R 语言实战---04--数据处理

已于 2023-08-11 23:43:36 修改
阅读量598 收藏 2
点赞数
分类专栏： 生信 文章标签： r语言
于 2021-09-05 20:40:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hac_kill_you/article/details/120101244
版权

数据整理

无论是输入外部数据还是R本身写入的数据，斗殴要经过处理才能使我们更好的分析。在我们做诗句处理前，先了解一下R中的算术运算符和逻辑运算符。

算术运算符：就是加减乘除类的符号。
逻辑运算符：表示判断的符号。

1. 算术运算符如下：

在这里插入图片描述

2.逻辑运算符如下：

在这里插入图片描述

一. 数据表的修改

首先我们定义一组数据：

manager <- c(1, 2, 3, 4, 5) 
date <- c("10/24/08", "10/28/08", "10/1/08", "10/12/08", "5/1/09") 
country <- c("US", "US", "UK", "UK", "UK") 
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, country, gender, age, 
                         q1, q2, q3, q4, q5, stringsAsFactors=FALSE)
leadership
str(leadership)
数据的增删改查
# 数据框添加新列和删除新列
leadership$sum = leadership$q1+leadership$q2+leadership$q3+leadership$q4+leadership$q5  # 方法一
leadership = transform(leadership, sumx  =  q1 + q2, meanx = (q1 + q2)/2)   # 方法二
# 根据逻辑判断来添加新列
leadership$age_class[leadership$age > 75] = "elder"
leadership$age_class[leadership$age >= 55 & leadership$age <= 75] = "middle aged"
leadership$age_class[leadership$age < 55] = "young"

# 删除某一列或者行
leadership = leadership[-5,]   # 删除第五行
leadership = leadership[,-1]   # 删除第一列
leadership = leadership[-c(1:3),]  # 可以删除多行


# 修改数据框中的值
leadership$q1 = c(1,2,3,4,5)   # 修改整列的值
leadership$q1[1] = 10          # 修改表中的元素
leadership$age[ leadership$age >= 80 ] = NA   # 根据逻辑判断来修改数据框中的值

# with 和 within 很相似，但是within允许修改数据框，而with是不允许修改内容的
leadership = within(leadership,{ 
  agecat = NA  
  agecat[age > 75]              = "Elder" 
  agecat[age >= 55 & age <= 75] = "Middle Aged" 
  agecat[age < 55]              = "Young" })

# 修改数据框中的行和列的名字(也可以使用plyr包中的rename()函数)
fix(leadership)   # 直接在R编辑器中修改
names(leadership)[1] = "haha"  # 通过names() 函数修改列名
names(leadership)[1:3] = c("ni","wo","you")
rownames(leadership)[1] = "hahha"  # 修改行的名字



# 缺失值的处理
is.infinite()        # 判断是否为无穷
is.nan()             # 判断是不是数字
is.na(leadership)    # 判断是否为缺失值

# 与缺失值的计算最后都是缺失值
x = c(1,2,NA,4)
y = x[1]+x[2]+x[3]
z = sum(x)
w = sum(x,na.rm = TRUE) # 对缺失值的处理

# na.omit() 删除具有缺失值的行
newdata = na.omit(leadership)

日期的处理

有时候我们再处理数据的时候，要注意日期的格式也会对数据分析造成影响。
下面是日期的格式：
在这里插入图片描述

# 日期值的处理  as.Date(x, "input_format")，其中x是字符型数据，input_format则给出了用于读入日期的适当格式

strDates <- c("01/05/1965", "08/16/1975") 
dates <- as.Date(strDates, "%m/%d/%Y")
leadership$date = as.Date(leadership$date,"%m/%d/%Y")

# 获得当前日期
Sys.Date()   
date()

# 格式化输出日期
today = Sys.Date() 
format(today, format="%b/%d/%Y")
format(today, format="%b/%d--------%Y") 
format(today, format="%A")

数据类型判断以及转换

在处理数据的时候，常常需要转换数据，因为非数值型数据是不能运算的。接下来我们就介绍数据类型判断以及数据的转换。
在这里插入图片描述

# 这里很简单，就简单介绍
a = c(1,2,3)
typeof(a)         #  打印出数据的类型
is.numeric(a)     # 判断是否为数值型
a = as.character(a)  # 转换为字符
is.numeric(a)

