数据准备
df <- read.table(file = "D:/Documents/R wd/df.csv", header = T, sep = ",", colClasses = c(year = "character", nitrogen = "character", variety = "character", block = "character")) # 数据导入。
df # 查看数据。
## year nitrogen variety block v1 v2 v3 v4
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65
## 7 2020 N2 a 1 1.32 3.78 5.1 6.42
## 8 2020 N2 a 2 1.28 4.32 5.6 6.88
## 9 2020 N2 a 3 1.35 3.95 5.3 6.65
## 10 2020 N2 b 1 1.33 3.47 4.8 6.13
## 11 2020 N2 b 2 1.28 2.72 4.0 5.28
## 12 2020 N2 b 3 1.30 3.90 5.2 6.50
## 13 2021 N1 a 1 1.19 3.61 4.8 5.99
## 14 2021 N1 a 2 1.21 3.29 4.5 5.71
## 15 2021 N1 a 3 1.24 3.26 4.5 5.74
## 16 2021 N1 b 1 1.09 2.71 3.8 4.89
## 17 2021 N1 b 2 1.28 2.32 3.6 4.88
## 18 2021 N1 b 3 1.35 1.95 3.3 4.65
## 19 2021 N2 a 1 1.45 4.35 5.8 7.25
## 20 2021 N2 a 2 1.40 3.80 5.2 6.60
## 21 2021 N2 a 3 1.37 4.23 5.6 6.97
## 22 2021 N2 b 1 1.28 2.72 4.0 5.28
## 23 2021 N2 b 2 1.15 3.35 4.5 5.65
## 24 2021 N2 b 3 1.24 3.46 4.7 5.94
第4章 基本数据管理
4.1 一个示例
4.2 创建新变量
1、通过表达式赋值创建
变量名←表达式
以上语句中的"表达式"部分可以包含多种运算符和函数。
image.png
df$p1 <- df$v1 + df$v2 # 形成新列p1，变量值为v1和v2的和。
df$p2 <- df$v2 - df$v1 # 形成新列p2，变量值为v2减v1的差。
df$p3 <- df$v1 * df$v2 # 形成新列p3，变量值为v1和v2的积。
df$p4 <- df$v1 / df$v2 # 形成新列p4，变量值为v1除v2。
df$p5 <- df$v1^2 # 形成新列p5，变量值为v1平方。
df$p6 <- df$v2 %% 2 # 形成新列p6，变量值为v2除2的余数。
df$p7 <- df$v2 %/% 2 # 形成新列p7，变量值为v2除2商的整数。
head(df) # 显示结果。
## year nitrogen variety block v1 v2 v3 v4 p1 p2 p3 p4
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66 3.4 0.88 2.6964 0.5887850
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30 4.1 1.70 3.4800 0.4137931
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60 4.3 1.70 3.9000 0.4333333
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88 2.8 0.64 1.8576 0.6279070
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75 2.7 0.60 1.7325 0.6363636
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65 2.5 0.20 1.5525 0.8518519
## p5 p6 p7
## 1 1.5876 0.14 1
## 2 1.4400 0.90 1
## 3 1.6900 1.00 1
## 4 1.1664 1.72 0
## 5 1.1025 1.65 0
## 6 1.3225 1.35 0
2、通过transform函数创建
为原数据框添加新的列，可以改变原变量列的值，也可以赋值NULL删除列变量
transform(_data, ...)
data：要修改的数据；
...：进行修改的内容。
df <- df[,-c(9:15)] # 将原来df中的9到15列删除。
head(df) # 显示数据df。
## year nitrogen variety block v1 v2 v3 v4
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65
df <- transform(df, sum=v1+v2, mean=(v1+v2)/2) # 给df增加新列，新列sum等于v1+v2，mean列为v1+v2的平均值。
head(df) # 显示数据df。
## year nitrogen variety block v1 v2 v3 v4 sum mean
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66 3.4 1.70
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30 4.1 2.05
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60 4.3 2.15
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88 2.8 1.40
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75 2.7 1.35
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65 2.5 1.25
4.3 变量的重编码
1、variable[condition] <- expression
语句variable[condition] <- expression将仅在condition的值为TRUE时执行赋值。
image.png
df$p8[df$v1 < 1] <- "low" # 新建p8列，当v1变量值小于5，变量值赋值low。
df$p8[df$v1 > 1] <- "high" # 新建p8列，当v1变量值大于5，变量值赋值high。
head(df) # 显示数据。
## year nitrogen variety block v1 v2 v3 v4 sum mean p8
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66 3.4 1.70 high
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30 4.1 2.05 high
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60 4.3 2.15 high
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88 2.8 1.40 high
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75 2.7 1.35 high
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65 2.5 1.25 high
2、使用within函数进行转化
within(data, expr, ...)
