R数据清理与转换

数据清理与转换

1缺失值得处理

#查看哪些地方是数据是缺失的

> which(is.na(a),arr.ind=TRUE)

#删除空缺的数据

> a<-na.omit(a)

> which(is.na(a),arr.ind=TRUE)# 发现已经没有空缺的数据了

row col

which(x,arr.ind = FALSE，.....)

which是用来寻找逻辑值为真的值所在的位置，x表示的是一个逻辑向量或者数组；arr.ind是一个逻辑值，如果为真，会得出在数据中的位置，，否则会得到储层的索引

> (x<-matrix(1:10,nrow=2))

[,1] [,2] [,3] [,4] [,5]

[1,] 1 3 5 7 9

[2,] 2 4 6 8 10

> which(x==5) #仅仅返回单下标的索引

[1] 5

> which(x==5,arr.ind = TRUE)# 会返回双下标的索引

row col

[1,] 1 3

2构建新变量

> a.Range<- a$a.checkyear-a$a.checkyear # 记得一定要加上a$，否则R不知道使用哪一个数据集

> a.Range

numeric(0)

也可以利用transform实现

> transform(a,a.Range=a.checkyear-a.checkyear)

类型转化

a<- transform(a,Date=as.Date(Date))

as.Date（）函数是吧数据转化为日期数据的函数，

> transform(a,a.Range=a.checkyear-a.checkyear)

Error in eval(expr, envir, enclos) : object 'a.checkyear' not found

> a<- tarnsform(a,Date=as.Date(Date))

Error: could not find function "tarnsform"

> a<- transform(a,Date=as.Date(Date))

Error in as.Date(Date) : object 'Date' not found

> a<- transform(a,Date=as.Date(checkyear))

Error in as.Date.numeric(checkyear) : 'origin'一定得给值

> (d<- as.Date(x="15/06/2016",fomat="%d/%m/%Y"))

[1] "0015-06-20"

> (d<- as.Date(x="15/06/2013",fomat="%d/%m/%Y"))

[1] "0015-06-20"

> (d<- as.Date(x="15/06/2013",fomat="%d/%m/%y"))

[1] "0015-06-20"

> (d<- as.Date(x="15$06$2013",fomat="%d$%m$%y"))

Error in charToDate(x) : 字符串的格式不够标准明确

> as.Date(x="15$06$2013",fomat="%d$%m$%y")

Error in charToDate(x) : 字符串的格式不够标准明确

> as.Date(x="15$06$13",fomat="%d$%m$%y")

Error in charToDate(x) : 字符串的格式不够标准明确

> as.Date(x="15/May/13",fomat="%d/%b/%y")

Error in charToDate(x) : 字符串的格式不够标准明确

> Sys.setlocale("LC_TIME","USA")

[1] "English_United States.1252"

> as.Date(x="15/May/13",format="%d/%B/%y")

[1] "2013-05-15"

> Sys.setlocale("LC_TIME","Chinese")

[1] "Chinese (Simplified)_China.936"

> as.numeric(d)

[1] -713879

在R中，更加完整的时间函数是as.POSIXlt

排序

sort rank order

> x<- c(19,84,64,2)

> order(x) #返回的是排序数据所在向量中的索引

[1] 4 1 3 2

> rank(x) #返回该值处于第几位

[1] 2 4 3 1

> sort(x) # 返回的是按次序排好的数据

[1] 2 19 64 84

使用order 实现多关键字排序

> d<-data.frame(x=c(19,84,64,2,2),y=c(20,13,5,40,21))

> d

x y

1 19 20

2 84 13

3 64 5

4 2 40

5 2 21

> d[order(d$x,d$y),] #按x的升序排列，如果x一样，则按y的升序排列

x y

5 2 21

4 2 40

1 19 20

3 64 5

2 84 13

> d[order(d$x,-d$y),]#按x的升序排列，如果x一样，则按y的降序排列

x y

4 2 40

5 2 21

1 19 20

3 64 5

2 84 13

> d[order(d$x,d$y),]

x y

5 2 21

4 2 40

1 19 20

3 64 5

2 84 13

选取特定行和子集

> suba<- subset(a,subset = a.Range>40)

> length(a)

[1] 29

> length(suba)

[1] 29

> head(suba)

> set.seed(42)

> (x<- data.frame(x=1:18,id=LETTERS[sample(rep(c(1,2,3),6),18)]))

x id

1 1 B

2 2 A

3 3 B

4 4 A

5 5 C

6 6 A

7 7 B

8 8 B

9 9 C

10 10 A

11 11 A

12 12 C

13 13 C

14 14 B

15 15 C

16 16 C

17 17 B

18 18 A

> (new.x1<- subset(x=x,subset=id=c("A","B")))

Error: unexpected '=' in "(new.x1<- subset(x=x,subset=id="

> (new.x1<- subset(x=x,subset=id==c("A","B")))

x id

8 8 B

11 11 A

14 14 B

> (new.x2<- subset(x=x,subset=id%in%c("A","B")))#注意：在选取条件作为一个集合的时候，注意使用%in%，

x id

1 1 B

2 2 A

3 3 B

4 4 A

6 6 A

7 7 B

8 8 B

10 10 A

11 11 A

14 14 B

17 17 B

18 18 A

数据的合并

根据行名来合并连个数据集用merge,rbind和cbind只是对数据框进行合并

具体使用百度

另一种操作数据框的方法