r4ds
寫論文的間隙換換腦子繼續(xù)學(xué)習(xí)R4ds這本書。對R語言中的數(shù)據(jù)格式有了更加系統(tǒng)的認(rèn)識。這一章值得反復(fù)多看幾遍。
- 英文原版在線https://r4ds.had.co.nz/index.html
- 中文翻譯版已有售，建議紙質(zhì)版書籍隨時翻翻。電子版網(wǎng)盤分享 https://pan.baidu.com/s/1fkpqYahQHPkwx66XD2gGGg 提取碼: akct
- 最近才公布的課后習(xí)題參考答案https://jrnold.github.io/r4ds-exercise-solutions/
- Rstudio的一些便捷CheetSheetshttps://www.rstudio.com/resources/cheatsheets/
- 另外在寫代碼過程中Rstudio操作時的方便快捷鍵：賦值<-
Alt+“減號”；管道符%>%Ctrl+Shift+M
十五章， 向量vectors
一. 向量概括
向量vectors包括兩種：源自向量(atomic vectors)和列表(list)
- 原子向量 ：包括6種：logical,numeric(integer, double), character, complex, raw。向量種的各個值都是同種類型的；
- 列表： 遞歸列表(recrusive list)，
- 拓展向量：向量中任意添加額外的元數(shù)據(jù)。
二. 原子向量
邏輯型(logical)包括三種：TRUE, FALSE, NA
-
數(shù)值型(numeric):默認(rèn)數(shù)值為雙精度型double；
- 注意雙精度型double是近似值(approximations)，所有的雙精度值都當(dāng)做是近似值處理，表示浮點(diǎn)數(shù)(floating point)
- interger的特殊數(shù)據(jù)
NA,double的特殊數(shù)據(jù)NA, NaN,Inf,-Inf需要以is.finite()等判斷
字符串(character)：可以包含任意數(shù)量的數(shù)據(jù)。
三. 原子向量的操作
- 強(qiáng)制轉(zhuǎn)換：將一種原子強(qiáng)制轉(zhuǎn)化為另一種；或者系統(tǒng)自動轉(zhuǎn)化
-
顯示型強(qiáng)制轉(zhuǎn)化：
as.numeric,as.character等； - 隱式強(qiáng)制轉(zhuǎn)化：聯(lián)系上下文context自動轉(zhuǎn)化，如logical———>numeric;
-
顯示型強(qiáng)制轉(zhuǎn)化：
x <- sample(x = 20,size = 100,replace = T)
y <- x>10
mean(y);sum(y)
檢驗是否為某一原子向量：利用purrr包中的函數(shù)
is_：is_logical(), is_character等標(biāo)量與循環(huán)的規(guī)則：處理不同長度的向量會遵循 向量循環(huán)規(guī)則
向量命名：所有類型的向量都是可以命名的.向量完成后利用：
purrr::set_names(x,nm=c("q","w","e"))命名。-
向量的取子集：
filter()函數(shù)對tibble使用，對于向量的篩選則使用[]。- 整數(shù)型數(shù)值向量進(jìn)行篩選：
x[c(1,2,2,4)],x[c(-1,-2,-3)] - 使用邏輯向量取子集，提取出TRUE值對應(yīng)的元素?？衫?strong>比較函數(shù)
- 對命名向量可用字符取子集
-
x[] 代表選取x中的全部元素，對于矩陣十分重要
x[2,],x[,-3]；特殊的，[[]] 代表只提取單個元素。明確表示需要提取單個元素時使用。對于矩陣/dataframe來說，x[,c(2)]返回的仍然是一個df（特殊的list），而x[[,2]]返回的才是真正的原子向量
- 整數(shù)型數(shù)值向量進(jìn)行篩選：
四. 列表（遞歸向量recrusive vectors）
- 列表保存層級結(jié)構(gòu)，樹形結(jié)構(gòu)。
str()，重點(diǎn)關(guān)注列表的結(jié)構(gòu)。 -
列表取子集 :
-
[]提取子列表，返回的是一個子列表；可用邏輯向量，整數(shù)向量，字符向量提取。 - 使用
[[]]從列表中提取單個元素，并非子列表。 - 直接使用
$，作用相同于[[]]。綜合使用。x[[1]][[1]] - 注意于tibble之間使用的異同點(diǎn)，tibble[1], tibble[[1]]
-
a <- list(a=1:3,b="a string",c=pi,d=list(-1,-5))
a[c(1:2)]
a["a"]
a[["a"]][1:2]
五. 特性：
- 任何向量都可以通過其特性來附加任意元數(shù)據(jù)。
泛型函數(shù)：可以根據(jù)不同類型的輸入而進(jìn)行不同的操作。面向?qū)ο缶幊痰年P(guān)鍵。