数据排序 order()

# 数据排序
# 以gender进行排序，然后再gender中又以年龄从小到大排序
leadership_new = leadership[order(leadership$gender,leadership$age),]
# 前面加个负号就是从大到小排序
# 先将leadership以gender进来排序， gender内部再以age进行排序
leadership_new = leadership[order(leadership$gender,-leadership$age),]

示例

# 数据实战
# 1. 挑选出年龄30岁以上的男性的行
# 2. 挑选出2009年1月1日到2009年12月31日之间的行

data_1 = leadership[leadership$gender == "M" 
                    & leadership$age >30,]

#  日期一定要格式化之后才能比较
leadership$date = as.Date(leadership$date,"%m/%d/%y")
startdate = as.Date("2009-01-01")
enddate = as.Date("2009-10-31")
data_2 = leadership[leadership$date >startdate & leadership$date < enddate,]

在数据中常用的两个函数

# 子集的挑选subset(数据集,条件，select = 要展示的数据)函数
# 选中airquality中的temp大于70的对应的Ozone, Temp的值
v = airquality
c = subset(v, Temp > 70, select = c(Ozone, Temp))

# 抽样sample()
# 从airquality中随机抽取5行数据，不重复
sample_1 = airquality[sample(1:nrow(airquality),5,replace = FALSE),]
# 从airquality中随机抽取3列数据，不重复
sample_2 = airquality[,sample(1:ncol(airquality),3,replace = FALSE)]

代码（附）

所有代码如下：

getwd()
setwd("D:/D/my_files/r/r语言实战")

# 数据管理
manager <- c(1, 2, 3, 4, 5) 
date <- c("10/24/08", "10/28/08", "10/1/08", "10/12/08", "5/1/09") 
country <- c("US", "US", "UK", "UK", "UK") 
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, country, gender, age, 
                         q1, q2, q3, q4, q5, stringsAsFactors=FALSE)


# 数据框添加新列和删除新列
leadership$sum = leadership$q1+leadership$q2+leadership$q3+leadership$q4+leadership$q5  # 方法一
leadership = transform(leadership, sumx  =  q1 + q2, meanx = (q1 + q2)/2)   # 方法二
# 根据逻辑判断来添加新列
leadership$age_class[leadership$age > 75] = "elder"
leadership$age_class[leadership$age >= 55 & leadership$age <= 75] = "middle aged"
leadership$age_class[leadership$age < 55] = "young"

# 删除某一列或者行
leadership = leadership[-5,]   # 删除第五行
leadership = leadership[,-1]   # 删除第一列
leadership = leadership[-c(1:3),]  # 可以删除多行
leadership$manager = NULL       # 删除manager这一列

# 取数据集的子集，其实也就是删除某些列
qq = names(leadership) %in% c("q1","q2")
leadership = leadership[!qq]



# 修改数据框中的值
leadership$q1 = c(1,2,3,4,5)   # 修改整列的值
leadership$q1[1] = 10          # 修改表中的元素
leadership$age[ leadership$age >= 80 ] = NA   # 根据逻辑判断来修改数据框中的值

# with 和 within 很相似，但是within允许修改数据框，而with是不允许修改内容的
leadership = within(leadership,{ 
  agecat = NA  
  agecat[age > 75]              = "Elder" 
  agecat[age >= 55 & age <= 75] = "Middle Aged" 
  agecat[age < 55]              = "Young" })

# 修改数据框中的行和列的名字(也可以使用plyr包中的rename()函数)
fix(leadership)   # 直接在R编辑器中修改
names(leadership)[1] = "haha"  # 通过names() 函数修改列名
names(leadership)[1:3] = c("ni","wo","you")
rownames(leadership)[1] = "hahha"  # 修改行的名字



