R语言学习笔记总结

R语言初步-用dplyr进行数据转换

五个核心dplyr函数

按筛选值观测：filter()
对行进行重新排序：arrange()
对名称选取变量：select()
使用现有变量的函数创建新的变量：mutate()
mutate:变异 ; 突变 ; 改变 ; 数据修改 ; 变种 ; 变化 ; 产生突变
将多个值总结为一个摘要统计量：summarize()

工作规律：

• 第一个参数是数据框
• 随后的参数是变量名称
• 输出新的数据框

补充：

关于数据类型的说明
1.int：整数型变量
2.dbl：双精度浮点数形变量，实数
3.chr：字符向量，字符串
4.dttm：日期＋时间格式的数据
5.lgl：逻辑型变量，TRUE或者FALSE
6.fctr：因子，R语言中，用它来表示具有固定数目的值的分类变量
7.data：日期型变量

install.packages("tidyverse")
install.packages("nycflights13")#仍然记得要先安装
library(nycflights13)#航班信息文件
library(tidyverse)

?flights#查看数据信息的说明书
flights#查看航班信息

1.使用filter() 筛选 行

filter(flights,month==1,day==1)
#运行后所有一月一日的航班信息自动形成新的数据：

注意R语言中的等于是==，注意输入细节。
运行结果：

# A tibble: 842 x 19
    year month   day dep_time sched_dep_time dep_delay arr_time
   <int> <int> <int>    <int>          <int>     <dbl>    <int>
 1  2013     1     1      517            515         2      830
 2  2013     1     1      533            529         4      850
 3  2013     1     1      542            540         2      923
 4  2013     1     1      544            545        -1     1004
 5  2013     1     1      554            600        -6      812
 6  2013     1     1      554            558        -4      740
 7  2013     1     1      555            600        -5      913
 8  2013     1     1      557            600        -3      709
 9  2013     1     1      557            600        -3      838
10  2013     1     1      558            600        -2      753
# ... with 832 more rows, and 12 more variables: sched_arr_time <int>,
#   arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
#   origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
#   minute <dbl>, time_hour <dttm>

此时生成的新数据框只是一个展示，如果想要继续使用这个数据，那就需要~给他一个名分--比如赋值给Jan1

• 小小技巧~❀:Alt键和减号键一起按，可以快速打出R语言中的赋值符号

Jan1 <- filter(flights,month==1,day==1)

熟练操作后，筛选和赋值也可以同步进行：

(dec25 <- filter(flights,month==12,day==5))
#运行后直接展示生成的数据框

结果：

# A tibble: 969 x 19
    year month   day dep_time sched_dep_time dep_delay arr_time
   <int> <int> <int>    <int>          <int>     <dbl>    <int>
 1  2013    12     5       16           2159       137      117
 2  2013    12     5       27           2035       232      143
 3  2013    12     5       31           2229       122      153
 4  2013    12     5       32           1930       302      228
 5  2013    12     5       38           2359        39      505
 6  2013    12     5       50           2046       244      233
 7  2013    12     5       56           2359        57      510
 8  2013    12     5      155           2130       265      445
 9  2013    12     5      457            500        -3      637
10  2013    12     5      512            515        -3      753
# ... with 959 more rows, and 12 more variables: sched_arr_time <int>,
#   arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
#   origin <chr>, dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>,
#   minute <dbl>, time_hour <dttm>

关于基本运算符

• ">"
• ">="
• "<"
• "<="
• "!=" 不等于
• "==" 等于 *很容易和=搞混

常见错误举例：

sqrt(2)^2==2 #sqrt()根号
#运行：
[1] FALSE

1/49*49==1
#运行：
[1] FALSE

解释：计算机后台已经进行了计算，成为一个近似值所以sqrt(2)等于1.414（浮点数），平方运算后也不等于2，运行结果当然是FALSE。

比较浮点数是否相等的函数near()：

near(sqrt(2)^2,2)
运行：
[1] TRUE

1/49*49==1
运行：
[1] TRUE

关于逻辑运算符

• "&" 与
• "|" 或
• "!" 非

比如：

filter(flights,month==11|month==12)
#运行后找到了11和12月运行的航班

注意以下写法是错误的：

filter(flights,month==11|12)

一种简写方式：

nov_dec <- filter(flights,month %in% c(11,12))

%in% 代表 month值是11,12的数据

简写形式：代表变量x(month)是y(11,12)值时的数据

x %in% y

逻辑运算符的用法比较复杂，在编写代码的过程中及时赋值，利于检查。

关于缺失值

NA即not available，表示未知值
但是未知的值≠缺失值：

未知的值本质上可以是任何一个量，两个NA是无法划等号的。但是缺失值缺却可以有准确的“定位”，给它一个名称之后仍可以参与运算，可以初步理解为未知数。

设定某个值是未知值的办法：

is.na(X)

小鹿~