Note:R+Python数据科学实战(2)

用plyr和ggplot2进行数据处理和绘图：

(plyr包)

ddply输入一个data frame返回一个data frame

dlply输入一个data frame返回一个list

e.g: uniqMakes=dlply(gasCar4,~year,function(x) unique(x$make))

#dlply将数据框按照~year来划分;

e.g: byYear=ddply(gasCars,~year,summarise,avgMPG=mean(comb08),avgDispl=mean(displ))

#ddply将数据框按照~year来划分;

#画图前先检查数据型，若需要，则将其统一为数值型；

ggplot(data,aes(x-axis,y-axis)) + 

geom_point()  #(用点来绘制数据，geom_line() + geom_hline() + geom_bar() + 设置图形类型参数)

geom_smooth()  #(在图中加上阴影区域，平滑，加上0.95置信区间) +

facet_wrap(~var,nrow=)  #(按照var将坐标系进行分割，展现在不同行中，玉米中可用不同材料来分割) +

xlab(" ") + ylab(" ") + ggtitle(" ") +

lab(x=" ",y=" ",fill=" ")  #(旁注的标题设置) +

theme() #(主题设置函数，axis.text 坐标轴刻度标签属性) +

e.g: ggplot(gasCars4,aes(factor(year),fill=factor(trany2)))+geom_bar(position="fill")+labs(x="Year",y="Proportionofcars",fill="Transmission")+theme(axis.text.x=ele

ment_text(angle=45))+geom_hline(yintercept = 0.5,linetype=2)

#生成非常漂亮简洁的典型生物数据图；

#导入reshape2包，执行melt函数拆分数据，分为：数组array型，列表数据，数据框类型；

#数据类型melt(data, id.vars, measure.vars, variable.name="variable", ..., na.rm=FALSE, value.name="value")

#id.vars被当作维度的列变量；measure.vars被当成观测值的列变量，列变量名称用variable.name和value.name来指定，variable列变量名，value值；

subset函数从dataframe中条件检索出数据或列： (1)单条件subset(data,con)显示行；

(2)指定列subset(data,con,select=)；

(3)多条件subset(data,con&|,select=)；

对于数据要有清晰的认识，要清楚每一步分析的目的，并预估可能的结果。