Lesson3: DataFrame中的数据处理操作

1、根据条件筛选行和列

既筛选行又筛选列

names(df) # 快速查看所有变量名，方便复制
df1 <- subset(df, EXPENOD>0, select<-c("AGE","ANYLIMIT","COLLEGE","HIGHSCH", "GENDER"))

只筛选行

df1 <- subset(df,ANYLIMIT==1)
# 或者
df1 <- df[df$ANYLIMIT==1,]

只筛选列

df1 <- subset(df,select=AGE:COLLEGE)
# 或者
df1 <- df[c("AGE","ANYLIMIT")]

筛选行和列后赋值

df$COLLEGE[df$AGE>20]<-"NO"

2、创建新变量

attach(df)
df$stupid <- AGE+ANYLIMIT
detach(df)

定义stupid时，不可以丢掉df$，那样会单独生成一个value，而非DataFrame中的变量。如果没加attach(df)，需要写成

df1$stupid <- df1$AGE + df1$ANYLIMIT

3、排序

df <-df1[order(df1$AGE,-df1$ANYLIMIT),] 
df2 <- df2[order(df2$EXPENDOP,na.last=TRUE,decreasing=TRUE),]

注意：1）必须加逗号 。2）排序变量必须加df1$。3）-负号意思是倒序排序。4）na.last=TRUE缺失值放在最后

4、重命名

重命名第2列

colnames(df5)[2] <- 'GENDER'

所有列重命名

names(df5) <- c("AGE","GENDER")

注意：c(“AGE”,“GENDER”)的维数要与df5相同。

5、转换数据类型

df$age <- as.character(df$age) # 变成字符型
df$age <- as.numeric(df$age) # 变成数值型
df$age <- as.logical(df$age) # 变成逻辑型

变成因子型

x <- c("F","M","X","M")
as.factor(x)
y <- c(1,3,2,5)
as.factor(y)

判断数据类型

is.numeric() 
is.logical() 
is.charactor() 
is.factor() 

6、缺失值处理

查看缺失值（注意：is.na只能判断数值型缺失，字符型无法判断）

is.na(df[c("age","ANYLIMIT")]) 
# 或者
is.na(df[,1:2])

删除有缺失值的行（同样只针对数值型缺失）

df2 <- na.omit(df2) # 只要有数值型缺失，就删
 # 或者
df2 <- df2[!is.na(df2["EXPENDOP"]),] # 删除EXPENDOP缺失的行

注意：逗号不可省略！表示依然保持原先的列，否则会变成一维数组

缺失值用0填充

df[is.na(df)] <- 0

把某些特殊标记改为缺失值

df$AGE[df$AGE == 9999] <- NA

7、日期

df$DATE <- as.Date(df$DATE, "%Y/%m/%d")

8、计算长度和维度

length(x) # 长度
dim(x) # 长宽维度

注：如果是2 * 2矩阵，length返回4；``返回长宽，2 * 2矩阵，dim返回2 2

9、创建有序型因子

status<-c("Poor","Improved","Excellent","Poor")
df <- data.frame(status,stringsAsFactors=TRUE) # 因子转换为数据框
df$status<-factor(df$status,order=TRUE,levels=c("Poor","Improved","Excellent"))# 有序