20171205（從有道遷移）

基本數(shù)據(jù)管理

1. 創(chuàng)建新變量

   1. 格式：變量名←表達(dá)式，“表達(dá)式”部分可以包含多種運(yùn)算符和函數(shù)
   2. 算術(shù)運(yùn)算符可用于構(gòu)造公式（formula）

   運(yùn)算符	描述
   +	加
   -	減
   *	乘
   /	除
   ^或**	求冪
   x%%y	求余（x mod y）。5%%2的結(jié)果為1
   x%/%y	整數(shù)除法。5%/%2的結(jié)果為2

2. 變量重編碼

   1. 重編碼涉及根據(jù)同一個變量和/或其他變量的現(xiàn)有值創(chuàng)建新值的過程。
      • 將一個連續(xù)型變量修改為一組類別值；
      • 將誤編碼的值替換為正確值；
      • 基于一組分?jǐn)?shù)線創(chuàng)建一個表示及格/不及格的變量。
   2. 要重編碼數(shù)據(jù)，可以使用R中的一個或多個邏輯運(yùn)算符，邏輯運(yùn)算符

   邏輯運(yùn)算符	描述
   <	小于
   <=	小于或等于
   >	大于
   >=	大于或等于
   ==	嚴(yán)格等于*
   !=	不等于
   !x	非x
   x	y	x或y
   x & y	X和y
   isTRUE(x)	測試x是否為TRUE

3. 語句variable[condition] <- expression將僅在condition的值為TRUE時執(zhí)行賦值

   1. 寫法1：

   ageType[age>=55 && age<75]<-"Middle Ages"
   

   2. 寫法2,需要注意的是，在大括號里面，如果執(zhí)行語句不換行的話，語句之間需要用逗號隔開

   leadership <- within(leadership,{ageType=NA
                    ageType[age > 85]<-"Elder"
                    ageType[age>=55 && age<75]<-"Middle Ages"
                    ageType[age<55]<-"Young"})
   

4. 變量的重命名

   1. 調(diào)出可編輯窗口：fix(變量名)
   2. reshape包中有一個rename()函數(shù)，可用于修改變量名。rename()函數(shù)的使用格式為：rename(dataframe,c(oldname="newname",oldname="newname",...)
   3. 通過names()函數(shù)來重命名變量

   names(leadership)[2] <- "testDate"
   

5. 缺失值

   1. 缺失值以符號NA（Not Available，不可用）表示，缺失值被認(rèn)為是不可比較的；
   2. 不可能出現(xiàn)的值（例如，被0除的結(jié)果）通過符號NaN（Not a Number，非數(shù)值）來表示；
   3. 檢測缺失值函數(shù)：is.na()，該函數(shù)作用與一個對象時，函數(shù)結(jié)果返回一個相同大小的對象
   4. ==在分析過程中排除缺失值，多數(shù)的數(shù)值函數(shù)都擁有一個na.rm=TRUE選項(xiàng)，可以在計算之前移除缺失值并使用剩余值進(jìn)行計算==

   y <- sum(x,na.rm=TRUE)
   

   5. ==通過函數(shù)na.omit()移除所有含有缺失值的觀測。na.omit()可以刪除所有含有缺失數(shù)據(jù)的行==

   newdata <- na.omit(leadership)
   

6. 日期值

   1. 日期值通常以字符串的形式輸入到R中，然后轉(zhuǎn)化為以數(shù)值形式存儲的日期變量；
   2. 函數(shù)as.Date()用于執(zhí)行這種轉(zhuǎn)化。其語法為as.Date(x, "input_format")，其中x是字符型數(shù)據(jù)，input_format則給出了用于讀入日期的適當(dāng)格式
   3. 日期格式

   符號	含義	示例
   %d	數(shù)字表示的日期（0~31）	01~31
   %a	縮寫的星期名	Mon
   %A	非縮寫星期名	Monday
   %m	月份（00~12）	00~12
   %b	縮寫的月份	Jan
   %B	非縮寫月份	January
   %y	兩位數(shù)的年份	07
   %Y	四位數(shù)的年份	2007

   4. 日期值的默認(rèn)輸入格式為yyyy-mm-dd

   mydates <- c("01/05/1965","08/16/1975")
   
   strDates <- c("01/05/1965","08/16/1975")
   mydates2 <- as.Date(c,"%m/%d/%Y")  ---使用mm/dd/yyyy的格式讀取數(shù)據(jù)
   
   

   5. Sys.Date()可以返回當(dāng)天的日期，而date()則返回當(dāng)前的日期和時間
   6. 以使用函數(shù)format(x, format="output_format")來輸出指定格式的日期值，并且可以提取日期值中的某些部分

   today <- Sys.Date()
   format(today,format="%A %B %d %y")
   