六. 拓展向量：
利用基礎(chǔ)的原子向量和列表構(gòu)建出的另外一些重要的向量類型，稱為拓展向量，其具有類的附加特性。
- 因子，表示有次序的分類數(shù)據(jù)
factor(c("ef","cd","ab"),levels=c("ab","cd","ef")) - 日期和日期時間。
Charpter16_purrr
一. For循環(huán)
- 需為輸出結(jié)果分配出足夠的空間。對循環(huán)效率十分重要。
- 涉及的函數(shù)包括
vector("double",ncol(df)),seq_along(df),[[]]
###16.2 for循環(huán)
require(tidyverse)
df <- tibble(a=rnorm(10),
b=rnorm(10),
c=rnorm(10),
d=rnorm(10))
output <- vector("double",ncol(df))
output
for (i in seq_along(df)) {
output[i] <- median(df[[i]])
}
output
### exercise Alice the Camel
humps <- c("five", "four","three","two","one","no")
for (i in humps) {
cat(str_c("Alice the camel has",rep(i,3),"horse",collapse = "\n"),"\n")
}
二. for循環(huán)的變體
-
修改現(xiàn)有對象：與自定義的函數(shù)function()一起使用。
- 注意再循環(huán)loop中，所有for循環(huán)使用的都是
[[]]，明確表示是要處理單個元素。
- 注意再循環(huán)loop中，所有for循環(huán)使用的都是
-
循環(huán)模式：
- 通過對數(shù)值索引進(jìn)行循環(huán)，再通過x[[i]]提取相應(yīng)的值。
- 通過對元素element索引。
- 通過使用名稱索引：
for (i in names(x))，需要使用元素的名稱時使用。
-
未知的輸出長度。
- 應(yīng)該將loop每次的結(jié)果保存再一個列表中，循環(huán)結(jié)束后再利用
unlist()或者purrr::flatten_dbl()組合成一個向量 - 當(dāng)遇到類似的問題，如生成一個很長的字符串
paste(out,collapse="")，或是個很大的數(shù)據(jù)框rbind_rows()。應(yīng)首先使用一個更復(fù)雜的對象來保存每次迭代的結(jié)果，最后再一次性的組合起來。
- 應(yīng)該將loop每次的結(jié)果保存再一個列表中，循環(huán)結(jié)束后再利用
means <- c(0,1,2)
output <- double()
for (i in seq_along(means)) {
n <- sample(100,1)
output <- c(output,rnorm(n,mean = means[[i]])) ### 十分不高效，這里會復(fù)制上一次的所有數(shù)據(jù)。
}
##高效法
out <- vector("list",length = length(means))
for (i in seq_along(means)){
n <- sample(100,1)
out[[i]] <- rnorm(n,mean = means[[i]])
}
unlist(out)
- 未知的輸入序列長度。利用while循環(huán)來實現(xiàn)。
####exercises
# 1.讀取文件，保存在大的數(shù)據(jù)框中
files <- dir(path = ".",pattern = "tsv$",full.names = F) ###匹配某一路徑下所有的文件。
data_list <- vector("list",length = length(files))
for (i in seq_along(files)) {
data_list[[i]] <- read_delim(files[[i]],delim = "\t")
}
bind_rows(data_list)
#2.輸出所有df中數(shù)值列的均值及名稱show_mean(iris)
iris <- as_tibble(iris)
show_means <- function(df,digits=2){
maxstr <- max(str_length(names(df)))
for (i in names(df)) {
if (is.numeric(df[[i]])) {
cat(
str_c(str_pad(str_c(i,":"),maxstr+1L,side = "right"),
format(mean(df[[i]]),digits=2,nsmall=2),
sep=" "
),
sep = "\n"
)
}
}
}
三. for循環(huán)與函數(shù)式編程