data：要处理的数据；
expr：计算表达式。
head(df) # 显示原数据。
## year nitrogen variety block v1 v2 v3 v4 sum mean p8
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66 3.4 1.70 high
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30 4.1 2.05 high
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60 4.3 2.15 high
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88 2.8 1.40 high
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75 2.7 1.35 high
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65 2.5 1.25 high
df <- within(df, {
new <- NA
new[v1 < 1] <- "low"
new[v1 > 1] <- "high"
}) # 首先新建新列new，给new赋值为NA，然后条件v1小于5的赋值low，v1大于5的赋值为high。
head(df) # 显示数据。
## year nitrogen variety block v1 v2 v3 v4 sum mean p8 new
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66 3.4 1.70 high high
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30 4.1 2.05 high high
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60 4.3 2.15 high high
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88 2.8 1.40 high high
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75 2.7 1.35 high high
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65 2.5 1.25 high high
4.4 变量重命名
1、fix()函数
使用fix()函数调用交互式编辑器修改变量名。例如，要修改df数据集p8列的变量名称为v5，运行fix(df)结果如下：
image.png
edit和fix的区别
edit()函数也可以调出交互式编辑器，修改数据后关闭窗口发现数据还是原来的值，所以需要进行赋值操作才能保存修改结果，比如我的数据修改可以写为df <- edit(df)。 fix()函数调出的交互式编辑器，修改数据后关闭窗口发现已经保存了修改后的值，不需要赋值操作。
2、reshape包 rename()函数
rename(dataframe, c(oldname="newname", oldname="newname", ...))
dataframe：要修改的数据框；
oldname="newname"：指定修改前变量名和修改后变量名。
library(reshape) # 调用reshape包。
df <- rename(df, c(v1="c1", v2="c2")) # 改变df数据框v1和v2列的变量名为c1和c2。
df # 返回数据。
## year nitrogen variety block c1 c2 v3 v4 sum mean p8 new
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66 3.4 1.70 high high
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30 4.1 2.05 high high
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60 4.3 2.15 high high
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88 2.8 1.40 high high
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75 2.7 1.35 high high
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65 2.5 1.25 high high
## 7 2020 N2 a 1 1.32 3.78 5.1 6.42 5.1 2.55 high high
## 8 2020 N2 a 2 1.28 4.32 5.6 6.88 5.6 2.80 high high
## 9 2020 N2 a 3 1.35 3.95 5.3 6.65 5.3 2.65 high high
## 10 2020 N2 b 1 1.33 3.47 4.8 6.13 4.8 2.40 high high
## 11 2020 N2 b 2 1.28 2.72 4.0 5.28 4.0 2.00 high high
## 12 2020 N2 b 3 1.30 3.90 5.2 6.50 5.2 2.60 high high
## 13 2021 N1 a 1 1.19 3.61 4.8 5.99 4.8 2.40 high high
## 14 2021 N1 a 2 1.21 3.29 4.5 5.71 4.5 2.25 high high
## 15 2021 N1 a 3 1.24 3.26 4.5 5.74 4.5 2.25 high high
## 16 2021 N1 b 1 1.09 2.71 3.8 4.89 3.8 1.90 high high
## 17 2021 N1 b 2 1.28 2.32 3.6 4.88 3.6 1.80 high high
## 18 2021 N1 b 3 1.35 1.95 3.3 4.65 3.3 1.65 high high
## 19 2021 N2 a 1 1.45 4.35 5.8 7.25 5.8 2.90 high high
## 20 2021 N2 a 2 1.40 3.80 5.2 6.60 5.2 2.60 high high
## 21 2021 N2 a 3 1.37 4.23 5.6 6.97 5.6 2.80 high high
## 22 2021 N2 b 1 1.28 2.72 4.0 5.28 4.0 2.00 high high
## 23 2021 N2 b 2 1.15 3.35 4.5 5.65 4.5 2.25 high high
## 24 2021 N2 b 3 1.24 3.46 4.7 5.94 4.7 2.35 high high
3、names()函数重命名变量名
names(df)[11] <- "level" # 将df第11列名称改为level。
names(df)[5:8] <- c("v1", "v2", "v3", "v4")
head(df) # 显示结果。
## year nitrogen variety block v1 v2 v3 v4 sum mean level new
## 1 2020 N1 a 1 1.26 2.14 3.4 4.66 3.4 1.70 high high
## 2 2020 N1 a 2 1.20 2.90 4.1 5.30 4.1 2.05 high high
## 3 2020 N1 a 3 1.30 3.00 4.3 5.60 4.3 2.15 high high
## 4 2020 N1 b 1 1.08 1.72 2.8 3.88 2.8 1.40 high high
## 5 2020 N1 b 2 1.05 1.65 2.7 3.75 2.7 1.35 high high
## 6 2020 N1 b 3 1.15 1.35 2.5 3.65 2.5 1.25 high high
参考资料：
- 《R语言实战》（中文版），人民邮电出版社，2013.
- R语言基础编程技巧汇编 - 6，https://blog.csdn.net/liu7788414/article/details/44587213