   7. 在日期值上執(zhí)行算術(shù)運(yùn)算
   8. 使用函數(shù)difftime()來計算時間間隔，并以星期、天、時、分、秒來表示

   chris <- as.Date("1985-04-02")
   difftime(today,chris,units="week") ---units應(yīng)當(dāng)是“auto”, “secs”, “mins”, “hours”, “days”, “weeks”其中的一個
   
   

   9. 將日期轉(zhuǎn)換為字符型變量:

   strDates <- as.character(mydates2)
   

7. 類型轉(zhuǎn)換

   1. 類型轉(zhuǎn)換函數(shù)，名為is.datatype()這樣的函數(shù)返回TRUE或FALSE，而as.datatype()這樣的函數(shù)則將其參數(shù)轉(zhuǎn)換為對應(yīng)的類型

   判斷	轉(zhuǎn)換
   is.numeric()	as.numeric()
   is.character()	as.character()
   is.vector()	as.vector()
   is.matrix()	as.matrix()
   is.data.frame()	as.data.frame()
   is.factor()	as.factor()
   is.logical()	as.logical()

8. 數(shù)據(jù)排序

   1. 使用order()函數(shù)對一個數(shù)據(jù)框進(jìn)行排序。
   2. 默認(rèn)的排序順序是升序。
   3. 在排序變量的前邊加一個減號即可得到降序的排序結(jié)果

   newdata <- leadership[order(leadership$age),]
   newdata2 <- leadership[order(leadership$age,leadership$q1),]
   newdata3 <- leadership[order(leadership$age,-leadership$q1),]
   
   

9. 數(shù)據(jù)集的合并

   1. 添加列
      1. 橫向合并兩個數(shù)據(jù)框（數(shù)據(jù)集），使用merge()函數(shù)
      2. 在多數(shù)情況下，兩個數(shù)據(jù)框是通過一個或多個共有變量進(jìn)行聯(lián)結(jié)的（即一種內(nèi)聯(lián)結(jié)，inner join）。

      total <- merge (dataframe1,dataframe2,by="id")
      total <- merge (dataframe1,dataframe2,by=c("id","country"))
      

      3. 如果要直接橫向合并兩個矩陣或數(shù)據(jù)框，并且不需要指定一個公共索引，那么可以直接使用cbind()函數(shù)：

      total <- cbing(a,b)
      

      4. cbing()函數(shù)將橫向合并對象A和對象B。為了讓它正常工作，每個對象必須擁有相同的行數(shù)，且要以相同順序排序。
   2. 添加行
      1. 要縱向合并兩個數(shù)據(jù)框（數(shù)據(jù)集），使用rbind()函數(shù)

      total <- rbing(a,b)
      

      2. 兩個數(shù)據(jù)框必須擁有相同的變量，不過它們的順序不必一定相同。
      3. 如果dataframeA中擁有dataframeB中沒有的變量，請?jiān)诤喜⑺鼈冎白鲆韵履撤N處理：
         • 刪除dataframeA中的多余變量；
         • 在dataframeB中創(chuàng)建追加的變量并將其值設(shè)為NA（缺失）。
      4. 縱向聯(lián)結(jié)通常用于向數(shù)據(jù)框中添加觀測。

10. 數(shù)據(jù)集取子集

    1. 選入（保留）變量:從一個大數(shù)據(jù)集中選擇有限數(shù)量的變量來創(chuàng)建一個新的數(shù)據(jù)
       1. 數(shù)據(jù)框中的元素是通過dataframe[row indices, column indices]這樣的記號來訪問的?？梢匝赜眠@種方法來選擇變量
       2. 使用paste()函數(shù)
    2. 剔除（丟棄）變量： 類似myvars <- names(leadership) %in% c("q3","q4")
    3. 選入觀測：選入或剔除觀測（行）通常是成功的數(shù)據(jù)準(zhǔn)備和數(shù)據(jù)分析的一個關(guān)鍵方面
    4. subset函數(shù)：是選擇變量和觀測

    newdata <- subset(leadership, age >= 35 | age < 24,select=c(q1, q2, q3, q4))
    newdata <- subset(leadership, gender=="M" & age > 25,select=gender:q4)
    
    

    5. 隨機(jī)抽樣
       1. sample()函數(shù)能夠從數(shù)據(jù)集中（有放回或無放回地）抽取大小為n的一個隨機(jī)樣本; sample()函數(shù)會返回隨機(jī)抽樣得到的元素，之后即可用于選擇數(shù)據(jù)框中的行。
       2. 格式：

       mysample <- leadership[sample[1:nrow(leadership),3,replace=FALSE],]
       

       3. sample()函數(shù)中的第一個參數(shù)是一個由要從中抽樣的元素組成的向量。在這里，這個向量是1到數(shù)據(jù)框中觀測的數(shù)量
       4. 第二個參數(shù)是要抽取的元素數(shù)量;
       5. 第三個參數(shù)表示無放回抽樣。
    6. 使用 SQL 語句操作數(shù)據(jù)框,sqldf包