 355 more rows
sum(dep_time<500)換成count(dep_time<500)是沒(méi)有用的，sum相當(dāng)于計(jì)算了返回值1，而dep_time<50這樣的邏輯表達(dá)，count()函數(shù)是不支持的，其中牽扯到數(shù)據(jù)的邏輯。
以下一例：找出延誤超過(guò)一小時(shí)的航班比例
Not_cancelled %>%
group_by(year,month,day)%>%
summarise(
hour_perc=mean(arr_delay>60) #延誤超過(guò)一小時(shí)的航班
)
#運(yùn)行：
# A tibble: 365 x 4
# Groups: year, month [12]
year month day hour_perc
<int> <int> <int> <dbl>
1 2013 1 1 0.0722
2 2013 1 2 0.0851
3 2013 1 3 0.0567
4 2013 1 4 0.0396
5 2013 1 5 0.0349
6 2013 1 6 0.0470
7 2013 1 7 0.0333
8 2013 1 8 0.0213
9 2013 1 9 0.0202
10 2013 1 10 0.0183
# ... with 355 more rows
學(xué)習(xí)R語(yǔ)言真的好快樂(lè)哈哈
生活也不過(guò)如此.jpg
