fix()与edit()的区别

  • 用edit修改完关闭编辑器后，并不会保存你的修改
  • 用fix修改完关闭编辑器后就会直接保存你的修改

R语言中的逻辑运算符

Operator Description
< 小于、less than
<= 小于等于、less than or equal to
> 大于、greater than
>= 大于等于、greater than or equal to
== 相等、exactly equal to
!= 不相等、not equal to
!x 非、Not x
x | y 或、x OR y
x & y 与、x AND y
isTRUE(x) 测试是否为真（True）、test if X is TRUE

数据排序

order()

1
2
3
4
5
6
7
8
9
# 以mtcars数据为例对数据进行排序
attach(mtcars) # 固定数据集
# 按变量mpg排序
newdata <- mtcars[order(mpg),] 
# 按变量mpg和cyl排序
newdata <- mtcars[order(mpg, cyl),]
#按变量mpg（升序）和cyl（降序）排序
newdata <- mtcars[order(mpg, -cyl),]
detach(mtcars) # 解固定数据集

数据合并

向数据框添加列，通常用于向数据框中添加变量

  • merge() 函数
    • 数据帧必须具有相同的列名称，在其上进行合并
  • cbind() 函数
    • 两数据框的行数相同，并且位置已经匹配完成

向数据框中添加行，纵向联结通常用于向数据框中添加观测

  • rbind() 函数
    • 两个数据框必须拥有相同的变量，并且位置已经匹配完成

merge()

base 包（merge）

语法

1
2
3
4
merge(x, y, by = intersect(names(x), names(y)),
      by.x = 列名1, by.y = 列名2, all = FALSE, all.x = all, all.y = all,
      sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
      incomparables = NULL, ...)

属性

  • x,y：要合并的两个数据集
  • by：用于连接两个数据集的列，intersect(a,b)值向量a,b的交集，names(x)指提取数据集x的列名
  • by：intersect(names(x), names(y)) 是获取数据集x，y的列名后，提取其公共列名，作为两个数据集的连接列， 当有多个公共列时，需用下标指出公共列，如names(x)[1]，指定x数据集的第1列作为公共列。也可以直接写为 by = “公共列名” ，前提是两个数据集中都有该列名，并且大小写完全一致，R语言区分大小写
  • by.x，by.y：指定依据哪些列关联数据框，默认值为相同列名的列
  • all，all.x，all.y：指定x和y的行是否应该全在输出文件
  • sort：by指定的列（即公共列）是否要排序
  • suffixes：指定除by外相同列名的后缀；如设置 suffixes = c(“.xx”, “.yy”)，两个数据框都有列名 grade，关联后就会被区分为 grade.xx 和 grade.yy
  • incomparables：指定by中哪些单元不进行关联

常用的参数

  • by
    • 根据相同列名的列进行关联

  • by.x/by.y

    • 可以分别指定两个数据框的列进行关联

  • all/all.x/all.y

    • 逻辑变量，控制返回 x 和 y 所有/仅 x 数据框/仅 y 数据框的行

  • sort

    • 逻辑变量，根据关联的列进行排序

案例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
grade1 <- data.frame(number = c(2, 3, 1), Names = c("小明", "小红", "小李"), math = c(90, 80, 100))
grade2 <- data.frame(number = c(3, 1, 4), NAMES = c("小红", "小李", "小张"), english = c(100, 90, 80))
grade3 <- data
# 两个数据框定义了学号、姓名和成绩
grade1
#   number Names math
# 1      2  小明   90
# 2      3  小红   80
# 3      1  小李  100
grade2
#   number NAMES english
# 1      3  小红     100
# 2      1  小李      90
# 3      4  小张      80

merge(grade1, grade2)
#   number Names math NAMES english
# 1      1  小李  100  小李      90
# 2      3  小红   80  小红     100

默认时根据同名列进行关联，在上例中Names和NAMES由于大小写不一致，因此未关联，解决这个问题我们可以使用by.x、by.y关联。

1
2
3
4
merge(grade1, grade2, by.x = c("number", "Names"), by.y = c("number", "NAMES"))
#   number Names math english
# 1      1  小李  100      90
# 2      3  小红   80     100

