Neverland

lubridate包常用于处理时间数据的数据集，提供很便利的解析日期与时间的内置函数。相较于R内置的时间处理函数，lubridate包的处理方法会更快且更加丰富。lubridate包主要有两类函数，一类是处理时点数据（time instants），另一类是处理时段数据（time spans）。1. 解析日期和时间 以下的内置函数可用于根据输入向量中年月日元素的顺序解析日期。可以将字符和数字向量中的日期转换为date或者POSIXct对象，这些函数可以识别任意的非数字分隔符（或者...

tidyr用于数据处理，可以实现数据长格式和宽格式之间的相互转换，这里所指的长格式数据就是一个观测对象由多行组成，而宽数据格式则是一个观测仅由一行组成。除此之外，tidyr还可以对数据进行拆分和合并，同时也能够对缺失值进行简单的处理。tidyr的转换函数gather（宽到长）和spread（长到宽）所需参数少，逻辑上更易理解，自始至终都围绕着data，key、value三个参数来进行设定，对比其它R语言长宽格式互换的实现方式，个人认为tidyr操作性还是比较突出的。1. gather实现wi...

plyr包可以将函数运行在某个R对象上，经过Split-Apply-Combine把数据集分割成更小的数据集，对分割后的数据应用函数，最后汇总计算结果。根据不同的输入对象类型（数组，数据框或列表）plyr提供了不同的函数，输出数组，数据框，列表或者选择不输出。plyr的优势在于能够以简洁的代码替换复杂的循环操作，进而提高计算性能。以下为plyr包的主要函数： 输入对象 输出矩阵 输出数据框 输出列表 ...

R语言apply系列函数的基本作用是对数组（array，可以是多维）或者列表（list）按照元素或元素构成的子集合进行迭代，并将当前元素或子集合作为参数调用某个指定函数。vector是一维的array，dataframe可以看作特殊的list。

在挖掘分析的过程当中对字符串的处理是极为重要的，且出现也较为频繁，R语言作为当前最为流行的开源数据分析和可视化平台，虽然文本的处理并不是它的强项, 但是R语言还是包含了些较为常用的字符串处理函数，本文将着重介绍各个函数及其使用方法。

R包dplyr可用于处理R内部或者外部的结构化数据，相较于plyr包，dplyr专注接受dataframe对象, 大幅提高了速度,并且提供了更稳健的数据库接口。同时，dplyr包可用于操作Spark的dataframe。1. 数据集类型转换    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。

      R语言具有较强的数据分析能力，但是对于数据处理，尤其是面对较大数据量时，就有很多的不足之处，为了解决处理较大数据集的问题，R中涌现了一系列数据处理的包，data.table包就是其中之一。data.table是对data.frame的扩展类型，因此适用于data.frame的函数也同样适用于data.table，不同的是data.table增加了索引设置，数据处理效率更高，能够快速地进...

数据集中往往存在缺失值，在进行数据分析前需要了解数据的缺失值情况。R语言中的一些基本函数可用于查询缺失数据，另外还有一些第三方包可用于查询和处理数据缺失。     基本的缺失值查询可以通过is.na()和complete.cases()函数，当存在缺失值NA或者NAN时is.na()返回TRUE， complete.cases()则返回FALSE。#使用PimaIndiansDiabe

       大家可能对使用dos或者shell创建文件及文件夹或者查看和修改其属性并不陌生，其实R语言的基础函数中也囊括了文件夹和文件的基本操作函数，由于使用R的过程中会常常需要与文件打交道，因此一些基本的文件操作函数在实际使用中是十分常见的，这里做了一些简单的整理。列出路劲下的文件/目录 :#列出当前目录下的文件和文件夹list.files(path = ".", pattern = NUL...