R一些语法

1.读文件：
读CSV文件：

U <-read.csv(("G:/JD_data/data/JData_User.csv"),header=TRUE)
//不加header默认False，即就是数据框的列名为V1，V2...
//header=TRUE,第一列为列名

2.随机抽样

sample(x, size, replace = FALSE, prob = NULL)
//replace 是否放回抽样
//prob 所抽取元素的概率
//x里面抽size个数据

• 可以用于数据框的随机提取某几行数据

3.读取数据框信息
（1）数据框行数：nrow
（2）数据框列数：ncol
（3）转化为矩阵：data.matrix()

4.合并数据框
（1）横向合并

merge(x = df1, y = df2, by = "某列", all = TRUE)     
//inner
merge(x = df1, y = df2, by = "CustomerId", all.x = TRUE)
//left(以x为主)
merge(x = df1, y = df2, by = "CustomerId", all.y = TRUE) 
//right（以y为主）
 merge(x = df1, y = df2, by = NULL)
 //outer（相当于笛卡尔积）

（2）纵向合并
rbind（df1，df2）

plyr包中可以将两个列数不同的数据框进行垂直合并（纵向合并），没有该列的用NA填充，代码：

library("plyr")
df.new <- rbind.fill(df1,df2)

5.数据框去重

df1 <- df1[!duplicated(df1),]
//去掉所有重复的行
df1 <- df1[!duplicated(df1[,c(2,3)]),]
//去掉第2和第3列重复的行

6.缺失值处理
NA：代表缺失值
NaN：代表不可能的值
Inf：代表正无穷
-Inf：代表负无穷

is.na（）：识别缺失值
is.nan（）：识别不可能值
is.infinite（）：无穷值

complete.cases（）可用来识别矩阵或数据框中没有缺失值的行，若每行都包含完整的实例，则返回TRUE的逻辑向量，若每行有一个或多个缺失值，则返回FALSE；

df1 <- test[complete.cases(df1),]
//可以去掉含有缺失值的行

7.分组求和

a=data.frame(customer=c('a','b','a','m','a','b'),consumption=1:6)
a
  customer consumption
1        a           1
2        b           2
3        a           3
4        m           4
5        a           5
6        b           6

tapply(a$consumption,a$customer,sum)
a b m
9 8 4

tapply(a$consumption,a$customer,length)
a b m
3 2 1

利用两列的关系进行分组求和

a=data.frame(customer=c('a','b','a','m','a','b'),consumption=1:6,groups=c('A','B','A','B','A','B'))

aggregate(a$consumption, list(a$customer,a$groups), sum)
 Group.1 Group.2 x
1       a       A 9
2       b       B 8
3       m       B 4

8.最大值
（1）找最大值：max()
（2）找最大值的下标：which.max()

9.数据中心化（标准化，最小-最大规范化）

即就是将数据映射到[0,1]之间：

公式： x-min(x) / max(x)-min(x)

for(i in 1:ncol){
df1[,i]=(df1[,i]-min(df1[,i]))/(max(df1[,i])-min(df1[,i]))}