R语言数据集取子集

蹦蹦虎862

于 2022-10-11 21:18:11 发布

阅读量2.9k

点赞数 4

文章标签： r语言开发语言

本文链接：https://blog.csdn.net/qq_65701798/article/details/127266081

版权

本文介绍如何使用R语言对数据框进行各种操作，包括选择特定变量、剔除变量、设定条件筛选观测值、选定时间范围、随机抽样等实用技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

##1.创建leadership数据框
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)

从leadership数据框中选择变量q1, q2, q3, q4, q5，并将其保存到数据框newdata中

方法1：直接取数据集名称[,]

newdata <- leadership[, c(6:10)]

myvars <- c("q1", "q2", "q3", "q4", "q5")
##myvars <- paste("q", 1:5, sep = "")
newdata = leadership(, myvars)

剔除变量q4、q5

方法1：

myvars <- names(leadership) %in% c("q4", "q5")
##names(leadership)中的每一个检查其中的每一个元素是否被包含于c(“q4”, “q5”),所以myvars一个由真假值组成的vector：

newdata <- leadership[!myvars]

方法2：

idx <- which(names(leadership) == c("q4","q5"))    ##返回9 10

newdata <- leadership[-idx]    ##-    表示除此之外

leadership[idx] <- NULL    
##newdata <- leadership[!idx]    返回data frame with 0 columns and 5 rows

方法3：

leadership$q4 <- NULL

leadership$q5 <- NULL

设定条件gender为M，age大于30的选入观测值

方法1：

newdata <- leadership[leadership$gender == "M" & leadership$age >30,]

方法2：

attach(leadership)

newdata <- leadership[gender == "M" & age > 30,]

detach(leadership)

##attach()，避免使用leadership$gender、leadership$age
##记得detach(),

选定时间范围在2009-01-01~2009-10-31之间的观测值

leadership$date <- as.Date(leadership$date, "%m/%d/%y")
##as.data(),将leadership$data改成日期格式

startdate <- as.Date("2009-01-01")
##开始时间，方便用比较进行限定

enddate <- as.Date("2009-10-31")
##结束时间，同上    as.data()函数改变其格式

newdata <- leadership[which(leadership$date >= startdate & leadership$date <= enddate),]
##同时满足要求截取子集

利用subset函数提取子集

选择age大于35或age小于24的行,并保留变量q1到q4

newdata <- subset(leadership, age>=35|age<=24, select = c('q1', 'q2', 'q3', 'q4'))
##subset截取，（数据集，限定条件，保留内容）

选择所有25岁以上的男性，并保留变量gender到q4（即gender到q4和其间的所有列）

newdata <- subset(leadership, age>25 &gender=="M", select = gender:q4)

利用sample函数从leadership数据集中随机抽取大小为3的样本

mysample <- leadership[sample(1:nrow(leadership), 3, replace = FALSE),]
##sample(范围，个数，是否重复抽样)