R学习(1)-基本操作

R官方网址
下载教程就不说了，很简单

用这个来设置代码路径

setwd("C:/08_CS/Project/R/Sep")  #改成你的

getwd()

现在打开 R 控制台，并将工作目录设置为保存你下载的位置（或你的工作路径）。

加载 CSV 文件

本教程的数据在data文件夹里了。这是美国人口普查局美国社区调查的州级数据。它显示了不同人口统计数据的平均收入。该文件夹中有多个文件，我们需要的文件位于“data/ACS_13_5YR_S1903/ACS_13_5YR_S1903.csv”（获取方式看最下面👇）。这就是实际的数据文件，其他的是元数据。

将位置传递给 R 中的函数。

income <- read.csv("data/ACS_13_5YR_S1903/ACS_13_5YR_S1903.csv")

输入dim(income)获取新存储的数据框的维度。

该文件有 52 行和 123 列，现在存储在变量中。这会使用默认设置加载数据，R 会尝试猜测拥有的数据类型，但有时效果不佳。

例如，如果查看实际 CSV 文件 GEO.id2 的第二列，则代码的长度均为 2。但是，查看数据帧(income[,c(1,2)])的前两列时，可以看到read.csv()删除了前导零。这是因为 R 将数据列视为数字而不是字符。你可以使用参数指定它。

# Be more specific.
income <- read.csv("data/ACS_13_5YR_S1903/ACS_13_5YR_S1903.csv",
stringsAsFactors=FALSE, sep=",", colClasses=c("GEO.id2"="character"))

默认设置为FALSE

此外，分隔符(sep)显式设置为逗号以指示字段以逗号分隔。如果数据是制表符分隔的，请相应地设置值。

# Tab-delimited
income <- read.csv("data/ACS_13_5YR_S1903/ACS_13_5YR_S1903.tsv",
stringsAsFactors=FALSE, sep="\t", colClasses=c("GEO.id2"="character"))

如果有互联网连接，则可以通过 URL 加载数据。只需输入通常输入目录路径的 URL。其它都一样。

# Load from URL
income <- read.csv("http://datasets.flowingdata.com/tuts/2015/load-data/ACS_13_5YR_S1903.csv",
stringsAsFactors=FALSE, sep=",", colClasses=c("GEO.id2"="character"))

数据一览

加载数据后应该做的下一件事是确保它按预期加载。 R 提供了多种函数来查看数据的不同部分。

这个特定的数据集有 52 行和 123 列，因此调用 to 显示了相当多的信息。
输入以下内容以查看前几行。

head(income)

image

dim()函数指数据框的尺寸。

dim(income)

返回值如下，其中第一个值是行数，第二个值是列数：
[1] 52 123

查看列名称（全部 152 个）。

names(income)

并检查每一列的结构。在这种情况下，除了前两列之外的所有数字都是指示地理区域的 id。

str(income)

最后，要快速总结显示最小值、最大值、缺失值以及中间内容的每列，用summary() 。

# Quick summary
summary(income)

image

子集化

我们知道它是前七列，因为教程下载文件夹中有一个描述每一列的元数据文件。
也许我们现在只想查看总人口的收入估算。这是前七列（前两列指示区域）。以下是如何进行子集化以获得只有 7 列而不是原始 153 列的数据框。

# Just the first columns
    income_total <- income[,1:7]
    head(income_total)
    dim(income_total)

正如预期的那样，新维度为 52 行和 7 列。

还可以使用基于值的子集。也许我们只想看上面四分位数的状态。

 # Based on value
    income_upper <- subset(income_total, HC02_EST_VC02 >= 58985)

使用 na.omit()删除任何字段中缺少值的行。

# Extract missing data (in thise case, returns empty)
    income_without_na <- na.omit(income)

在这种情况下，可能会得到一个空数据框，因为每个州的 153 个字段中至少有一个缺失值。相反，如果你用 income_total运行该函数，只会获得相同的数据帧，因为前七列没有丢失任何值。

以下是如何使用names() 更改列名称。如果只调用names() ，该函数将返回现有的列名称，但如果为其分配一个名称向量（如下所示），将重命名。向量中名称的数量应与列的数量相同。

