R语言实战笔记--第四&五章 数据管理

R语言实战笔记–第四&五章 数据管理

标签（空格分隔）： R语言

---

　　第四、第五章都是说的数据管理，合并在一起做个总结，在个人看来，数据管理是一件非常繁琐的事情，但是，每个统计的前提都是一个合适的数据样本，对的，“合适”，做到合适可不是一个简单的事情。
　　本文就不分基本和高级两部分了，合在一起写吧。
　　首先，我们建立一个数据框，这个数据框的数据来源可以随意，我直接使用书上面的例子吧。(PS:markdown和R的脚本，一大堆的#号~简直想死的心都有了~）

首先是数据框建立

manager <- c(1, 2, 3, 4, 5)
date <- c("10/24/08", "10/28/08", "10/1/08", "10/12/08", "5/1/09")
gender <- c("M", "F", "F", "M", "F")
age <- c(32, 45, 25, 39, 99)
q1 <- c(5, 3, 3, 3, 2)
q2 <- c(4, 5, 5, 3, 2)
q3 <- c(5, 2, 5, 4, 1)
q4 <- c(5, 5, 5, NA, 2)
q5 <- c(5, 5, 2, NA, 1)
leadership <- data.frame(manager, date, gender, age, q1, q2, q3, q4, q5, stringsAsFactors = FALSE)

　　
　　得到一个数据框如下：
　　
　　从表中看出，有日期是“月/日/年”，我想作为一个中国人，是绝对看不惯这种日期的，别的不说，我就问一句，在不知道格式的情况下，他们是怎么区分“01/02/03”是什么鬼日期？有年龄是99的，还不退休？有q4和q5是空着的，调查表经常会碰到这种不填的行为，没办法，只能认了，删除or接受or修改后接受？看需求了。
　　OK，让我们来直接使用敲代码的方式去引入本章的内容！
　　
基本数据管理
　　创建变量（把q1和q2，q2和q3的和和平均值求出来）
　　直接使用<-方式建立新变量，+-*/等运算符号，列表后面有汇总
　　使用within函数简化输入，和with不同的是，within可以修改数据框

leadership$q1q2<-leadership$q1+leadership$q2    
leadership<-within(leadership,m_q1q2<-(q1+q2)/2)

　　使用transform(数据框对象，新列名1=公式1，新列名2=公式2……)

leadership<-transform(leadership,q2q3=q2+q3,M_q2q3=(q2+q3)/2)

　　变量重编码（替换99岁那家伙，把年龄分组），先替换年龄

leadership$age[leadership$age==99]<-NA

　　然后分组，建立一个新变量来处理分组后的分组类别

leadership<-within(leadership,{
agecat<-NA
agecat[age>55]<-"Elder"
agecat[age>=35 & age<55]<-"Middle Aged"
agecat[age<35]<-"Young"})

　　再然后重命名数据框内的变量，注意，是数据框内的变量，又叫字段字，有两个方法
　　1、是reshape的rename方法

install.packages("reshape")
library(reshape)
leadership<-rename(leadership,c(manager="managerID",date="testDate"))

　　2、names方法(与上述方法等效，选择一个即可)

names(leadership)[1:2]<-c("managerID","testDate")

　　缺失值的简单处理，书上说，后面有更复杂精妙的处理方法-_-!
　　首先判断缺失值，它不是一个值，只能使用is.na()函数来判断

is.na(leadership[,6:10])

　　然后标记缺失值，使用NA即可，如上述修改年龄（即变量重编码）的方式修改，这里就不重复了
　　排除缺失值（在多数统计函数中，有na.rm=TRUE的方式去排除缺失值，默认是不排除的,下面两句的计算结果是不同的，支持与否看具体函数的help）

sum(leadership$q4)

sum(leadership$q4,na.rm=TRUE)
　　删除含有缺失值的行(你要把它赋值到变量，不然没用，如果这都不理解，说明基础还不过关，回头复习吧，骚年~)

na.omit(leadership)

日期值处理
　　我们在看leadership数据框的时候发现日期这一个变量还是char类型，不是日期类型，所以，我们要告诉R，这个变量是日期。什么，怎么看类型？来来来，一锤子把电脑磕开就可以看到了
　　首先要明白日期格式，这里看下面的附表吧，在这里要用到的是%y(后两位年份),%m(两位月份),%d(两位日期)

leadership$testDate<-as.Date(leadership$testDate,"%m/%d/%y")

　　日期值的默认格式是”2016-09-15”，你告诉了R，那个字段是日期，它的格式是什么，这样，之后无论你用什么格式奇葩格式表示日期，R都能认识了，比如“日日日日日日月年”什么的~
再介绍几个用得着的函数

Sys.Date() #当前日期“yyyy-mm-dd"格式
date()