通过 all/all.x/all.y 指定保留我们想要的行

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
merge(grade1, grade2, by.x = c("number", "Names"), by.y = c("number", "NAMES"),
      all = T) # 返回并集（保留所有行）
#   number Names math english
# 1      1  小李  100      90
# 2      2  小明   90      NA
# 3      3  小红   80     100
# 4      4  小张   NA      80
# 使用 NA 填补了缺失值

merge(grade1, grade2, by.x = c("number", "Names"), by.y = c("number", "NAMES"),
      all.x = T) # 仅保留 x 数据框的所有行
#   number Names math english
# 1      1  小李  100      90
# 2      2  小明   90      NA
# 3      3  小红   80     100
# 保留了 x 的所有行，因此小明的成绩被留下了

merge(grade1, grade2, by.x = c("number", "Names"), by.y = c("number", "NAMES"),
      all.y = T) # 仅保留 y 数据框的所有行
#  number Names math english
#1      1  小李  100      90
#2      3  小红   80     100
#3      4  小张   NA      80

最后我们通过 sort 对关联的变量进行排序。

默认 sort = T，将 by 中的第一个变量作为第一依据，第二个变量作为第二依据，以此类推进行排序。

注意观察下述代码与之前的差异：

1
2
3
4
5
6
7
merge(grade1, grade2, by.x = c("Names", "number"), by.y = c("NAMES", "number"),
      all = T)
#   Names number math english
# 1  小红      3   80     100
# 2  小李      1  100      90
# 3  小明      2   90      NA
# 4  小张      4   NA      80

cbind()

1
2
3
4
5
6
7
8
# Create vector objects.
city <- c("Tampa","Seattle","Hartford","Denver")
state <- c("FL","WA","CT","CO")
zipcode <- c(33602,98104,06161,80294)

# Combine above three vectors into one data frame.
addresses <- cbind(city,state,zipcode)
addresses
1
2
3
4
5
     city       state zipcode
[1,] "Tampa"    "FL"  "33602"
[2,] "Seattle"  "WA"  "98104"
[3,] "Hartford" "CT"  "6161" 
[4,] "Denver"   "CO"  "80294"

rbind()

1
2
3
4
5
6
7
# Create another data frame with similar columns
new.address <- data.frame(
   city = c("Lowry","Charlotte"),
   state = c("CO","FL"),
   zipcode = c("80230","33949"),
   stringsAsFactors = FALSE
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
new.address
       city state zipcode
1     Lowry    CO   80230
2 Charlotte    FL   33949
# Combine rows form both the data frames.
all.addresses <- rbind(addresses,new.address)
all.addresses
       city state zipcode
1     Tampa    FL   33602
2   Seattle    WA   98104
3  Hartford    CT    6161
4    Denver    CO   80294
#5、6为合并进来的行
5     Lowry    CO   80230
6 Charlotte    FL   33949

数据集取子集

构建数据框

1
2
3
4
5
6
7
8
9
10
11
12
13
PatientID<-c(1,2,3,4,5,6)
Data<-c("03/20/20","03/21/20","03/22/20","03/23/20","03/24/20","03/25/20")
Age<-c(18,25,26,35,48,50)
Gender<-c("M","F","F","M","F","M")
City<-c("福州","厦门","泉州","龙岩","漳州","三明")
Pr1<-c("69","57","67","65","72","55")
Pr2<-c("180","155","159","184","167","175")
Pr3<-c("11","14","34","23","35","12")
Pr4<-c("6","7","5","8","6","9")
Pr5<-c("20","34","35","56","47","19")
S1<-c(88,78,NA,56,45,60)
S2<-c(67,87,45,25,NA,96)
mydata<-data.frame(PatientID,Data,Age,Gender,City,Pr1,Pr2,Pr3,Pr4,Pr5,S1,S2)
1
2
3
4
5
6
7
  PatientID     Data Age Gender City Pr1 Pr2 Pr3 Pr4 Pr5 S1 S2
1         1 03/20/20  18      M 福州  69 180  11   6  20 88 67
2         2 03/21/20  25      F 厦门  57 155  14   7  34 78 87
3         3 03/22/20  26      F 泉州  67 159  34   5  35 NA 45
4         4 03/23/20  35      M 龙岩  65 184  23   8  56 56 25
5         5 03/24/20  48      F 漳州  72 167  35   6  47 45 NA
6         6 03/25/20  50      M 三明  55 175  12   9  19 60 96

选入（保留）变量

方法一

1
2
3
newdata1<-mydata[,c(6:10)]#其中的“,”表示默认选择所有行
> newdata1
newdata1
1
2
3
4
5
6
7
  Pr1 Pr2 Pr3 Pr4 Pr5
1  69 180  11   6  20
2  57 155  14   7  34
3  67 159  34   5  35
4  65 184  23   8  56
5  72 167  35   6  47
6  55 175  12   9  19