  # Change column names
    names(income_total) <- c("id", "FIPS", "name", "households", "households_moe", "med_income", "med_income_moe")
    head(income_total)

这样更容易读

image

要访问特定列，可以在数据框变量后面使用sign (\()，后跟列名称。例如，如果只需要列`med_income`，输入`income_total\)med_income` 。同样，可以通过使用$指定列名称来添加列，然后提供值向量。如果列存在，则现有值将更改为新值；如果列名称不存在，则创建新列。

例如，在income_total中，有中位数和误差幅度。假如想添加一列作为最小值，另一列作为最大值。用收入中位数加上和减去误差幅度。

# New columns
    income_total$med_min <- income_total$med_income - income_total$med_income_moe
    income_total$med_max <- income_total$med_income + income_total$med_income_moe
    New columns

想要将单位转换为千？将一列除以 1,000。

# Convert existing column
    income_total$med_min <- income_total$med_min / 1000
    income_total$med_max <- income_total$med_max / 1000

将向量除以单个数字时，会对该向量的每个元素执行该运算。其他基本操作相同。

与其他数据集合并

到目前为止，已经加载了一个数据集，对其进行了子集化，并将其添加到现有的数据框中。你还应该知道如何将多个数据集合并为一个。例如，假设你有 2008 年和 2013 年州一级的收入数据。

# Load two datasets
    income2008 <- read.csv("data/ACS_08_3YR_S1903/ACS_08_3YR_S1903.csv",
        stringsAsFactors=FALSE, sep=",", colClasses=c("GEO.id2"="character"))
    income2013 <- read.csv("data/ACS_13_5YR_S1903/ACS_13_5YR_S1903.csv",
        stringsAsFactors=FALSE, sep=",", colClasses=c("GEO.id2"="character"))

让我们分别获取 2008 年和 2013 年的三列：州 ID、总人口收入中位数以及误差幅度。

  # Subset
    income2008p <- income2008[,c("GEO.id2", "HC02_EST_VC02", "HC02_MOE_VC02")]
    income2013p <- income2013[,c("GEO.id2", "HC02_EST_VC02", "HC02_MOE_VC02")]

最好对估计列使用不同的名称。对于 id，它实际上是 FIPS（联邦信息处理标准）代码，我们在两个数据集中使其相同。

   # Rename headers
    names(income2008p) <- c("FIPS", "med2008", "moe2008")
    names(income2013p) <- c("FIPS", "med2013", "moe2013")

下面是合并前两个数据框的概览：

> head(income2008p)
  FIPS med2008 moe2008
1   01   42131     275
2   02   66293    1129
3   04   51124     309
4   05   39127     349
5   06   61154     173
6   08   56574     345
> head(income2013p)
  FIPS med2013 moe2013
1   01   43253     241
2   02   70760     732
3   04   49774     253
4   05   40768     330
5   06   61094     157
6   08   58433     314

现在使用merge() 将其组合在一起。

 # Combine
    income0813 <- merge(income2008p, income2013p, by="FIPS")

我们可以将上面的行 income2008p和 income2013p读取为合并并按 FIPS 列并将其存储在income0813 .这是获得的五列数据框：

> head(income0813)
  FIPS med2008 moe2008 med2013 moe2013
1   01   42131     275   43253     241
2   02   66293    1129   70760     732
3   04   51124     309   49774     253
4   05   39127     349   40768     330
5   06   61154     173   61094     157
6   08   56574     345   58433     314

将数据保存为文件

最后，将数据框保存为 CSV 文件，以便在不同的程序中使用。使用函数write.table() .指定数据框、文件目标和分隔符。默认情况下使用行名称，但我通常将其设置为 false。


write.table(income_total, "data/income-totals.csv",
row.names=FALSE, sep=",")

回顾一下：

  • 首先解压缩文件加载数据
  • 子集数据框
  • 编辑数据以使其更易于管理
  • 合并多个数据集

这些是 R 中的基本操作。

代码及数据
链接：https://pan.quark.cn/s/9e965dd0c470

posted on 2023-09-18 19:30  Arya32f  阅读(7)  评论(0)  编辑  收藏  举报

导航