R语言基础知识（二）

一、数据的读入和保存

1、路径的识别与更改

（1）查看工作路径

#查看工作路径
getwd()

（2）更改工作路径

#设定工作路径，括号中输入需要输入详细路径
setwd()

（3）也可以在【Files】窗口进行操作

①【Files】窗口

② 在【More】/【小齿轮】中进行操作

2、Excel文件的读取

在R中，有不少的拓展包来对excel文件进行读取和加工

（1）gdata包

• 基于Perl语言
• 如果电脑为linux系统或者MacOS系统，这个语言是预装好的，只要安装gdata包，并进行加载即可以使用
• 如果是Windows系统，则需要提前先加载Perl语言才能安装gdata包
• 所有Excel读取后的数据均为dataframe格式，即数据框格式

#安装gdata包
install.packages("gdata")
#调用gdata包
library("gdata")
#括号内填写excel的文件路径即可
example1 <- read.xls()
View(example1)

• 当然，也可以通过鼠标进行操作：菜单栏 --File--Importdata--From Excel【更推荐】

（2）XLConnect包

• 该包需要两个命令进行Excel的读取，且命令具有先后顺序

#加载Excel文件
loadworkbook()

#读取Excel文件
readworkbook()

（3）xlsx包

• 适合Windows系统

read.xlsx()

3、其他类型文件的读取

（1）txt文件

#读取txt文件
read.table()

（2）csv文件

#读取csv文件
read.csv()

鼠标操作与Excel类似

4、保存为RDS文件

• RDS文件是R独有的文件类型

（1）保存在当前工作路径下

#（1）保存在当前工作路径下
saveRDS(file,file = "filename.fileformat")

（2）保存在当前工作路径的某一个子文件夹下

#（2）保存在当前工作路径的某一个子文件夹下
saveRDS(file,file = "subfolder/filename,fileformat")

（3）保存在完全不同的路径下

#（3）保存在完全不同的路径下
saveRDS(file,file = "C:/folder/……")

（4）重新读入RDS文件

#（4）重新读入RDS文件
readRDS()

二、数据概览

• 进行以下操作之前，需要先载入以下R包

#下载“dplyr”包，这个包是处理数据的包
install.packages("dplyr")
library("dplyr")

#安装"gdata"包,读取Excel文件的安装包
install.packages("gdata")
library("gdata")

1、数据的基本格式与行列数

class();dim();nrow();ncol()

#查看数据的格式，class()
class(example)
#查看数据的维度，dim(),看有多少和列
dim(example)
#单独查看行数
nrow(example)
#单独查看列数
ncol(example)

> #查看数据的格式，class()
> class(example)
[1] "tbl_df"     "tbl"        "data.frame"
> View(example)
> #查看数据的维度，dim(),看有多少和列
> dim(example)
[1] 9 4
> #单独查看行数
> nrow(example)
[1] 9
> #单独查看列数
> ncol(example)
[1] 4

2、数据的概览

head() ; tail()

#预览前6行，一般在数据量比较小的时候使用
head(example)
#预览后6行
tail(example)

> #预览前6行
> head(example)
# A tibble: 6 × 4
  Name       Region  Price Kilogram
  <chr>      <chr>   <dbl>    <dbl>
1 Apple      North     1.3      2.5
2 Orange     South     1.7      1.5
3 Strawberry South     2.6      1.5
4 Kiwi       Foregin   4.1      2  
5 Blueberry  Foregin   3.6      1  
6 Tomato     North     2.5      2.5
> #预览后6行
> tail(example)
# A tibble: 6 × 4
  Name      Region  Price Kilogram
  <chr>     <chr>   <dbl>    <dbl>
1 Kiwi      Foregin   4.1      2  
2 Blueberry Foregin   3.6      1  
3 Tomato    North     2.5      2.5
4 Cucumba   North     1.5     NA  
5 Lemon     East      2.1      0.5
6 Grape     West      3.3      2 

3、数据的行列名

rownames() ; colnames()

#查看数据的行名和列名
rownames(example)[c(1:3)]
colnames(example)

> #查看数据的行名和列名
> rownames(example)[c(1:3)]
[1] "1" "2" "3"
> colnames(example)
[1] "Name"     "Region"   "Price"    "Kilogram"

三、查看数据细节

1、查看单行/列数据的格式与内容

class(,);View();View([,])

