R语言 | 第一部分：数据预处理

1.创建数据集/矩阵【data.frame数据框、matrix矩阵、array数组】

#数据框：将字段以列合并在一起。	
leadership <- data.frame(manager, date ,country, gender, age, q1,q2,q3,q4,q5, stringsAsFactors=F)

#矩阵：通过调整参数，控制矩阵样式。	
m1 <- matrix(c(1:6),nrow=2,ncol=3,dimnames=list(c("r1","r2"),c("c1","c2","c3")))	
m2 <- matrix(1:6,nrow=2) #共6个元素，分2行，每行3个元素，未指定行名和列名	
m3 <- matrix(1:6,ncol=3) #共6个元素，结果与创建形式2相同	
m4 <- matrix(nr=2,nc=3) #未指定元素数据，默认为NA，2行3列，nr是nrow的简写，nc是ncol的简写，R能识别

#数组	
mydata <- array(1:12,c(2,3,2),dimnames=list(c("r1","r2"),c("c1","c2","c3"),c("h1","h2"))  #myarray <- array(vector, dimensions, dimnames)

#factor和list	
#factor是numeric数值类型	
factor(x = character(), levels, labels = levels,exclude = NA, ordered = is.ordered(x), nmax = NA)	
#注意：levels与labels的对应关系，其中levels发挥角标作用，与labels位置对应	
例如：x <- c("Man", "Male", "Man", "Lady", "Female")	
xf <- factor(x, levels = c("Male", "Man" , "Lady",   "Female"),labels = c("Male", "Male", "Female", "Female"))	
	
#数据列表：可用于合并多个不同类型数据字段，例如：	
pts <- list(x = cars[,1], y = cars[,2])

2.向数据集中增加列【transform、cbind、merge】

方法一：leadership <- transform(leadership,meanx= (q1+q2+q3+q4+q5)/5)	
方法二：leadership$x <- c(1,1,1,1,1)	
方法三：cbind（leadership，x）	
方法四：merge 	
student1<-data.frame(ID,name)	
student2<-data.frame(ID,score)	
total_student<-merge(student1,student2,by="ID") 

3.向数据集中增加行【rbind】

方法一：leadership[6,] <- c(6,"5/1/09","US","M",25,1,1,1,1,1,1,1,1,1) #需注意变量个数相等	
方法二：rbind	
ID<-c(1,2,3)	
name<-c("Jame","Kevin","Sunny")	
student1<-data.frame(ID,name)	
	
ID<-c(4,5,6)	
name<-c("Sun","Frame","Eric")	
student2<-data.frame(ID,name)	
total<-rbind(student1,student2)	

4.修改数据【修改指定单元格，修改指定列，with 关联修改】

leadership$age[leadership$age==99] <- NA	
leadership$agecat2 <- NA	
leadership <- within(leadership,{ 	
agecat2[age>75] <- "Elder"	
  agecat2[age>=55 & age<=75] <- "Middle Aged"	
  agecat2[age<55] <- "Young"}	
)

5.修改变量名【rname】

library(plyr)	
leadership <- rename(leadership,c(manager="managerID", date="testDate"))

6.排序【order，其中默认升序，变量前加“-”代表降序】

leadership[order(age),]	
leadership[order(gender,age),]	
leadership[order(gender,-age),]

7.数据筛选【条件筛选、&、|】

#leadership <- data.frame(manager, date ,country, gender, age, q1,q2,q3,q4,q5, stringsAsFactors=F)	
	
#筛选指定字段	
leadership[,c(6:10)]	
等同：leadership[c("q1","q2","q3","q4","q5")]	
等同：myvars <- paste("q",1:5,sep="")	
	
#条件筛选（和、且）	
leadership[gender=='M' & age>30,]	
#且	
subset(leadership, age>=35 | age<24, select=gender:q4) #or条件筛选+列筛选

8.抽样

leadership[sample(1:nrow(leadership),3,replace=F),]   #replace=T说明不可以重复抽样

9.设置有效数字【digits】

options(digits=3)

10.【进阶】数据库相关dplyr

install.packages("dplyr") 	
library(dplyr)】	
	
dplyr包最常使用的函数主要包括以下几个：	
变量筛选函数：select	
数据筛选函数：filter	
排序函数：arrange	
变形函数：mutate	
汇总函数：summarize	
分组函数：group_by	
管道连接符：%>%	
随机抽样函数：sample_n, sample_frac

参考来源：

https://blog.csdn.net/sinat_26917383/article/details/50676894 https://blog.csdn.net/u013421629/article/details/77744251

https://www.cnblogs.com/waxblogs/p/4398278.html (R语言学习笔记——数据结构 & 数据框基本操作)

https://blog.csdn.net/u011596455/article/details/79608475(R语言-数据预处理（二）)