r 行名相同的放在一行_R语言系列 数据处理

【免责声明：本文用于教学】

05. 数据处理

一、数据框创建新变量

假设有MyData数据框，其中变量为x1，x2. 现创建名为sumx和meanx的新变量，分别存储变量x1与x2的加和与均值。

MyData<-data.frame(x1 = c(2, 2, 6, 4), x2 = c(3, 4, 2, 8))

#方法1

MyData$sumx <- MyData$x1 + MyData$x2

MyData$meanx <- (MyData$x1 + MyData$x2)/2

#方法2

attach(MyData)

MyData$sumx <- x1+x2

MyData$meanx <- (x1+x2)/2

detach(MyData)

#方法3

MyData <- transform(MyData,

sumx = x1 + x2,

meanx = (x1+x2)/2)

二、变量的重命名

在处理数据和数据分析过程中，我们可能需要修改变量名。例如，由于R处理变量标签的能力有限，一种常见的解决方法是将变量标签作为变量名，然后通过位置下标来访问这个变量。修改变量名有以下几种常见方式。

1. 用交互式编辑器

若修改数据集x的变量名，键入函数fix(x)，即可打开交互式编辑器界面。

> score<-data.frame(student=c("A","B","C","D"),gender=c("M","M","F","F"),math=c(90,70,80,60),Eng=c(88,78,69,98),pl=c(66,59,NA,88))

> fix(score)

> score.list<-as.list(score) #将score转化为列表

> fix(score.list)

（1）若数据集为矩阵或数据框

将打开“数据编辑器”，单击要修改的变量名，在弹出的“变量编辑器”修改即可：

（2）若数据集为列表

将交互式编辑器为一个记事本，只需修改“.Names”之后对应的变量名即可：

2. 用函数rename()

reshape包中的函数rename()，用来修改数据库和列表的变量名，但不能修改矩阵的变量名，基本格式为：

rename(x, c(oldname="newname",...))

其中，oldname为原变量名，newname为新变量名。

library(reshape)

> rename(score,c(pl="chinese"))

student gender math Eng chinese

1 A M 90 88 66

2 B M 70 78 59

3 C F 80 69 NA

4 D F 60 98 88

> rename(score.list,c(pl="chinese"))

$student

[1] A B C D

Levels: A B C D

$gender

[1] M M F F

Levels: F M

$math

[1] 90 70 80 60

$Eng

[1] 88 78 69 98

$chinese

[1] 66 59 NA 88

注意：原数据集中的变量名并未被修改。

3. 用函数names()

和rename()一样可用来修改数据框和列表的变量名，不能修改矩阵的变量名；区别在于：names()会在原数据集中修改变量名。

其基本格式为：

names(x)[i]<- "newname"

> names(score)[5]="chinese"

> score

student gender math Eng chinese

1 A M 90 88 66

2 B M 70 78 59

3 C F 80 69 NA

4 D F 60 98 88

4. 用函数colnames()和rownames()

用来修改矩阵的变量名（行名和列名），也能修改数据框的行名和列名。基本格式为：

rownames(x)[i]<- "newname"

> colnames(score)[5]="Chinese"

> score

student gender math Eng Chinese

1 A M 90 88 66

2 B M 70 78 59

3 C F 80 69 NA

4 D F 60 98 88

> rownames(score)=letters[1:4]

> score

student gender math Eng Chinese

a A M 90 88 66

b B M 70 78 59

c C F 80 69 NA

d D F 60 98 88

三、变量的重新编码

例如，数据集Leader中连续型变量age重新编码为分类型变量rankAge (Young、Middle Aged、Elder)。【数据集缺失】

首先，必须把99岁的年龄值重新编码为缺失值：

Leader$age[Leader$age == 99] <-NA

然后创建rankAge变量：

Leader$rankAge[Leader$age>75] <- "Elder"

Leader$rankAge[Leader$age>=50 & Leader$age <=75] <- "Middle Aged"

Leader$rankAge[Leader$age<50] <- "Young"

或者

Leader<-within(Leader, {

rankAge<-NA

rankAge[age>75] <- "Elder"

rankAge[age>=50 & age<=75]<-"Middle Aged"

rankAge[age<50] <- "Young"})

四、数据排序

1.函数sort()，基本