Iris的R语言命令工具箱(1)

本文介绍了使用R语言进行数据分析时的一些关键操作,包括CSV数据的导入导出,删除变量,Data Frame操作,时间数据处理,数据预处理,统计计算以及ggplot2的使用。详细讲解了如何将时间数据转化为可处理格式,以及运用dplyr和tidyr包进行数据筛选。此外,还提到了apply函数族在计算方差、均值和标准差等方面的应用,以及如何进行相关性分析。
摘要由CSDN通过智能技术生成

Iris的R语言命令工具箱(1)

最近在做数据分析,使用了R语言做了些数据处理和可视化,在此记下遇到过的问题、应用过的命令、处理方式以及工具包~

版权声明:本文为博主原创文章,转载请注明本文地址。http://www.cnblogs.com/o0Iris0o/p/6365927.html

1.CSV格式文件数据导入导出

1.1 导入CSV数据(导入CSV数据之后储存为“Data Frame数据框”数据结构)

## 导入csv数据
## 第一行没有表头
mytable <- read.csv("/FilePath/read.csv", sep=",", header=FALSE)
## 第一行有表头
mytable <- read.csv("/FilePath/read.csv", sep=",", header=TRUE)
## 手动选择文件读入
mytable <-read.table(file.choose(),stringsAsFactors=FALSE,header = FALSE)

1.2 导出CSV数据

write.csv(mytable,"/FilePath/write.csv",row.names = FALSE)  

2.删除指定变量或对象

1、直接删除
> a<-c(1,2,3)
> rm(a)

2、以字符串形式的方式删除
> a<-c(1,2,3)
> rm('a')

3、删除不再需要的对象
在使用R语言的过程中,除了要保留特定的对象外,其他的对象不再需要
> a<-ls()
> rm(list=a[which(a!='c2' & a !='m2' & a !='cpu1' & a !='mem1')])
> ls()
[
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值