R语言,一些数据操作
2011-08-31 15:46
225 查看
我们首先创建一些向量
> manager <- c(1,2,3,4,5)
> date <- c("10/24/08", "10/28/08", "10/1/08", "10/12/08", "5/1/08")
> contry <- c("US", "US", "UK", "UK", "UK")
> gender <- c("M", "F", "F", "M", "F")
> age <- c(32, 45, 25, 39, 99)
> q1 <- c(5,3,3,3,2)
> q2 <- c(4, 5, 5, 3, 2)
> q3 <- c(5,2, 5, 4, 1)
> q4 <- c(5,5,5,NA, 2)
> q5 <- c(5,5,2,NA,1)
然后我们把这些向量组成一个数据帧
> leadership <- data.frame(manager, date, contry, gender, age, q1, q2,q3,q4,q5, stringsAsFactors=FALSE)
> leadership
manager date contry gender age q1 q2 q3 q4 q5
1 1 10/24/08 US M 32 5 4 5 5 5
2 2 10/28/08 US F 45 3 5 2 5 5
3 3 10/1/08 UK F 25 3 5 5 5 2
4 4 10/12/08 UK M 39 3 3 4 NA NA
5 5 5/1/08 UK F 99 2 2 1 2 1
这样我们就得到了一个类似于表的数据帧,但是这个数据结构有更丰富的操作接口:
如果我们把age为99的全部清理成为未知(NA),我们不需要像在其他语言中那样写for循环、判断、修改,我们只需要这样
> leadership$age[leadership$age == 99] <- NA
> leadership
manager date contry gender age q1 q2 q3 q4 q5
1 1 10/24/08 US M 32 5 4 5 5 5
2 2 10/28/08 US F 45 3 5 2 5 5
3 3 10/1/08 UK F 25 3 5 5 5 2
4 4 10/12/08 UK M 39 3 3 4 NA NA
5 5 5/1/08 UK F NA 2 2 1 2 1
此时,age为99的已经被清理成NA,达到了我们的目的。下面,我们可以通过同样地方式来对一些数据做一些概念上的分类:
> leadership$agecat[leadership$age > 75] <- "Elder"
> leadership$agecat[leadership$age >= 55 & leadership$age <=75] <- "Middle Aged"
> leadership$agecat[leadership$age <55] <- "Young"
> leadership
manager date contry gender age q1 q2 q3 q4 q5 agecat
1 1 10/24/08 US M 32 5 4 5 5 5 Young
2 2 10/28/08 US F 45 3 5 2 5 5 Young
3 3 10/1/08 UK F 25 3 5 5 5 2 Young
4 4 10/12/08 UK M 39 3 3 4 NA NA Young
5 5 5/1/08 UK F NA 2 2 1 2 1 <NA>
我们可以使用下面的方式达到同样目的,不过更简洁:
> leadership <- within(leadership, {agecat <- NA
+ agecat[age>75] <- "Elder"
+ agecat[age>=55 & age <= 75] <- "Middle Aged"
+ agecat[age < 55] <- "Young"
+ }
+ )
> leadership
manager date contry gender age q1 q2 q3 q4 q5 agecat
1 1 10/24/08 US M 32 5 4 5 5 5 Young
2 2 10/28/08 US F 45 3 5 2 5 5 Young
3 3 10/1/08 UK F 25 3 5 5 5 2 Young
4 4 10/12/08 UK M 39 3 3 4 NA NA Young
5 5 5/1/08 UK F NA 2 2 1 2 1 <NA>
>
within 函数和with函数类似,不过,within允许你修改数据帧。首先,agecat被创建,并且初始化数据帧中的每条记录为NA,后面的语句依次执行。
> manager <- c(1,2,3,4,5)
> date <- c("10/24/08", "10/28/08", "10/1/08", "10/12/08", "5/1/08")
> contry <- c("US", "US", "UK", "UK", "UK")
> gender <- c("M", "F", "F", "M", "F")
> age <- c(32, 45, 25, 39, 99)
> q1 <- c(5,3,3,3,2)
> q2 <- c(4, 5, 5, 3, 2)
> q3 <- c(5,2, 5, 4, 1)
> q4 <- c(5,5,5,NA, 2)
> q5 <- c(5,5,2,NA,1)
然后我们把这些向量组成一个数据帧
