第三章 数据预处理
-
基本数学函数
sum() 求和
prod() 连乘积
max()/min() 最大最小值
which.max()/which.min() 最大最小值的下标
range() 返回最值
length() 长度
mean() 均值
median() 中位数
quantile() 5个分位数
summary() 5个分位数和均值，也会显示各变量缺失值的个数
var() 方差或协方差
sd() 标准差
cov() 协方差
cor(x) 相关系数矩阵
cor(x,y) 线性相关系数
-
高级数学函数
pmin(x,y,…)/ pmax(x,y,…) 返回一个向量，其第i个元素是x[i],y[i],..的最小值/最大值
cumsum(x) 返回一个向量，其第i个元素是x[1],x[2],...x[i]的和
cumprod(x) 同上，求乘积
cummin(x)/cummax(x) 同上，求最小/最大值
mad(x) 离差
round(x) 对x中的元素四舍五入，至小数点后第n位
sort(x)/order(x) 排序，默认升序
rank(x) 求秩
rev(x) 取逆序
scale(x) x是一个矩阵，中心化和标准化数据
unique(x) x是向量或数据框，对重复的元素只取一个
na.omit(x) 忽略有缺失值NA的数据（x是矩阵或数据框则忽略行）
na.fail(x) 若包含缺失值，则返回错误信息
table(x) 统计x中完全相同的数据个数
table(x,y) 列联表
sample(x,size=n) 从x中抽取样本量为n的样本
skewness(x) 求偏度（属于timeDate包）
kurtosis(x) 求峰度（属于timeDate包）
emm(x,order) k阶原点矩（属于Actuar包）
-
数据分组
cut(x,breaks,labels = NULL,include.lowest = FALSE,right = TRUE,...)
x 被转换的对象
breaks 单个数字，指明分几个组；一个向量，自行设置分组点；
labels 给每个组添加标签
include.lowest 指明区间的开闭情况
right 逻辑值，默认为左开右闭
举例
salary1 <- cut(salary,3)
breakpoints <- c(0,30,40,50,60,70)
salary2 <- cut(salary,breaks = breakpoints）
-
数据修改
修改数据标签
names()行列删除
R用[]选取数据的子集，也可用来删除行列，只需要在行号和列号前加上-（负号）即可
data[-1,-3]表示删除数据集data的第一行和第三列-
缺失值处理
-
数据整理
数据合并
函数cbind()、rbind(),矩阵、向量、列表，按列或行拼接在一起，注意设置stringsAsFactors参数
构造data.frame
data.frame()建数据框
names()读取数据框的列名或重新给列名赋值
row.names对数据框的行命名
数据框的取行或列函数merge()
merge(x,y,by = ,by.x = ,by.y = ,all = ,all.x = ,all.y = ,sort = ,suffixes = ,incomparables = ...
主要参数如下：
x,y 要合并的数据集
by 指定要合并的依据（相同的行或列）
by.x,by.y 分别为第一个数据框和第二个数据框要连接的列名
all,all.x,all.y 逻辑值，默认为FALSE。以all.x = TRUE为例，表示X中的行没有相应的y值进行匹配时，用NA填充；若为FALSE，仅输出x和y中都包含的行。
- 选取数据的子集
用[]括号 - 数据排序
sort()只能对向量进行简单的排序
order()可以对含有多变量的数据集排序，主要参数如下：
** na.last ** FALSE缺失值放在最前，TRUE缺失值放在最后，NA缺失值删除
** decreasing **设置升序或降序，默认为FALSE即升序
sort.list()与order()作用相同 -
长宽格式的转换
t() 转置函数
- 揉数据函数
stack()把一个数据框转换为两列，一列为数据，一列为对应的列名称
unstack()stack()的逆过程 - 揉数据的最佳伴侣
** reshape2 **包
melt()
acast()
dcast()
