r语言note_xmind

R

删除空间已有值

rm(list=ls())

变量重新编码

df$age[df$age>75]<-“Elder”

缺失值

is.na()

newdata <- na.omit(df)

列重命名

names(df)[2]<-‘testdate’

---

dplyr

转换

• ds<-tbl_df(mtcars)
• df<-as.data.frame(ds)
• tbl_df()可用于将过长过大的数据集转换为显示更友好的 tbl_df 类型。使用dplyr包处理数据前，建议先将数据集转换为tbl对象。

filter

• filter() 和slice()函数可以按给定的逻辑条件筛选出符合要求的子数据集, 类似于 base::subset() 函数，但代码更加简洁, 同时也支持对同一对象的任意个条件组合（表示AND时要使用&或者直接使用逗号），返回与.data相同类型的对象。原数据集行名称会被过滤掉。
• filter(mtcars,cyl<5 &vs==1)
• filter(mtcars,cyl %in%c(4,6)) #cyl=4 6的行
• slice(mtcars, 5:n()) #第5行到最后一行
• mydata11 <- filter(mydata, Index %in% c(“A”, “C”)) #%in%运算符可用于选择多个项目。 在下面的程序中，我们告诉R选择Index列中的’A’和’C’行。
• mydata14 <- filter(mydata, grepl(“Ar”, State)) #grepl 在state列中搜索包含“Ar”

arrange()

• arrange(mtcars,cyl,disp)
• 类似order()
• arrange(mtcars,desc(disp))

selet()

• select(iris,start_with(“petal”))
• select(iris,-start_with(“petal”))
• 包括starts_with，ends_with，contains，matches，one_of，num_range和everything等,筛选列

mutate()

• Subtopic 1
• mutate()和transmute()函数对已有列进行数据运算并添加为新列，类似于base::transform() 函数, 不同的是可以在同一语句中对刚增添加的列进行操作。mutate()返回的结果集会保留原有变量，transmute()只返回扩展的新变量。原数据集行名称会被过滤掉。 增加列
• mutate(mtcars,wt_kg=wt*453.592,wt_t=wt_kg/1000)

distinct()

• 去重 类似unique()
• distinct(df,df$c1,df$c2,.keep_all=T)

sample_n()

• sample_n(mtcars,10,replace=TRUE) #有重复的取50行
• sample_frac(mtcars,0.1) # 无重复 取0.1数据

group_by()

• by_cyl<-group_by(mtcars,cyl)

summarise()

• summarise(mtcars, max(disp), min(disp))
• summarise_at(mydata, vars(Y2005, Y2006), funs(n(), mean, median))
• summarise_if(mydata, is.numeric, funs(n(),mean,median))
• summarise_all(mydata[“Index”], funs(nlevels(.), nmiss=sum(is.na(.)))) #检查分类（因子）变量中的级别/类别数量和缺失观察数量。

t <- summarise_at(group_by(mydata, Index), vars(Y2011, Y2012), funs(n(), mean(., na.rm = TRUE)))或
t <- mydata %>% group_by(Index) %>%

summarise_at(vars(Y2011:Y2015), funs(n(), mean(., na.rm = TRUE)))
#通过变量Index计算变量Y2011和Y2012的变量的计数和均值。

join()

• semi_join(df1, df2, by = c(“CustomerId” = “CustomerId”))
• inner_join() full_join()
• semi_join() anti_join()
• left_join() right_join()

ifelse

• if_else(condition,true, false, missing = NULL)

bind

• bind_row()
• bind_cols()
• combine()

set

• intersect() #交集
• setdiff()

%>% 管道

# 对数据进行分布处理：分组-汇总-排序-打印
tbl_hflights %>%
  group_by(UniqueCarrier) %>%
  summarize(m = mean(AirTime,na.rm = TRUE), sd = sd(AirTime,na.rm = TRUE)) %>%
  arrange(desc(m),sd) %>%
  head(10)

---

工作路径

setwd(‘c:/myr’)

getwd()

查看数据

str(df)

• structure

summary(df)

is.na()

• sapply(pbc,function(x) sum(is.na(x)))

排序

• newdata<-df[order(df$age),]
• newdata <-df[order(df$sex,-df$age)]

---

数据类型

var<- c(1,2.5,4.5)

var<-c(“hello”,“world”)

x<-list(1:3,“a”,c(TRUE,FALSE),list(2.3,5))

df<-data.frame(x=1:3,y=c(“a”,“b”,“c”),z=0)

• dfname[1,1]
• dfname[1,]
• dfname[,‘y’]
• dfname$y

转换

• as.vector()
• as.data.frame()
• as.matrix()

包

install.packages(“plyr”)

update.packages()

factor

sex<-c(‘m’,‘f’,‘m’)

sex_factor<-factor(sex,levels=c(‘m’,‘f’))

full$Pclass<-as.factor(full$Pclss)

data$sex<-factor(data$sex,levels=c(0,1),labels=c(“M”,“F”))

IO

read.xlsx() 或 read.xlsx2()

df<-read.csv(‘c:/myr/data.csv’,header=TRUE,sep=’,’)

stata

• library(haven)
  df<-read_stata(‘CFPS.dta’)

spss

• write_sav(data.frame(df),‘df.sav’)

rds

• saveRDS(df,df=‘df.rds’)

结果输出

https://www.jianshu.com/p/1ece127239ed

xtable flextable

合并

full<-bind_rows(train,test)

添加列

• total<-merge(dfA,dfB,by=c(“ID”,“Country”))
• cbind

添加行

• total<- rbind(dfA,dfB)

lm

model<-lm(TestC~Age+relevel(Sex,“M”)) #哑变量

model<- lm(TestC~Agerelevel(Sex,“M”)) #AB=A+B+A:B

model1<-lm(TestC~Age+Age:relevel(Sex,“M”))

筛选

newdata<- subset(df, age>35 | age<24,select=c(q1,q2,q3,a4))

newdata <- subset(df,sex==“M” & age>20, select=sex:q4)

mysample<- df[sample(1:nrow(df),3,replace=FALSE),] #抽取三个样本

剔除列

• myvar<-names(df) %in% c(“q3”,“q4”)
  newdata<-df[!myvar]
• newdata<-df[c(-8,-9)] #剔除第8 9个变量

删除重复的行

• mydata %>% dplyr::distinct(c1,c2, .keep_all=TRUE)

  • dplyr

• df[!duplicated(df[,c(2,3)]),]

建议用dplyr

lm

confint(lm.reg,level=0.95) #置信区间

summary(fit)$coefficients

coef(model)[2]

画图

XMind - Trial Version