（1）查看数据行列格式

#查看某一行或某一列数据的格式,可以使用class(数据名$数据列名)
class(example$Name)
class(example$Kilogram)

> #查看某一行或某一列数据的格式,可以使用class(数据名$数据列名)
> class(example$Name)
[1] "character"
> class(example$Kilogram)
[1] "numeric"

（2）查看数据内容

#当数据比较小时，可以直接预览整个数据内容，注意这里的V要大写
View(example)
#当数据比较大时，可以预览某几行和某几列的内容
View(example[c(1:3),c(1:3)])

四、缺失值的处理

1、查看是否有缺失值（基础）

is.na() ;is.nan()

NA：表示没有值

NaN：表示没有Number，没有数值

#当出现TRUE的时候，表示是缺失值或是不是数值
v1 <- c(1:10)
is.na(v1)
is.nan(v1)

> v1 <- c(1:10)
> is.na(v1)
 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [9] FALSE FALSE
> is.nan(v1)
 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [9] FALSE FALSE

2、对于矩阵或数据集查看某行/列是否有缺失值

any(is.na())

#对于矩阵或数据集查看某行/列是否有缺失值
any(is.na(example[,1]))
any(is.na(example[,3]))
any(is.na(example[,4]))

> #对于矩阵或数据集查看某行/列是否有缺失值
> any(is.na(example[,1]))
[1] FALSE
> any(is.na(example[,3]))
[1] FALSE
> any(is.na(example[,4]))
[1] TRUE

 另一种更快速的方式是使用apply(）

#对数据集的每一列都查看是否有缺失值
#apply(数据集名称,2（2表示列,1表示行），function(x) any(is.na(x))),对每一列都执行any（is.na的命令
apply(example,2,function(x) any(is.na(x)))
apply(example,1,function(x) any(is.na(x)))

> #对数据集的每一列都查看是否有缺失值
> #apply(数据集名称,2（2表示列,1表示行），function(x) any(is.na(x))),对每一列都执行any（is.na的命令
> apply(example,2,function(x) any(is.na(x)))
    Name   Region    Price Kilogram 
   FALSE    FALSE    FALSE     TRUE 
> apply(example,1,function(x) any(is.na(x)))
[1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE

3、对缺失值的处理

可以删除具有缺失值的某一行数据，再形成一个新的，具有完整数据的数据集

#删除具有缺失值所在的行的数据,只保留了没有缺失值的行，列均保留
example.complete <- example[complete.cases(example),]

五、数据的总结

1、数据整体总结 

summary() ; rowSums() ; colSums()

#对数据进行总结
#对每一列进行简单总结
summary(example)

> #对每一列进行简单总结
> summary(example)
     Name              Region              Price          Kilogram    
 Length:9           Length:9           Min.   :1.300   Min.   :0.500  
 Class :character   Class :character   1st Qu.:1.700   1st Qu.:1.375  
 Mode  :character   Mode  :character   Median :2.500   Median :1.750  
                                       Mean   :2.522   Mean   :1.688  
                                       3rd Qu.:3.300   3rd Qu.:2.125  
                                       Max.   :4.100   Max.   :2.500  
                                                       NA's   :1   

#对每一行或列进行求和，其要求是该行或该列必须全是数值形式的数据
colSums(example.complete[,3])
colSums(example.complete[,4])

> #对每一行或列进行求和，其要求是该行或该列必须全是数值形式的数据
> colSums(example.complete[,3])
Price 
 21.2 
> colSums(example.complete[,4])
Kilogram 
    13.5 

2、进行额外计算

mutate()

#对数据集某几列进行计算,并将结果生成新的一列
t1 <- mutate(example.complete,Total = Price * Kilogram)
t1

> #对数据集某几列进行计算
> t1 <- mutate(example.complete,Total = Price * Kilogram)
> t1
# A tibble: 8 × 5
  Name       Region  Price Kilogram Total
  <chr>      <chr>   <dbl>    <dbl> <dbl>
1 Apple      North     1.3      2.5  3.25
2 Orange     South     1.7      1.5  2.55
3 Strawberry South     2.6      1.5  3.9 
4 Kiwi       Foregin   4.1      2    8.2 
5 Blueberry  Foregin   3.6      1    3.6 
6 Tomato     North     2.5      2.5  6.25
7 Lemon      East      2.1      0.5  1.05
8 Grape      West      3.3      2    6.6 

 #以上内容均来自于医咖会的R语言的基础课程笔记，仅供参考~