2021.9.22
中秋节后新的练习开始啦~练习用的是“nycflights13”的数据。
install.packages("nycflights13")
library(nycflights13)
nycflights13::flights
View(flights)
f<-flights
class(f)
f$r<-f$year*2 #翻译：新加一列（列名为r），且第20列r中的值都是第1列year中值的2倍
colnames(f)
f$r
目标：学习数据选取的三种思维模式
【一】通过位置获取
## 获取第一行
h1<-f[1,]
l2<-f[,2]
class(l2) #l2是从f中取（带有行）的第2列，所以class后是table
# 获取第1列
## 使用$获取列
l3<-f$day
class(l3) #l3是从f中把第3列的值取出，所以class后是integer（n.整数）
# 选取第2到4行
h234<-f[2:4,]
# 选取第2到4列
l234<-f[,2:4]
# 选取第2到4行,3到5列
h234l345<-f[2:4,3:5]
【二】通过行名和列名获取
## 其中行名获取的方法十分推荐
## 但是记住一点, 行名不能重复
row<-rownames(flights) # 返回行名
col<-colnames(flights) # 返回列名
## 用名称提取行
ROW235<-c(2,3,5) #如果行名是字符串，也可以写成（例如）ROWX<-c("chr1","chr2",...,"chrn")
row235<-f[ROW235,] #rowx<-f[ROWX,]即可根据名称提取行。
#下次试试rowx<-f[c("chr1","chr2",...,"chrn"),]
## 用名称提取列
View(col)
col235<-f[,c("month","day","sched_dep_time")]
## 用名称同时提取行和列
rc<-f[ROW235,c("month","day","sched_dep_time")]
rc
2021.9.23
【三】通过逻辑获取
## 逻辑获取，先产生逻辑，再返回位置，再获取
##先产生逻辑
L<-f$month == "2" #方法1，用【==""】赋予逻辑
filter(f,month==2|month==12) #方法2，用filter()获取行，详见《R数据科学》第三章
table(f$month == "2")
table(f$month)
##再返回位置，再获取
which(f$month == "2") #获得符合逻辑的行所对应的位置
h<-f[c(111297:136247),] #返回位置获取行
h<-f[f$month == "2",] #一步到位的缩减版
## 在此基础上可以再选择列
hl<-f[f$month == "2",c(2,3,5)]
## 难点在于产生正确的逻辑值
## 有多少种方法可以产生逻辑值？？
## 1.最重要的逻辑判断，如比较大小
f$dep_time>600 #还可以用【>,<加数】赋予逻辑，数的两旁不需要带""，记不住使用方法可以Being一下~
table(f$dep_time)
## 2.函数产生，比如grepl，%in%
filter(f,month==2|month==12) #用%in%简写见下一行
feb_dec<-filter(f,month%in%c(2,12))
JFK<-filter(f,origin%in%c("JFK"))
#关于grepl：R语言中的grepl()函数用于在向量中找到指定模式时返回值True，如果未找到则返回false。
#用法： grepl(pattern, string, ignore.case=FALSE)
#参数：pattern:正则表达式模式
#参数：string:要搜索的字符向量
#参数：ignore.case：是否在搜索中忽略大小写。这里 ignore.case 是一个可选参数，默认设置为 FALSE。
LGA<-f[grepl("LGA",f$origin),]
注意：难点在于产生正确的逻辑值
【四】行列的选择，还有一个重要的函数subset
## subset，第一个数据DataFrame，第二个选行(逻辑值)，第三个是列，名称
J<-f$origin=="JFK"
mydata2<-subset(f,f$origin=="JFK",select=c("origin","dest","distance"))
mydata3<-subset(f,f$origin=="JFK",select=c(1:10))
## 删除列和增加列
## 删掉第一列
mydata1<-f[,-1]
## 增加一列
mydata1$new<-LETTERS[1:336776]
mydata1$new<-c(1:336776)
## 使用位置调整顺序，
## 把最后一列调整到第1列，很常用
mydata2<-mydata1[,c(20,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19)]
mydata3<-mydata1[,c(20,seq(1,19))]
mydata4<-mydata1[,c(20,1:19)]
#获取名称
colnames(mydata1)
rownames(mydata1)
## 修改部分名称
colnames(mydata1)[3:5] <- c("dep_time1","sched_dep_time1","dep_delat1")
rownames(mydata1)[1:2] <- c("r1","r2")
###用tidyr包进行长数据和宽数据的相互转换
##pivot_longer，数据变长，增加行
#pivot_longer()使宽数据转换为长数据。
#其简要用法为：pivot_longer(data, cols, names_to = "name", values_to = "value")
#参数：data即为需要进行数据结构转化的数据集。
#参数：cols指定进行转化的列，在select()函数中可以帮助指定列的"select helper"在这里也适用，可以使用负号“-”表示反向选择。
#参数：names_to：col指定的那些列的列名会组成一个新的变量，names_to指定该新变量的变量名。
#参数：values_to：col指定的那些列的变量值会组成一个新的变量，values_to指定该新变量的变量名。
##pivot_wider，数据变宽，增加列(阅读课后材料学习,使用到的数据在data文件夹)
#pivot_wider()使长数据转换为宽数据。
#其简要用法为：pivot_wider(data, id_cols = NULL, names_from = "name",values_from = "value")
#参数：data即为需要进行数据结构转化的数据集。
#参数：id_cols指定用什么变量来识别不同观测。不指定时默认用除names_from和values_from所指定变量之外的所有变量来识别不同观测。
#参数：names_from指定新数据集中展开的各新变量的变量名由旧数据集的哪个（或哪些）变量得到。
#参数：values_from指定新数据集中展开的各新变量的变量值由旧数据的哪个（或哪些）得到。如果指定了多个值，则会求和得到新变量值。
