r dataframe 转成向量_快速掌握R语言中类SQL数据库操作技巧-CSDN博客

在数据分析中，往往会遇到各种复杂的数据处理操作：分组、排序、过滤、转置、填充、移动、合并、分裂、去重、找重、填充等操作。这时候R语言就是一个很好的选择：R可以高效地、优雅地解决数据处理操作。(本章节为R语言入门第二部分总结篇：数据操作)

本章内容布局思路：思来想后，想到SQL查询的查询思路可以作为本章节的布局思路

1.了解表结构/数据结构
2.对表中的一些数据做出修改、替换、甚至生成新字段
3.from：数据合并/连接
4.where：条件筛选/过滤
5.group：分组
6.having和select：呈现不明显
7.order：排序
8.其他补充

目录 1. 初识R语言支持的数据类型

1.1 向量 Vector : c()

1.2 矩阵 Matrix: matrix()

1.3 数据框 DataFrame: data.frame()

1.4 时间序列 XTS: xts()

1.5 因子Factor：factor(补充)

2.查看数据概况

summary()和str()

3.修改/替换/重定义数据 4.数据合并

3.1 向量合并

3.2 cbind列合并(等长)

3.3 rbind行合并

3.4 merge

3.5 补充：集合操作

4.过滤/筛选

4.1 缺失值处理

4.2 数据增减

4.3 数值分段cut

5.分组操作

5.1 aggregate语法

5.2 aggregate分组计算

5.3 aggregate分组计算(formula形式)

6. 排序order 7. 计数table 8. 分裂split 9. 去重与找重unique 10.转置

1. 初识R语言支持的数据类型

开始之前，需要先了解一下R语言支持的数据类型，以及这些常用类型的特点。以下4种类型是最常用的：向量、矩阵、数据框、时间序列。

可参考↓↓ R语言|第2讲：生成数据 R语言快速入门：数据结构+生成数据+数据引用+读取外部数据

向量 Vector : c()
矩阵 Matrix: matrix()
数据框 DataFrame: data.frame()
时间序列 XTS: xts()
因子Factor：factor(补充)

(图片来自于粉丝日志) 1.1 向量 Vector : c()

> x > x [1]  1  2  3  4  5  6  7  8  9 10

1.2 矩阵 Matrix: matrix()

#矩阵用法matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE,dimnames = NULL) #表示生成1行，1列的一个矩阵，其中仅仅包含一个元素“NA”#---示例---#> matrix(c(1,2,3, 11,12,13), nrow = 2, ncol = 3, byrow = TRUE, dimnames = list(c("row1", "row2"), c("C.1", "C.2", "C.3")))     C.1 C.2 C.3row1   1   2   3row2  11  12  13#nrow = 2和ncol = 3 定义2x3的2行3列矩阵#byrow = TRUE 是控制矩阵中的数据c(1,2,3, 11,12,13)按照行的顺序排列，默认按照列排列#dimnames = list(c("row1", "row2"), c("C.1", "C.2", "C.3")) 定义矩阵行名和列名

1.3 数据框 DataFrame: data.frame()

#其中" > x :15)  > y :5) #将向量x和y合并存储到数据框中，并重命名为xf和yf> data.frame(xf = x, yf = y)   xf yf1  11  12  12  23  13  34  14  45  15  5

1.4 时间序列 XTS: xts()

> library(xts)> x 11:> xts(x,order.by=as.Date('2019-09-14')+1:5)           [,1]2019-09-15   112019-09-16   122019-09-17   132019-09-18   142019-09-19   15

关于xts类型的详细介绍，请参考文章《可扩展的时间序列xts》http://blog.fens.me/r-xts/

1.5 因子Factor：factor(补充)可以理解为分类变量

#factor是numeric数值类型#factor(x = character(), levels, labels = levels,exc