《R语言实战》第五章学习笔记

　　感谢Robert I.Kabacoff 著作本书，同时感谢高涛、肖楠、陈钢编译此书。

　　最近在学习《R语言实战》，特将学习过程记录下来，供各位朋友参考，虽说是笔记，但是90%是书中内容，另外10%是自己偶尔冒出的一点点想法的记录和一些疑问，希望互相探讨。末尾有本章的代码清单下载地址，与各位交流，还是提倡按照书中内容把代码一个个敲出来。

第五章　　高级数据管理

本章内容

数学和统计函数

字符处理函数

循环和条件执行

自编函数

数据整合与重塑

5.1　　一个数据处理难题

　　一个难题：

1. 三科成绩是无法比较的。
2. 需要一种方法来确定某个学生在前述得分上百分比排名。
3. 表示姓名的字段只有一个，需要将姓和名拆开。

5.2　　数值和字符处理函数

　　本节将学习R中作为数据处理基石的函数，它们可分为数值（数学、统计、概率）函数和字符处理函数。

5.2.１　　数学函数

　　书中表5-2列出了常用的数学函数和简短的用例。（P83页）

　　值得一提的是round(x, digits = n) 表示将x舍入为指定位的小数。

　　signif(x, digits = n)表示将x舍入为指定的有效数字位数。

对比如下

round(3.475, digits = 2)返回值为3.48。（保留两位小数）
signif(3.475, n= = 2)返回值为3.5。（保留两位有效数字）

　　表5-2中的示例将数学函数应用到了标量（单独的数值）上。当这些函数被应用于数值向量、矩阵或者数据框时，它们会作用于其中每一个独立的值，然后重新生成一个向量、矩阵或数据框。

5.2.2　　统计函数

　　方差：表示点的离散程度。方差越小，离散程度越低，越接近平均值。公式表达为：
S=[ (x1-x)^2+(x2-x)^2+(x3-x)^2+……+(xn-x)^2]

　　标准差是方差开根号。

　　什么是绝对中位差、分位数、值域、滞后差分、进化中心化、标准化？

代码清单5-1　　均值和标准差的计算

x <- c(1, 2, 3, 4, 5, 6, 7, 8)

简洁的方式

mean(x)

sd(x)

冗长的方式

n <- length(x)

meanx <- sum(x)/n

css <- sum((x - meanx)^2)

sdx <- sqrt(css / (n-1))

meanx

sdx

　　第二种方式中修正平方和（css）的计算过程是很有启发性的：

（1） x等于c(1, 2, 3, 4, 5, 6, 7, 8),x的平均值等于4.5（length(x)返回了x中元素的数量）：

（2） (x - meanx)从x中的每个元素中减去了4.5，结果为c(-3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5)

（3） (x - meanx)^2将(x - meanx)的每个元素求平方，结果为c(12.25, 6.25, 2.25, 0.25, 0.25, 2.25, 6.25, 12.25)

（4） summ((x - meanx)^2)对（(x - meanx)^2)的所有元素求和，结果为42。

数据的标准化

　　将一组数据，投射到很小区间内的方法，便于分析。标准化之后的数据有这样的特征：均值为0,标准差为1。

　　函数scale()对矩阵或数据框的制定了进行均值为0，标准差为1的标准化。

newdata <- scale(mydata

　　要对每一列进行任意均值和标准差的标准化，可以使用如下代码：

newdata <- scale(mydata) * SD + M

　　其中SD表示想要的标准差，M表示想要的均值。注意，在非数值型的列上用scale()函数会报错。如果要对指定列而不是整个数据框或矩阵进行标准化，可以使用如下代码：

newdata <- transform(mydata, myvar = scale(myvar) * 10 + 50)

　　此句将变量myvar标准化为均值50、标准差为10的变量。

问：是否