# 缺失值的处理
is.infinite()        # 判断是否为无穷
is.nan()             # 判断是不是数字
is.na(leadership)    # 判断是否为缺失值

# 与缺失值的计算最后都是缺失值
x = c(1,2,NA,4)
y = x[1]+x[2]+x[3]
z = sum(x)
w = sum(x,na.rm = TRUE) # 对缺失值的处理

# na.omit() 删除具有缺失值的行
newdata = na.omit(leadership)
leadership
str(leadership)




# 日期值的处理  as.Date(x, "input_format")，其中x是字符型数据，input_format则给出了用于读入日期的适当格式

strDates <- c("01/05/1965", "08/16/1975") 
dates <- as.Date(strDates, "%m/%d/%Y")
leadership$date = as.Date(leadership$date,"%m/%d/%Y")

# 获得当前日期
Sys.Date()   
date()

# 格式化输出日期
today = Sys.Date() 
format(today, format="%b/%d/%Y")
format(today, format="%b/%d--------%Y") 
format(today, format="%A") 


#  数据类型判断和转换

a = c(1,2,3)
typeof(a)         #  打印出数据的类型
is.numeric(a)     # 判断是否为数值型
a = as.character(a)  # 转换为字符
is.numeric(a)
a


# 数据排序
# 以gender进行排序，然后再gender中又以年龄从小到大排序
leadership_new = leadership[order(leadership$gender,leadership$age),]
# 前面加个负号就是从大到小排序
leadership_new = leadership[order(leadership$gender,-leadership$age),]


# 数据集的合并
merge()   
cbind()  # 按照列合并数据
rbind()  # 按照行合并数据



# 数据实战
# 1. 挑选出年龄30岁以上的男性的行
# 2. 挑选出2009年1月1日到2009年12月31日之间的行

data_1 = leadership[leadership$gender == "M" 
                    & leadership$age >30,]

#  日期一定要格式化之后才能比较
leadership$date = as.Date(leadership$date,"%m/%d/%y")
startdate = as.Date("2009-01-01")
enddate = as.Date("2009-10-31")
data_2 = leadership[leadership$date >startdate & leadership$date < enddate,]




# 子集的挑选subset(数据集,条件，select = 要展示的数据)函数
# 选中airquality中的temp大于70的对应的Ozone, Temp的值
v = airquality
c = subset(v, Temp > 70, select = c(Ozone, Temp))