> leadership <- data.frame(manager, date, contry, gender, age, q1, q2,q3,q4,q5, stringsAsFactors=FALSE)
> leadership
manager date contry gender age q1 q2 q3 q4 q5
1 1 10/24/08 US M 32 5 4 5 5 5
2 2 10/28/08 US F 45 3 5 2 5 5
3 3 10/1/08 UK F 25 3 5 5 5 2
4 4 10/12/08 UK M 39 3 3 4 NA NA
5 5 5/1/08 UK F 99 2 2 1 2 1
这样我们就得到了一个类似于表的数据帧,但是这个数据结构有更丰富的操作接口:
如果我们把age为99的全部清理成为未知(NA),我们不需要像在其他语言中那样写for循环、判断、修改,我们只需要这样
> leadership$age[leadership$age == 99] <- NA
> leadership
manager date contry gender age q1 q2 q3 q4 q5
1 1 10/24/08 US M 32 5 4 5 5 5
2 2 10/28/08 US F 45 3 5 2 5 5
3 3 10/1/08 UK F 25 3 5 5 5 2
4 4 10/12/08 UK M 39 3 3 4 NA NA
5 5 5/1/08 UK F NA 2 2 1 2 1
此时,age为99的已经被清理成NA,达到了我们的目的。下面,我们可以通过同样地方式来对一些数据做一些概念上的分类:
> leadership$agecat[leadership$age > 75] <- "Elder"
> leadership$agecat[leadership$age >= 55 & leadership$age <=75] <- "Middle Aged"
> leadership$agecat[leadership$age <55] <- "Young"
> leadership
manager date contry gender age q1 q2 q3 q4 q5 agecat
1 1 10/24/08 US M 32 5 4 5 5 5 Young
2 2 10/28/08 US F 45 3 5 2 5 5 Young
3 3 10/1/08 UK F 25 3 5 5 5 2 Young
4 4 10/12/08 UK M 39 3 3 4 NA NA Young
5 5 5/1/08 UK F NA 2 2 1 2 1 <NA>
我们可以使用下面的方式达到同样目的,不过更简洁:
> leadership <- within(leadership, {agecat <- NA
+ agecat[age>75] <- "Elder"
+ agecat[age>=55 & age <= 75] <- "Middle Aged"
+ agecat[age < 55] <- "Young"
+ }
+ )
> leadership
manager date contry gender age q1 q2 q3 q4 q5 agecat
1 1 10/24/08 US M 32 5 4 5 5 5 Young
2 2 10/28/08 US F 45 3 5 2 5 5 Young
3 3 10/1/08 UK F 25 3 5 5 5 2 Young
4 4 10/12/08 UK M 39 3 3 4 NA NA Young
5 5 5/1/08 UK F NA 2 2 1 2 1 <NA>
>
within 函数和with函数类似,不过,within允许你修改数据帧。首先,agecat被创建,并且初始化数据帧中的每条记录为NA,后面的语句依次执行。
相关文章推荐
- Python机器学习中的实用小操作(一):数据清理篇 阿萨姆 2 个月前 0. 背景 很多朋友评论希望我共享答案和文章中提到的操作代码,比如生成相关性图谱等。为了方便大家,开始介绍一些虽然简单但很有用
- 数据结构之顺序栈的一些基本操作
- C# 对sharepoint 列表的一些基本操作,包括添加/删除/查询/上传文件给sharepoint list添加数据
- 数据显示控件的一些操作
- Oracle数据操作和控制语言详解
- 关于Oracle数据导入导出的一些操作
- C# 对sharepoint 列表的一些基本操作,包括添加/删除/查询/上传文件给sharepoint list添加数据
- Oracle数据操作和控制语言详解
- 再回首,数据结构——链栈的其它一些操作和应用
- 各种语言的二进制数据操作
- Oracle数据操作和控制语言详解(一)
- Java第一课 Java的一些基本概念,Java的起源、为什么我们要学习Java语言,Java跨平台原理剖析;Java环境变量的配置,初学者常犯的问题,Java语言的基本数据类型和Java的语句。
- C# 对sharepoint 列表的一些基本操作,包括添加/删除/查询/上传文件给sharepoint list添加数据
- 数据结构中线性表的一些基本操作
- Jquery 局部刷新及 表单取值赋值 处理返回json数据 一些基本操作
- Go语言之基本数据类型以及一些规范
- Jquery 局部刷新及 表单取值赋值 处理返回json数据 一些基本操作
- R语言-数据操作之选择
- [SQL]SQL语言入门级教材_SQL数据操作基础(二)
- Oracle数据操作和控制语言详解(之一)