- 函數(shù)式編程語言意味著可以先將for循環(huán)包裝在函數(shù)中。即將函數(shù)名作為參數(shù)傳入到另一個函數(shù)中
- 利用purrr函數(shù)，可以將復(fù)雜問題解決成子問題，然后再通過管道操作將這些問題的結(jié)果組合起來。
col_summary <- function(x,fun){
out <- vector("double",length(x))
for (i in seq_along(x)) {
out[[i]]=fun(x[[i]])
}
out
}
四. 映射函數(shù) mapping function
purrr包函數(shù)map()(返回的是列表),map_lgl(),map_dbl(),map_chr()。map()第二個參數(shù)可以是公式，字符向量，整型向量，第三個參數(shù)為第二個函數(shù)中的附加參數(shù)。
- 快捷方式(shortcuts)：對某個數(shù)據(jù)集中的每個分組都擬合一個線性模型。類似于factor中的一些功能。
-
map(df,function(xxx) length(unique(xxx))——》map(df, ~ length(unique(.)))因為需要一些更復(fù)雜的函數(shù)去實現(xiàn)一些功能
models <- mtcars %>%
split(.$cyl) %>%
map(function(df) lm(mpg ~ wt,data=df)) ## df是一個匿名函數(shù)，可任意命名。
- 在對列表中的各個子集內(nèi)部進(jìn)行篩選
out ###str(out)
map(out, ~ .[. > 0.8]) ###篩選每一列中大于0.8的數(shù)據(jù)。
- exercises中涉及的一些函數(shù)：
map(-2:2,rnorm, n=5),map(1:3,rnorm,mean=10).
五. 多參數(shù)映射mapping over multiple arguments
-
map2(), pmap()對每一列的功能操作會涉及到多個參數(shù)時，就需要利用此函數(shù)。注意每次發(fā)生變化的參數(shù)放在函數(shù)功能的前面位置，值保持不變的參數(shù)放在函數(shù)的后面
mu <- list(5,10,-3)
map(mu, rnorm, n=5)
### map2 的應(yīng)用
sigma <- list(1,5,10)
map2(mu,sigma,rnorm,n=5)
### pmap()應(yīng)用，多個參數(shù)都未定，就將參數(shù)保存到大列表中
n <- list(3,5,8)
args <- list(n=n,sd=sigma,mean=mu)
pmap(args,rnorm)
多個參數(shù) 對于
pmap()函數(shù)，可以將多個輸入列表作為參數(shù)。且多個列表的長度一樣**可以轉(zhuǎn)換為tibble，確保每列都有名稱，且與其它列具有相同的長度 **多個參數(shù)，且多個映射函數(shù)，利用
invoke_map()函數(shù)。（invoke 調(diào)用）
六. 游走函數(shù)，預(yù)測函數(shù)，歸納與累計
- 游走函數(shù)walk，輸出保存多個文件時非常實用。
walk(), pwalk
library(ggplot2)
plots <- mtcars %>% split(.$cyl) %>%
map( ~ ggplot(data = .,mapping = aes(mpg,wt))+geom_point())
path=stringi::stri_c(names(plots),".pdf")
pwalk(list(path,plots),ggsave,path=tempdir())
預(yù)測函數(shù)
keep(), discard()函數(shù)可以保留輸入中預(yù)測值為TRUE和FALSE的元素。some(), every()分別用來確定預(yù)測值是否對某個元素為真。detect()找出預(yù)測值為真的第一個元素，detect_index()返回找到的元素的位置。歸納約簡與累計 reduce/accumulate：復(fù)雜列表簡化為一個簡單列表。
vs <- list(c(1,2,3,4,5),
c(1,2,3,4),
c(1,2,3))
reduce(vs,intersect)
charpter21_ggplot2(graphics for communication)
- 標(biāo)簽labels:
labs()-
title=""主標(biāo)題 -
subtitle=""副標(biāo)題，添加附加信息； -
caption= " "描述數(shù)據(jù)來源 右下角添加信息 -
x=" ", y=" "坐標(biāo)軸信息 -
color= ""圖例中的標(biāo)題 -
x= quote()坐標(biāo)軸上使用數(shù)學(xué)公式
-
library(ggplot2)
