R语言mad(c(1 2 3 4)),R语言--数据管理-R语言实战笔记-第四&五章

第四、第五章都是说的数据管理，合并在一起做个总结，在个人看来，数据管理是一件非常繁琐的事情，但是，每个统计的前提都是一个合适的数据样本，对的，“合适”，做到合适可不是一个简单的事情。

本文就不分基本和高级两部分了，合在一起写吧。

首先，我们建立一个数据框，这个数据框的数据来源可以随意，我直接使用书上面的例子吧。(PS:markdown和R的脚本，一大堆的#号~简直想死的心都有了~)

首先是数据框建立

manager

date

gender

age

q1

q2

q3

q4

q5

leadership

得到一个数据框如下：

从表中看出，有日期是“月/日/年”，我想作为一个中国人，是绝对看不惯这种日期的，别的不说，我就问一句，在不知道格式的情况下，他们是怎么区分“01/02/03”是什么鬼日期？有年龄是99的，还不退休？有q4和q5是空着的，调查表经常会碰到这种不填的行为，没办法，只能认了，删除or接受or修改后接受？看需求了。

OK，让我们来直接使用敲代码的方式去引入本章的内容！

基本数据管理

创建变量(把q1和q2，q2和q3的和和平均值求出来)

直接使用

使用within函数简化输入，和with不同的是，within可以修改数据框

leadership$q1q2

leadership

使用transform(数据框对象，新列名1=公式1，新列名2=公式2……)

leadership

变量重编码(替换99岁那家伙，把年龄分组)，先替换年龄

leadership$age[leadership$age==99]

然后分组，建立一个新变量来处理分组后的分组类别

leadership

agecat

agecat[age>55]

agecat[age>=35 & age<55]

agecat[age<35]

再然后重命名数据框内的变量，注意，是数据框内的变量，又叫字段字，有两个方法

1、是reshape的rename方法

install.packages("reshape")

library(reshape)

leadership

2、names方法(与上述方法等效，选择一个即可)

names(leadership)[1:2]

缺失值的简单处理，书上说，后面有更复杂精妙的处理方法-_-!

首先判断缺失值，它不是一个值，只能使用is.na()函数来判断

is.na(leadership[,6:10])

然后标记缺失值，使用NA即可，如上述修改年龄(即变量重编码)的方式修改，这里就不重复了

排除缺失值(在多数统计函数中，有na.rm=TRUE的方式去排除缺失值，默认是不排除的,下面两句的计算结果是不同的，支持与否看具体函数的help)

sum(leadership$q4)

sum(leadership$q4,na.rm=TRUE)

删除含有缺失值的行(你要把它赋值到变量，不然没用，如果这都不理解，说明基础还不过关，回头复习吧，骚年~)

na.omit(leadership)

日期值处理

我们在看leadership数据框的时候发现日期这一个变量还是char类型，不是日期类型，所以，我们要告诉R，这个变量是日期。什么，怎么看类型？来来来，一锤子把电脑磕开就可以看到了

首先要明白日期格式，这里看下面的附表吧，在这里要用到的是%y(后两位年份),%m(两位月份),%d(两位日期)

leadership$testDate

日期值的默认格式是”2016-09-15”，你告诉了R，那个字段是日期，它的格式是什么，这样，之后无论你用什么格式奇葩格式表示日期，R都能认识了，比如“日日日日日日月年”什么的~

再介绍几个用得着的函数

Sys.Date() #当前日期“yyyy-mm-dd"格式

date() #当前日期时间"%a %b %d %H:%M:%S %Y"，虽然有用，但是又是一个奇葩格式，面貌，我目前没有找到怎么把它转换成日期的方式，求大神解释

Sys.time() #当前日期时间"%Y-%m-%d %H:%M:%S CST"

日期是可以进行加减运算的！但是两日期差异运算要求两者具有的精度是日期，不能包含时分秒，要使用时分秒运算，需要使用difftime来计算。

Sys.Date()-as.Date("2016-12-11")

difftime(Sys.Date(),as.Date("2016-12-11"),units = "mins")

关于日期函数的处理，有一个天大的坑在这里，如果你的操作系统的日期格式是中文的，用Sys.getlocale(“LC_TIM