R | 常用函数-2

1 前言

之前写过一篇R语言常用函数，见 R | 常用函数-1 最近用到R语言分析相关数据，故继续这篇推文，把另外一些常用的函数进行相关总结！

2 常用函数

2.1 看变量的类型 mode

Mode(house$price)

2.2 dataframe根据某一列进行降序/升序排列 order

df[order(df[,4],decreasing=T),] ＃按照第4列降序排序
df[order(df[,'score'],decreasing=F),] ＃按照score列升序排序

2.3 字符串拼接 paste

函数为：

• paste：拼接有空格
• paste0：拼接无空格

paste(..., sep = " ", collapse = NULL)

详情见：R语言中字符串的拼接操作

2.4 判断向量中是否存在一个元素 %in%

判断df[,1]中是否存在元素a:

a %in% df[,1]

在返回T 反之！

2.5 缺失值相关函数

• 对df某一列赋值为缺失值

df[,1] = NA

• 对所有缺失值赋值为0或者其余的值
  • 全局赋值
  • 按列赋值

data[is.na(data)] <- 0 # 全局
data[is.na(data$price), 3] <- 0  # 按列
mer$行业 <- na.fill(mer$行业, '其他行业’) # na.fill函数

• 删除缺失值所在的行

data = na.omit(data)

• 定位到缺失值所在的行 返回数据框

house[which(is.na(house)), ]

• 定位到某一列缺失值所在的行 返回数据框

df_na <- df[which(is.na(df$trans)),]

• 返回某一列缺失值删除之后的数据框

mer <- mer[complete.cases(mer[,7]),] # 删去商户号的缺失值之后还剩下7179个

2.6 判断两列是否完全一样——identical

identical(sort(df1$merchant_no), sort(df2$merchant_no)) 
# 判断是否一样 技巧：先排序

2.7 取消科学计数法，用原始数据的方式——options

options(scipen=200)
# 注：如果数值过大，在原始数据框里进行修改 然后变换纵轴的汉字表示即可

2.8 删空格-某列字符删去多余的空格-str_trim

df$card_no <- str_trim(df$card_no, side = c("both", "left", "right")) # 删空格 而且是有空格就删

2.9 查看唯一值的个数是多少（比如商户数量）

Python：可以用nunique

R：先unique 然后算length

length(unique(P_trans$merchant_no)) # 先unique然后length

2.10 如果变量（比如卡号）是科学计数法表示我们希望要显示出来并且是字符型 format

df$card_no <- format(df$card_no,digits = 14)

参考

• R语言按某列排序
• R语言中字符串的拼接操作