R-基本数据管理-ch4

1、创建新变量

     新变量<-表达式，表达式中会涉及到算数运算符，+-*/^

2、变量的重编码

对满足条件的赋值：语句variable[condition] <- expression将仅在condition的值为TRUE时执行赋值。

在此用到函数within()，与函数with()类似（见2.2.4节），不同的是它允许你修改数据框。

3、变量的重命名

有三种方法：

（1）用函数fix(数据框)调用一个交互式编辑器，单击变量名修改

 （2）使用reshape包中有一个rename()函数，可用于修改变量名。rename()函数的使用格式为

 （3）通过names()函数来重命名变量。例如：

4、缺失值

缺失值以符号NA（Not Available，不可用）表示；

不可能出现的值（例如，被0除的结果）通过符号NaN（Not a Number，非数值）来表示。

函数is.na()用于检测缺失值是否存在。is.na()函数作用于一个对象上，则它返回一个相同大小的对象，如果某个元素是缺失值，相应的位置将被改写为TRUE，不是缺失值的位置则为FALSE。

注：缺失值被认为是不可比较的，即便是与缺失值自身的比较。这意味着无法使用比较运算符来检测缺失值是否存在。例如，逻辑测试myvar == NA的结果永远不会为TRUE。

（1）重编码某些值为缺失值：

（2）在分析中排除缺失值：

方法一：在使用函数处理不完整的数据时，请务必查阅它们的帮助文档（例如，help(sum)），检查这些函数是如何处理缺失数据的。好在多数的数值函数都拥有一个na.rm=TRUE选项，可以在计算之前移除缺失值并使用剩余值进行计算。如：

方法二：通过函数na.omit()移除所有含有缺失值的观测，该函数可以删除所有含有缺失数据的行。

方法三：第15章中探索若干更为复杂精妙的缺失值处理方法。

5、日期值

日期值通常以字符串的形式输入到R中，然后转化为以数值形式存储的日期变量：

函数as.Date()用于执行这种转化，其语法为as.Date("x", "input_format")，其中x是字符型数据，input_format则给出了用于读入日期的适当格式，其的默认输入格式为yyyy-mm-dd。

函数Sys.Date()返回当天的日期；

函数date()返回当前的日期和时间；

函数format(x, format="output_format")用来输出指定格式的日期值，并且可以提取日期值中的某些部分（月、周、星期等）。该函数接受一个参数x并按某种个数输出结果。

函数difftime()用来计算时间间隔。日期值可以执行算数运算的原因是R存储的日期是用自1970年1月1日以来的天数表示的。

例子：如何把日期为yyyy-mm-dd格式转化为mm/dd/yy

首先把输入的字符型日期转化为数值型日期，然后再用format()函数

（1）将日期转换为字符型变量

不太常用。使用函数as.character()

（2）更进一步

进行复杂的日期和时间处理，可使用lubridate包。了解更多日期的细节可以查看?as.date  ?strftime   ?ISOdatetime

6、类型转换

7、数据排序

使用order()函数对一个数据框进行排序。默认的排序顺序是升序，在排序变量的前边加一个减号即可得到降序的排序结果。

8、数据集的合并

向数据框中添加列（变量）和行（观测）

（1）添加列

merge()函数在多数情况下，两个数据框是通过一个或多个共有变量进行联结的（即一种内联结，inner join）。横向联结通常用于向数据框中添加变量，格式为：

（2）添加行

rbind()函数

例子：

9、数据集取子集

（1）选入(保留)变量

以下例子是针对数据框的子集选取：

（2）剔除(丢弃)变量

方法一：

方法二：

 

 （3）选入观测

从数据框total2中选出年龄大于20且是女性的观测值：

拆分看

（4）subset()函数

以上（1）-（3）的方法都可以用subset()函数代替，例子如下:

筛选出年龄大于20的女性，保留变量gender和sale。

（5）随机抽样

更全和复杂的抽样工具是sampling包和survey包

10、使用SQL语句操作数据框