R语言的小个性
这篇文章用来记录我在学习使用R语言中遇到的一些区别于其他程序语言的小问题,以及一些解决方案。会持续记录下去。
1. 除法
R语言的除法运算符与其他常见语言一致:/
> 8/5
[1] 1.6
但是取余运算符为:%%
> 8%%5
[1] 3
除法运算取整除数:%/%
> 8%/%5
[1] 1
除法四舍五入:round()
round()后面再带一个参数表明保留到第几位(为正数时是指保留几位小数,为负数时是指四舍五入到第几位)
> round(8/5)
[1] 2
> round(3.141592653,2)
[1] 3.14
> round(3.141592653*100000,-2)
[1] 314200
2. list和data.frame的区别
list和data.frame是R中处理表格数据常见的两种格式,另外还有matrix。
先说matrix,它必须保证所有的数据都是同一类型的。
> b <-matrix(c(1,1,1, 2,2,3, 1,3,4, 2,1,4), ncol=3, byrow=T)
> b
[,1][,2] [,3]
[1,] 1 1 1
[2,] 2 2 3
[3,] 1 3 4
[4,] 2 1 4
> a <- matrix(c(1,1,"wo",2,2,3, 1,3,4, 2,1,4), ncol=3, byrow=T)
> a
[,1][,2] [,3]
[1,] "1" "1" "wo"
[2,] "2" "2" "3"
[3,] "1" "3" "4"
[4,] "2" "1" "4"
> mode(a)
[1] "character"
> mode(b)
[1] "numeric"
可以看到a跟b的差异就是a中有个字符类型的数据“wo”,但是打印出来后,其他数值类型数据也被转换为了字符类型。
现在来看list和data.frame的差异,它们都可以包含不同类型的数据但是也有些差异。
差异1:部分数据查看及展示方式不同。list按列展示数据,data.frame按行展示。
> list <-list(a=c("hai","tian","xiang","jie","de"),b=c("di","fang","jiu","shi","wo"),c=c("qian"
,"gua","de","gu","xiang"))
> list
$a
[1] "hai" "tian" "xiang" "jie" "de"
$b
[1] "di" "fang" "jiu" "shi" "wo"
$c
[1] "qian" "gua" "de" "gu" "xiang"
> dataframe
a b c
1 hai di qian
2 tianfang gua
3 xiang jiu de
4 jie shi gu
5 de wo xiang
> head(list,n=1)
$a
[1] "hai" "tian" "xiang" "jie" "de"
> head(dataframe,n=1)
a b c
1 hai di qian
差异2:查看列名,对于list来说应该是查看行名(我的说法)是用names(),对于dataframe来说则是查看列名用colnames(),它还有查看行名rownames(),没有定义时,默认为1,2,3,4……序列。
> names(list)
[1] "a" "b" "c"
> colnames(dataframe)
[1] "a" "b" "c"
> rownames(dataframe)
[1] "1" "2" "3""4" "5"
差异3:list可包含不同长度数据,dataframe必须每列包含相同长度数据,在list每行数据长度相同时,就可以使用as.data.frame()方法转换为data.frame类型。
> list2 <-list(a=1:5,b=1:4)
> list2
$a
[1] 1 2 3 4 5
$b
[1] 1 2 3 4
> dataframe2<- as.data.frame(list2)
Error in data.frame(a = 1:5, b =1:4, check.names = TRUE, stringsAsFactors = TRUE) :
参数值意味着不同的行数: 5, 4
> list2 <-list(a=1:5,b=6:10)
> list2
$a
[1] 1 2 3 4 5
$b
[1] 6 7 8 9 10
> dataframe2<- as.data.frame(list2)
> dataframe2
a b
1 1 6
2 2 7
3 3 8
4 4 9
5 5 10
差异4:数据引用方式不同。都可以用$引用符号,但是[]引用和[[]]引用方式上有差异。
> list$a
[1] "hai" "tian" "xiang" "jie" "de"
> dataframe$a
[1] hai tian xiang jie de
Levels: de hai jie tian xiang
> list[1]
$a
[1] "hai" "tian" "xiang" "jie" "de"
> dataframe[1]
a
1 hai
2 tian
3 xiang
4 jie
5 de
> list[[1]]
[1] "hai" "tian" "xiang" "jie" "de"
> dataframe[[1]]
[1] hai tian xiang jie de
Levels: de hai jie tian xiang
> list[[2]][1]
[1] "di"
> dataframe[[2]][1]
[1] di
Levels: di fang jiu shi wo
> list[2,1]
Error in list[2, 1] : incorrectnumber of dimensions
> dataframe[2,1]
[1] tian
Levels: de hai jie tian xiang
差异5:data.frame有一个factor因子,在差异四中,查看dataframe的某一列或者某一项数据时,数据下面会有Levels的内容,这个就是这一列的因子。相当于这一列的取值范围,有哪些唯一值。后面会讲到factor因子的来历以及作用,这里就不细说了。
3. 删除某一行或者某一列的数据。
对list和dataframe都适用。删除行可以直接引用这一行并赋值为NULL,或者用-操作符号,具体实现过程如下示。
> list$a <-NULL
