r 提取列形成新数据框_R数据整理

“ 数据统计分析的前奏--数据整理”       导入R studio中的数据文件是以数据框(data.frame)形式呈现的，通俗理解的话，数据框就是常说的表格，数据框具有行和列的二维结构，每一列长度相等，同一列的数据类型一致(R中常见的三种数据类型为：数值型numeric，字符型character，逻辑型logical)，不同的列的数据类型可以不一样 [1] 。       现就数据整理的练习做个笔记。首先进行数据导入，数据导入有多种方式，详见笔者上一篇推文 R数据读取和保存 。首先打开R studio，键入read.csv()命令，再通过file.choose()调出复选框，通过文件目录选择导入的文件。

#导入数据，这里是通过选择文件file.choose()导入csv格式的数据文件。mydata 

*数据较大，这里只能通过截图呈现部分数据。 1 查看数据

#查看数据前6行head(mydata)

#查看全部数据print(mydata)

             当然，还有最简单的办法就是在R studio中的Environment中找到mydata直接点击，这样数据就可以直接显示在R studio中左上角部分。       想要对数据结构有个整体了解，可以通过str()进行查看。

#查看数据结构str(mydata)

好了，数据已经导入，下面开始对数据进行一些简单常用的操作。      2 重命名        这里mydata中第9、10、11列的列名太长，通过colnames对它进行重命名。        也可以对mydata数据框所有列进行重命名，colnames "year","nit","pat","rep","LER","MO","CO","IMY","CCAG","COG","MAG","TND")

# 重命名9、10、11列的列名colnames(mydata)[9:11] "CCAG",

3 增删行列

# 删除第3列，可以看到pattern列没有了mydata[,-3]

# 删除第3行数据mydata[-3,]

             实际上，[]中的-号去除后的反向操作是提取这些数据要素，我们可以看一下效果。

# 提取第3行mydata[3,]

# 提取第3列mydata[,3]

# 提取1到3行的数据mydata[1:3,]

# 提取1到3列的数据mydata[,1:3]

      下面是增加列或者行，最基本的增加1列，可以通过创建新的列变量，然后再创建新的数据框，将新变量加入。如，创建新列New 需要注意的是要保证创建的新列长度与mydata列长度一致。

# 创建新的列New # 创建新的数据框mydata2mydata2 

# 创建行rowrow # 添加row到mydata，形成新的数据框mydata3mydata3 

可以看到，新增的73行在数据框最下方。 通过transform函数增加新列

# 增加1列，列名为New，新增的列是LER列和MO列的和transform(mydata,New=LER+MO)

     4 数据提取 这里通过dplyr包来实现。

# 调用dplyr包library(dplyr)# 选择mydata数据集中nitrogen=120的数据mydata %>% filter(nitrogen==120)

 

# 将列LER提取出来select(mydata,LER)

# 选择1到5列select(mydata,1:5)

#选择列名中有字母"O"的列select(mydata,contains("O"))

#选择列名中以字母“M”开头的列select(mydata,starts_with("M"))

5 数据排序

#以列pattern进行排序arrange(mydata,pattern)

#按年份以降序排列arrange(mydata,desc(year))

      以上是本人此次数据整理练习的笔记，学习过程中了解到，有些操作的实现不只是一种方法的，本文只是用到了其中的一小部分。       实际上以我个人的理解，数据整理的这部分工作可以通过Excel完成，也就是说在Evcel中对想要的数据进行整理后再转换成csv或者txt格式导入R即可。岂不是也很方便。       当然，数据的整理也是R的基本操作，学习R就在于实际操作，所以以后还是要熟练掌握并运用这些基本操作才能对R驾轻就熟。 参考文献： [1] R 数据框 (https://www.runoob.com/r/r-data-frame.html)