R語言—數據基礎及練習

## 創建leadership數據框
manager <- c(1,2,3,4,5)
date <-c("10/24/08","10/28/08","10/1/08","10/12/08","5/1/09")
country <- c("US","US","UK","UK","UK")
gender <- c("M","F","F","M","F")
age <- c(32,45,25,39,99)
q1 <- c(5,3,3,3,2)
q2 <- c(4,5,5,3,2)
q3 <- c(5,2,5,4,1)
q4 <- c(5,5,5,NA,2)
q5 <- c(5,5,2,NA,1)
leadership <- data.frame(manager,date,country,gender,age,q1,q2,q3,q4,q5,stringsAsFactors = FALSE)
leadership

##創建新變數
leadership <- transform(leadership,q6=q1+q2,q7=(q1+q2)/2)

##變數的重編碼
leadership <- within(leadership,{
                     agecat <- NA
                     agecat[age>75] <- "Elder"
                     agecat[age >=55 & age <=75] <- "Middle Aged"
                     agecat[age <55] <- "Young"})
leadership

##變數的重命名
install.packages("plyr")
library(plyr)
leadership <- rename(leadership, c(manager="managerID",date="testDate"))
leadership

##缺失值
缺失值是不可比較的
缺失數據需在分析前重新編碼為缺失值
is.na(leadership[,6:10])

##在分析中排除缺失值
含有缺失值的算術表達式和函數的計算結果也是缺失值
sum(q4,na.rm=T)

## na.omit()移除所有含有缺失值的觀測
leadership
mydata <- na.omit(leadership)
mydata

##日期值
as.Date()函數 將以字元串形式輸入R中的日期值轉化為以數值形式存儲的日期變數
myformat <- "%m/%d/%y"
leadership$testDate <- as.Date(leadership$testDate,myformat)
leadership
Sys.Date()#返回當天的日期
date()#返回當前的日期和時間
DOB <- as.Date("1997-08-21")
today <- Sys.Date()
difftime(today,DOB,units="weeks")

##類型轉換
is.datatype() 允許根據數據的具體類型加以不同的方式處理
as.datatype() 分析前先將數據進行轉化

##數據排序
order() 預設的排序順序--升序
在排序變數前加一個減號即可得到降序的排序結果
newdata <- leadership[order(leadership$age),]
newdata

##數據集的合併
向數據框添加列 cbind() #不需要一個公共索引
向數據框添加行 rbind() #註意多餘變數的處理
merge(dataframeA,dataframeB,by="") #橫向合併，通過一個或多個共有變數進行聯結

##數據集取子集
選入（保留）變數、剔除（丟棄）變數 #邏輯向量&比較運算符
選入觀測
#subset()函數
newdata <- subset(leadership, age >= 35 | age < 24, select=q1:q4)
newdata

隨機抽樣：從數據集中（有放回或無放回地）抽取大小為n的一個隨機樣本
#sample()函數
mysample <- leadership[sample(1:nrow(leadership),3,replace=F),]
mysample

練習題

一．將1、2、...20構成兩個5*4階的矩陣，其中矩陣A是按列輸入，矩陣B按行輸入

1. 將A和B按照行合併；

2. 將A和B轉化為數據框DA和DB，並將他們的列命名為("ID","A1","A2","A3")；

3. 以”ID”為條件將DA和DB進行匹配；

4. 在DA中選取“A2”列大於12且小於15的子集。

A=matrix(1:20,nrow=5,byrow=F)
A
B=matrix(1:20,nrow=5,byrow=T)
B

#(1)
rbind(A,B)

#(2)
colnames(A)=c("ID","A1","A2","A3")
DA=data.frame(A)
DA
colnames(B)=c("ID","A1","A2","A3")
DB=data.frame(B)
DB

#(3)
merge(DA,DB,by="ID")

#(4)
newdata=subset(DA,A2>12&A2<15,select=ID:A3)
newdata

二．隨機生成服從均值為2，標準差為3的正態分佈的長度為5的向量x

1. 將x降序排列，生成向量y
2. 採用有放回抽樣的方式從y中抽取3個元素
3. 採用不放回抽樣的方式，以概率prob=c(0.1,0.05,0.2,0.5,0.15)從中抽取3個元素。

#均值為2，標準差為3，長度為5的正態分佈
x = rnorm(5,2,3)
x

#(1)
y=x[order(-x)]
y

#(2)
y[sample(1:5,3,replace=T)]
y

#(3)
y[sample(1:5,3,replace=F,prob=c(0.1,0.05,0.2,0.5,0.15))]
y