《R语言与农业数据统计分析及建模》学习——数据框的向量化操作

1、向量化操作的概念和有时

        向量化操作是指对整个数据结构进行一次性操作，而不需要使用显式的循环结构（即同时处理整个数据框的元素，而不需要使用for循环逐个处理每个元素）。优势如下：

        代码简洁：不需要编写循环语句

        提高运算效率：利用底层优化实现

        减少错误和调试难度：易于维护

        扩展性高：支持多种数据类型操作

2、向量化操作的方法

（1）使用逻辑运算符

        通过逻辑运算符，我们可以筛选出数据框中满足特定条件的行或列，这样可以快速提取感兴趣的数据子集。

# 创建示例数据框
df<-data.frame(
  Region=c('North','North','South','South','North','South'),
  Crop=c('Wheat','Rice','Corn','Wheat','Rice','Corn'),
  Production=c(50000,80000,70000,55000,85000,72000),
  Area=c('10000','12000','15000','11000','13000','16000')
)

# 使用逻辑运算符进行条件筛选
filtered_df<-df[df$Production>=7500 & df$Area>12000,]
print(filtered_df)

（2）使用条件语句

        条件语句可以根据某些条件对数据框的值进行修改，如根据特定条件修改某列的值，或根据多个条件创建新的列。

# 创建示例数据框
df<-data.frame(
  Region=c('North','North','South','South','North','South'),
  Crop=c('Wheat','Rice','Corn','Wheat','Rice','Corn'),
  Production=c(50000,80000,70000,55000,85000,72000),
  Area=c('10000','12000','15000','11000','13000','16000')
)

# 利用条件语句进行重编码
df$Region<-ifelse(df$Region=="North",1,0)
print(df)

（3）使用数学函数

        R语言中，数学函数是向量化的，可以对整个数据框中的列进行批量计算，例如求和、求平均、取对数等。

# 接续上一段代码
# 将面积转转换为数字格式
df$Area<-as.numeric(df$Area)

# 使用数学函数对数据进行批量处理
df$Area<-log(df$Area)
print(df)

4、使用apply系列函数

        apply()系列函数是R中强大的向量化函数，可以对数据框的行或列进行迭代操作。

# 接续上一段代码
# 使用apply()函数计算每行的总和
apply(df[,c("Production","Area")],2,sum)

# 使用lapply()函数对每列进行操作（求平均）
lapply(df[,c("Production","Area")],mean)

# 使用sapply()函数对每列进行操作（求方差）
sapply(df[,c("Production","Area")],sd)