# 抽样sample()
# 从airquality中随机抽取5行数据，不重复
sample_1 = airquality[sample(1:nrow(airquality),5,replace = FALSE),]
# 从airquality中随机抽取3列数据，不重复
sample_2 = airquality[,sample(1:ncol(airquality),3,replace = FALSE)]
不锈铁
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R语言进行数据处理
qq_29258361的博客
05-02 2431
  首先summary数据特性，对于非数值型数据，统计取值的种类数，以及每种出现的频次。对于数值型的特征，统计其数学特性，最小值，第一四分位数，第三四分位数，均值，中位数，最大值，缺失值的数量。  用可视化的方法进行数据检查，每一维的特征都分开检查。观察其分布是否有明显区别。 一 缺失值处理：    1.将有缺失值的样本去除或者进行填补。    可以用平均值进行填补（如果满足正态分布的话）；用中位...
R语言 数据属性编辑
张恒华的博客
04-08 6930
访问数据框变量 示例： # 创建数据框 data.iris <- data.frame(Sepal.length = c(5.1, 4.9, 4.7, 4.6), Sepal.Width = c(3.5, 3.0, 3.2, 3.1), Petal.length = c(1.4, 1.4, 1...
R非数据型数据
qq_49433483的博客
08-19 595
字符 创建字符 创建字符使用双引号，在R中用双引号引起来的字符长度只有1，若要计算具体的单独字符则需要使用nchar()函数，但注意的是空格也算是一个单独字符。 > f<-"I am a pig" > length(f) [1] 1 > nchar(f) [1] 10 此外字符可以进行比较大小， 按照字母表，后面的字母大 大写字母大于小写字母 字符的连接 在R中，可以使用cat()函数和paste()函数进行连接字符串。 但cat()函数只会显示出结果，而paste()函数在显
R语言—数据的调整与处理
m0_61206827的博客
11-09 6705
作为一名R语言新手，第一步是要学会对数据进行一个调整与处理。现介绍几种常见对数据框架处理的函数： 使用R语言自带的heightweight数据集： library（gcookbook） height weight 可以看到五列代表每个人的身体信息，这个时候我们可以用str()来查看数据集的结构。 str(heightweight) 这里面可以看到sex为factor因子变量；ageYear,heightIn,weightLb为数值型向量；ageMonth为整型向量；同时还会有char.
美团R语言数据运营实战
02-25
近年来，随着分布式数据处理技术的不断革新，Hive、Spark、Kylin、Impala、Presto等工具不断推陈出新，对大数据集合的计算和存储成为现实，数据仓库/商业分析部门日益成为各类企业和机构的标配。在这种背景下，是否...
R语言数据分析实战：案例解析与技巧
最新发布
01-14
该书通过丰富的实际案例，深入浅出地解析了R语言在数据处理、可视化及模型构建等方面的应用技巧。无论是初学者还是资深数据分析师，均可从中获益。 该资源适用于对R语言感兴趣，特别是在数据分析、数据挖掘和统计学...
R语言数据分析案例实战文章整理
12-27
R语言是一种广泛使用的统计计算和图形化的编程语言，它可以处理各种类型和规模的数据，进行数据清洗、转换、可视化、建模、预测等操作，支持多种数据分析的技术和方法，如探索性数据分析、时间序列分析、回归分析、...
《数据挖掘：R语言实战》：用户分群实战
02-27
聚类分析在客户分类、文本分类、基因识别、空间数据处理、卫星图片分析、医疗图像自动检测等领域有着广泛的应用。 在用户分群实战中，聚类分析可以用来对客户进行分类，确定他们的价值状态和潜在价值，从而制定相应...
R语言自学笔记2 —— 数据的创建和修改1
ren_thirteen的博客
01-29 2134
R语言的数据结构parts 1   R主要的对象类型为 ： 标量、向量、矩阵、数组、数据框和列表     2.1 向量以及运算   对于向量 可以 储存 数值型、字符型、逻辑型 的一堆数组 ，执行的函数为 c（）   注意 ： 单个向量只能拥有相同的类型，无法混杂。   同一个向量内的字符可以同时进行加减乘除进行运算 ，如：   > c(2,3,4,5,6)-2 [1]
R语言处理表格数据（二）
amyniez的博客，欢迎交流讨论
03-29 1582
第二弹主要内容：1、批量修改excel列名并合并；2、分组计算excel数据；3、格式转换；4、数据合并，插入新列；5、遍历文件夹并对每个xlsx文件进行求和操作；
R语言|替换数据，某列中换成别的值
mocchan925的博客
09-23 2万+
R语言|替换数据，更换指定列的数据或注释 在差异分析的时候经常需要考虑对照组，二分类的情况。把case和control换成0，1之类的。excel用Ctrl+F再替换虽ok，但数据集太大或者linux系统时并不方便 两行简单的代码就可以实现替换： df$Group[df$Group == 'Case']<- 0 #将Group列所有case换成0 df$Group[df$Group == 'Control']<- 1 #将Group列所有control换成1 更简单的： df$Group&lt