> list
$b
[1] "di" "fang" "jiu" "shi" "wo"
$c
[1] "qian" "gua" "de" "gu" "xiang"
> list[-1]
$b
[1] "di" "fang" "jiu" "shi" "wo"
$c
[1] "qian" "gua" "de" "gu" "xiang"
> list$a
[1] "hai" "tian" "xiang" "jie" "de"
> list$a[-1]
[1] "tian" "xiang" "jie" "de"
> list[-1,]
Error in list[-1, ] : incorrectnumber of dimensions
> list[,-1]
Error in list[, -1] : incorrectnumber of dimensions
> dataframe$a<- NULL
> dataframe
b c
1 di qian
2 fang gua
3 jiu de
4 shi gu
5 woxiang
> dataframe<- as.data.frame(list)
> dataframe[-1,]
a b c
2 tianfang gua
3 xiang jiu de
4 jie shi gu
5 de wo xiang
> dataframe <- as.data.frame(list)
> dataframe[,-1]
b c
1 di qian
2 fang gua
3 jiu de
4 shi gu
5 woxiang
> dataframe$b
[1] di fang jiu shi wo
Levels: di fang jiu shi wo
> dataframe$b[-2]
[1] di jiu shi wo
Levels: di fang jiu shi wo
Matrix也可用类似的操作来删除某行某列的数据,还可以一次删除多个行多列或者多个值。
> dataframe$c
[1] qian gua de gu xiang
Levels: de gu gua qian xiang
> dataframe$c[c(-1,-3,-5)]
[1] gua gu
Levels: de gu gua qian xiang
4. 读取数据。
主要是为了讲read.table()和read.csv()方法的一些小细节。数据读入后都被存为data.frame的类型。
编码:read.csv()默认读取中文的格式是gbk格式的,无法设置。如果你的读入文件中文编码格式是UTF-8格式,使用read.csv就会出现乱码。但是read.table()方法默认读取UTF-8格式中文,并且包含encoding参数,可以设置读取数据的编码格式。
表头:read.csv()默认是含有表头的也就是header=T,read.table()默认没有表头header=F。
因子:read.csv()和read.table()两个方法都有stringsAsFactors参数,默认为TRUE。如果你不设置的话,数据读入时,每一列字符型的数据都按因子方式存储。如下面例子,fruit列被转换成了因子,数据被转换成了1,1,3,4,2,这几个数值1-4按顺序分别对应着Levels:苹果葡萄 香蕉 柚子。但是我们查看这一列数据时,显示的还是字符型数据。
> test
fruitprice
1 苹果 5.98
2 苹果 3.50
3 香蕉 4.50
4 柚子 4.80
5 葡萄 8.70
> test$fruit
[1]苹果苹果香蕉柚子葡萄
Levels:苹果葡萄香蕉柚子
从clipboard上读入数据:见上一个列子中,我们能直接从clipboard上读取数据,先在Excel上选中需要读入的数据区域,右键复制,再执行read.table("clipboard")语句即可。
> test <-read.table("clipboard",header=T)
> test
fruitprice
1 苹果 5.98
2 苹果 3.50
3 香蕉 4.50
4 柚子 4.80
5 葡萄 8.70
5. 两表合并的方法
这里是两个表类似MySQL中join的方法——merge(),默认根据两个表相同列名相交。方法的介绍见链接:http://my.oschina.net/u/1791586/blog/337054,里面有很详细的方法说明。想说明的是参数all/x.all/y.all,这三个参数取值T/F,用来定义是否取两个数据框x或者y的所有列。效果分别类似join的全连接,左连接,右连接。就不另外举例子了,参考链接里有很好的例子。
6. 查看数据。
View()可以查看list、vector、dataframe数据,但是在Rstudio中,用View()查看时会有中文乱码。不过mac和Linux平台上不存在这个问题,只用Windows平台上才有,好像没看到有什么设置Rstudio的方式可以避免这个的中文乱码。R中不存在乱码的问题。
fix()也可以查看list、vector、dataframe数据。
区别在于fix()方法可以查看列所包含的字段数不同的list的内容。View()只能查看整齐的数据,就是行列数都相同时的数据。另外fix()方法是查看数据,打开数据编辑框,并能够在其中修改数据。View()方法只是单纯的查看数据。
> test <-list(a=c("a","b","c","d"),b=1:4)
> View(test)
> fix(test)
> fix(dataframe)
7. R语言的数据类型查看mode()/class()/typeof()
没有找到一个很细致的说明,只能根据我自己的大概理解来看,可能会有误,欢迎指正。这三个函数都是能够查看数据类型的函数。但是有些小细节的差异。
R语言中,所有的数据、对象、方法、语句都可以查看mode(),主要的mode类型有:complex、raw、character、list、expression、name、symbol、function,mode可以说是大的类型。
所有对象都有typeof属性和class属性,但是相比class而言,typeof更细致。
>x <- c(1,2,3,4,5)
>mode(x)
[1]"numeric"
> class(x)
[1]"numeric"
> typeof(x)
[1] "double"
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14