一、查看和编辑数据

1、查看数据

直接打印到控制台

x <- data.frame(a=1:20, b=21:30)
x

View()函数

此函数可以将数据以电子表格的形式进行展示。

用reshape2包中的tips进行举例：

library("reshape2")
View(tips)

head()函数

 查看前几行数据，参数n表示需要查看的行数，默认为6

tail()函数

查看后几行数据，参数n表示需要查看的行数，默认为6

2、编辑数据

fix()函数

 数据较少时，可以用此函数来编辑数据。使用时，会出现如下所示的一个弹窗，可以直接在这上面编辑数据。

当数据量特别大时，不适宜用此方法。

fix(tips)

 edit()函数

使用此函数，会生成一个新的数据，如果没有将新数据赋值给变量，它将直接打印到控制台。使用时，也会出现如下所示的一个弹窗，可以直接在这上面编辑数据。

当数据量特别大时，不适宜用此方法。

edit(tips)

二、筛选数据

subset()函数

此函数可对向量、矩阵和数据框提取子集，它允许直接使用列名或变量名，使得相较于中括号来说可读性更强。

以下通过reshape2包中的tips数据集进行举例：

# 筛选tips数据集中，星期天消费大于40美元，小费大于5美元，且不吸烟的男性买单
# 方法一：用中括号
tips[tips$total_bill > 20 &
     tips$tip > 5 &
     tips$sex == "Male" &
     tips$smoker == "No" &
     tips$day == "Sun",
     c("total_bill", "tip", "sex", "smoker", "day")]
# 方法二：使用subset()函数进行筛选
subset(tips,
        subset = total_bill > 20 & 
            tip > 5 &
            sex == "Male" &
            smoker == "No" &
            day == "Sun",
        select = c("total_bill", "tip", "sex", "smoker", "day")
       )

 将上述方法一进行改进：使用with()函数，它的作用是对当前数据构建一个环境，并在该环境中计算表达式。

with(tips,
     tips[total_bill > 20 &
            tip > 5 &
            sex == "Male" &
            smoker == "No" &
            day == "Sun",
         c("total_bill", "tip", "sex", "smoker", "day")])

 sample()函数：随机抽样

此函数的3个重要参数：

1. size：抽样数量
2. replace：是否有放回地抽样
3. prob：按照一定的概率进行抽样

x <- letters
sample(x, size=12)

y <- array(LETTERS[1:24], dim=c(3,4,2))
sample(y,size=12)

如果对数据框和列表使用sample()函数，那么得到的结果是对列或元素的随机抽样。对数据框来说，希望得到对行的随机抽样，所以需要先对行号随机抽样，然后选取相应的行。

 对列表进行随机抽样：

x <- list(a = c(1,3,4), b = letters, c=3:15, d=month.abb)
x
sample(x, size=3)

 对数据框进行随机抽样：

tips[sample(1:nrow(tips), 3),]

 三、合并数据

paste()和paste0()函数

将向量以字符串的形式拼接起来。

c()函数

将几个向量合并为更大的向量或列表

data.frame()函数

合并数据框。

cbind()函数

按列合并

x <- tips[,c(1,2)]
head(x)
y <- tips[,c(5,6)]
head(y)
z <- cbind(x,y)
head(z)

rbind()函数

 按行合并，且在合并时数据的列名称必须一样，但对列的顺序没要求。

x <- tips[sample(1:nrow(tips), 100),]
head(x)
y <- tips[sample(1:nrow(tips), 50),][,7:1] # y的列名称顺序与x相反
head(y)
z <- rbind(x,y)
head(z)

merge()函数

 

# 构建作者信息表
authors <- data.frame(
  name = I(c("Tukey", "Venables", "Tierney", "Ripley", "McNeil")),
  nationality = c("US", "Australia", "US", "UK", "Australia"),
  deceased = c("yes", rep("no", 4)))
authors
authors.new <- within(authors,
                      { surname <- name; rm(name) }) 
authors.new  

# 构建著作信息表
books <- data.frame(
  name = I(c("Tukey", "Venables", "Tierney",
             "Ripley", "Ripley", "McNeil", "R Core")),
  other.author = c(NA, "Ripley", NA, NA, NA, NA,"Venables & Smith"),
  title = c("Exploratory Data Analysis",
            "Modern Applied Statistics with S-PLUS",
            "LISP-STAT",
            "Spatial Statistics", 
            "Stochastic Simulation",
            "Interactive Data Analysis",
            "An Introduction to R"),
  publishers = c("Addison-Wesley","Springer","Wiley-Interscience",
                 "Springer","Wiley-Interscience",
                 "Wiley","Samurai Media Limited"),
  year = c(1977,1994,1990,1988,2006,1992,2015))
books

合并有相同列名的数据框

merge(authors,books,by = "name")

合并没有相同列名的数据框

merge(authors.new,books,by.x = "surname",by.y = "name")

四、分组和汇总

 cut()函数

x <- rnorm(20,10,5)
# 按c(min(x),5,10,15,max(x))区间将x分成4个区间（组）
# include.lowest表示第一组是否包含最小值
cut(x,breaks = c(min(x),5,10,15,max(x)),include.lowest = T)

# 可以为每一个组赋予标签
cut(x,breaks = c(min(x),5,10,15,max(x)),
    labels = c("第一组","第二组","第三组","第四组"),
    include.lowest = T)

# 实际应用中往往是在数据框中生成新列
a <- data.frame(x = x)
a$y <- cut(a$x,breaks = c(min(a$x),5,10,15,max(a$x)),
           labels = c("第一组","第二组","第三组","第四组"),
           include.lowest = T)
head(a)

split()函数