R对象改值、缺失值（各种方式）
sjjsaaaa的博客
10-24 2146
对象改值 一、就地改值 R的记号体系在R对象内部改值 vec<-c(0,0,0,0,0,0) vec[1]<-1000 vec 也可以批量改值,只要提供相同个数的待改值和新值即可。 vec[c(1,3,5)]<-c(1,1,1) vec vec[4:6]<-vec[4:6]+1 vec 也可以创建一个原先对象中并不存在的新值。R会自动将对象的长度延伸以适应这个新值。 vec[7] <- 0 vec 也提供了一种为数据集添加新变量的绝佳方法。 首先导入数据集de
【R语言】数据框的增删改，if语句，if else语句
m0_73565525的博客
09-06 2644
R语言，数据框增删改，if语句
R语言数据标签、变量赋值、修改赋值
zsc943290710的博客
03-17 1万+
在数据处理分析过程中，分类变量的值有时候是试用数值来表示，从直观上并不能理解其含义，必须要有赋值对照表才能辅助理解。R语言在加标签上的功能并不常用，好在R语言可以直接处理分析字符串，在分析前把相应赋值改为具体含义的文字即可。例如，常见数据中使用1和2表示性别的男和女，直接利用1和2我们并不能准确认为就是1=男，2=女。可以赋值转换后再行分析。 library(readxl) data<-read_xlsx("d:/DEMO数据.xlsx") data$糖尿病<-factor(data$糖尿病
R语言实战Chapter4 基本数据管理
aitongyin的博客
04-27 894
R语言实战Chapter4 基本数据管理 操纵日期和缺失值 熟悉数据类型的转换 变量的创建和重编码 数据集的排序、合并与取子集 选入和丢弃变量 4.1创建leadership数据框 manager<-c(1,2,3,4,5) date<-c("10/24/14","10/28/14","10/01/14","10/12/14","05/01/14") country<-c("US","US","UK","UK","UK") sex<-c("M","F","F","M","F")
R语言 重命名指定列
weixin_30394981的博客
03-20 3万+
重命名全部的列是 name(data) <- c("NO","name") 但是数据集有点长的时候用name，没办法对单个列 查了一下 colnames(data)[2] <- 'newname' 可行 转载于:https://www.cnblogs.com/shilo930/p/10563677.html...
R语言-快速更改数据集的变量名
m0_61206827的博客
12-23 1万+
有些R语言新手学者可能不清楚如何快速的更改数据集的变量名，今天我就给大家介绍几种快捷的方法。 首先我们自己来创造一个数据集。 sex<-c("female","male","male","female","female","male","male","female") age<-c(22,34,25,44,56,24,54,26) weight<-c(125,156,135,176,153,122,159,200) mydata<-data.frame(sex,age,weig
R语言中数据清洗、整理的方法
热门推荐
chisha的博客
10-08 3万+
用R语言做数据清理（详细教程） 数据的清理 如同列夫托尔斯泰所说的那样：“幸福的家庭都是相似的，不幸的家庭各有各的不幸”，糟糕的恶心的数据各有各的糟糕之处，好的数据集都是相似的。一份好的，干净而整洁的数据至少包括以下几个要素： 1、每一个观测变量构成一列 2、每一个观测对象构成一行 3、每一个类型的观测单元构成一个表 就像我们最常接触的鸢
r语言实战应用案例-大气污染数据分析
05-10
大气污染已经成为全球环境问题的突出因素之一，其影响不仅限于空气质量，还包括人类健康、生物多样性、气候变化等多个方面。因此，对大气污染的监测和分析变得越来越重要。在这个方面，R语言已经成为了数据科学家、环境科学家以及政策制定者们的工具之一，因为其强大的数据分析能力、灵活的数据可视化能力以及丰富的统计工具箱。 在大气污染领域中，R语言应用案例非常多。其中一个代表性的案例就是大气污染数据分析。该案例中，利用R语言对大气污染监测的国际数据集进行了分析和可视化，探讨了全球大气污染的状况、变化趋势以及其影响因素等问题。具体来说，该案例主要通过以下步骤完成数据分析： 1. 数据收集：获取全球大气污染监测站的数据集，并通过R语言中常用的数据科学包如dplyr、tidyr、magrittr、ggplot2等进行数据处理和数据清洗，以便数据的更加准确和规范。 2. 数据分析：利用R语言中强大的绘图和数据分析工具箱，从数据中提取出关键信息、探测数据的分布模式和分析变化趋势等。比如，可以针对不同地区的监测站数据进行比较与分析，从而得出全球大气污染的一些普遍规律和统计特征。 3. 结果展示：利用R语言中的数据可视化工具，将分析结果以可视化形式呈现，更有利于数据的交流和传播。比如，可以通过地图绘制、散点图、折线图等方式，将全球大气污染的状况以及其影响因素展示出来。 总之，R语言在大气污染数据分析中具有丰富的工具和方法，不仅可以从数据中提取出关键信息，在分析结果的可视化展示方面表现也非常出色，使得研究人员能够更好地理解和应对大气污染的问题。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值