方法二

1
2
3
newdata3<-paste("Pr",1:5,sep="")
newdata3<-mydata[newdata3]
newdata3
1
2
3
4
5
6
7
8
9
10
11
> newdata3<-paste("Pr",1:5,sep="")
> newdata3
[1] "Pr1" "Pr2" "Pr3" "Pr4" "Pr5"
---
  Pr1 Pr2 Pr3 Pr4 Pr5
1  69 180  11   6  20
2  57 155  14   7  34
3  67 159  34   5  35
4  65 184  23   8  56
5  72 167  35   6  47
6  55 175  12   9  19

方法三

1
2
3
newdata2<-c("Pr1","Pr2","Pr3","Pr4","Pr5")
newdata2<-mydata[newdata2]
newdata2

剔除（丢弃）变量

若某个变量出现缺失值，在进一步分析之前可能需要丢掉

方法一

1
2
3
newdata4<-names(mydata)%in%c("Pr2","Pr4")
newdata5<-mydata[!newdata4]
newdata5
1
2
3
4
5
6
7
  PatientID     Data Age Gender City Pr1 Pr3 Pr5 S1 S2
1         1 03/20/20  18      M 福州  69  11  20 88 67
2         2 03/21/20  25      F 厦门  57  14  34 78 87
3         3 03/22/20  26      F 泉州  67  34  35 NA 45
4         4 03/23/20  35      M 龙岩  65  23  56 56 25
5         5 03/24/20  48      F 漳州  72  35  47 45 NA
6         6 03/25/20  50      M 三明  55  12  19 60 96

解释

  • names()
  • %in% ：用于提取两个向量中重合的部分，整体返回值为逻辑值
  • mydata[!newdata4]：!表示取反，也就是说返回除了“pr2”，”pr4”以外的值。

方法二

知道元素位置时

1
2
newdata6<-mydata[c(-7,-9)]
newdata6
1
2
3
4
5
6
7
  PatientID     Data Age Gender City Pr1 Pr3 Pr5 S1 S2
1         1 03/20/20  18      M 福州  69  11  20 88 67
2         2 03/21/20  25      F 厦门  57  14  34 78 87
3         3 03/22/20  26      F 泉州  67  34  35 NA 45
4         4 03/23/20  35      M 龙岩  65  23  56 56 25
5         5 03/24/20  48      F 漳州  72  35  47 45 NA
6         6 03/25/20  50      M 三明  55  12  19 60 96

方法三

1
2
mydata$Pr2<-mydata$Pr4<-NULL
mydata

选入观测

subset()函数

语法

1
subset(dataset , subset , select )

属性

  • dataset 是要进行操作的数据集
  • subset 是对数据的某些字段进行操作
  • select 选取要显示的字段

案例

选择mydata中的Age大于等于30或Age小于等于25的行，保留变量Pr1到Pr5

1
2
newdata9<-subset(mydata,Age>=35|Age<25,select=c(Pr1,Pr2,Pr3,Pr4,Pr5))
newdata9
1
2
3
4
5
  PatientID     Data Age Gender City Pr1 Pr3 Pr5 S1 S2
1         1 03/20/20  18      M 福州  69  11  20 88 67
4         4 03/23/20  35      M 龙岩  65  23  56 56 25
5         5 03/24/20  48      F 漳州  72  35  47 45 NA
6         6 03/25/20  50      M 三明  55  12  19 60 96

选60岁以上的男性，并保留变量Age到S1之间所有的列

1
2
3
  Gender City Pr1 Pr3 Pr5 S1
4      M 龙岩  65  23  56 56
6      M 三明  55  12  19 60

使用SQL语句操作数据框

1
2
install.packages("sqldf")
library(sqldf)

随机抽样

1
sample(x, size, replace = FALSE)

参数详解

  • x 整体数据，以向量形式给出
  • size 抽取样本的数目
  • replace 如果为F（默认），则是不重复抽样，此时size不能大于x的长度；
    如果为T，则是重复抽样，此时size允许大于x的长度

日期值

格 式 涵 义
%Y 年份，以四位数字表示，2007
%m 月份，以数字形式表示，从01到12
%d 月份中当的天数，从01到31
%b 月份，缩写，Feb
%B 月份，完整的月份名，指英文，February
%y 年份，以二位数字表示，07
…… ……

字符型转换为日期

1
as.Date()

返回当天日期

1
Sys.Date()

返回当前日期和时间

1
date()

输出指定格式的日期值

1
format(x,format="output_format")

计算时间间隔

1
difftime()

将日期转换为字符型变量

1
as.character()

其它复杂操作

  • lubridate包、timeDate包等