require(tidyverse)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=class))+labs(title = "aaaaa",subtitle = "bbbbb",caption = "cccc ",x="HWY",y="DISPL")
- 注釋Annotation：為單個或分組的觀測值添加標(biāo)簽。
-
filter(row_number(desc(hwy))==1)篩選每個組中hwy數(shù)值最高的觀測observation。 geom_point() + geom_text(aes(label= ),data=)- 利用ggrepel包可以自動調(diào)整注釋標(biāo)簽的位置
geom_label_repel(aes(label=)) - 將標(biāo)題加在圖形里的右上角角落上
-
添加參考線
geom_hline(),geom_vline(size=2,color=white) -
感興趣的點(diǎn)周圍添加個矩形
geom_rect() -
繪制箭頭，指向關(guān)注的數(shù)據(jù)點(diǎn)
geom_segment()
-
library(ggplot2)
library(ggrepel)
best_in_class <- mpg %>% group_by(class) %>% filter(row_number(desc(hwy))==1)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=class))+geom_text(mapping = aes(label=model),data = best_in_class)
### 利用ggrepel用較大的空心圓來強(qiáng)調(diào)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=class))+geom_point(size=4,shape=1,data = best_in_class)+geom_label_repel(aes(label=model),data = best_in_class)
### 將標(biāo)題加在圖形里的右上角角落上。
label <- mpg %>% summarise(displ=max(displ),hwy=max(hwy),label="AAAA\nbbbbbbbb")
ggplot(mpg,aes(displ,hwy))+geom_point()+geom_text(aes(label=label),data = label,vjust="top",hjust="right")
- 標(biāo)度scale:控制從數(shù)據(jù)值到圖形屬性的映射。scale_x（圖形屬性名稱）_continuous()（連續(xù)型/離散型/時間/日期時間型）
-
調(diào)整坐標(biāo)軸axis ticks： 刻度
scale_y_continuous(breaks=seq(1,40,by=5)),坐標(biāo)軸圖例項目scale_y_continuous(labels=NULL) -
圖例legend:
theme(legend.position="none/right/left/top/bottom"), 控制圖例的顯示guides(guide_legend()) - 標(biāo)度替換：對標(biāo)度進(jìn)行數(shù)學(xué)轉(zhuǎn)換。
- 顏色的轉(zhuǎn)換：利用RColorBrewer/ggsci包,對于數(shù)量少的legend，可以添加形狀映射。
-
調(diào)整坐標(biāo)軸axis ticks： 刻度
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=class))+geom_smooth(se=F,color="darkgrey")+theme(legend.position = "bottom")+guides(color=guide_legend(nrow = 1,override.aes = list(size=4)))
library(ggsci)
library(RColorBrewer)
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=drv))+scale_color_brewer(palette = "Set1")
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=drv,shape=drv))+scale_color_aaas()
- 縮放，控制圖形范圍。
coord_cartesian()函數(shù)設(shè)置xlim和ylim的參數(shù)值。 - 主題(themes)：定制圖形中的非數(shù)據(jù)元素。
theme_bw(),theme_grey()（默認(rèn)）,theme_classic(),theme_light() - 保存圖形
ggsave()
