[Rcode]数据框的基础操作【不定期更新】

一 数据的筛选与处理

1 添加新的一列，把连续型变量（如身高）转化为类别型变量

data$height[data$height>=3]<-NA #把异常值重新编码为缺失值

data<-within(data,{

heightcat<-NA

heightcat[height>1.8]<-"taller"

heightcat[height>=1.6&height<=1.8]<-"middle"

heightcat[height<1.6]<-"shorter"})              #创建一个类别型变量给身高数据归类

#注意这里heightcat只是一个字符型变量，而不是一个有序型因子

#注意within的用法，可以修改数据框

2 变量的重命名

#method 1

fix(data)   #交互修改

#method 2

names(data)[i]<-"newname"

#method 3

library(plyr)

rename(data,c(oldname="newname",oldname="newname"))

3 缺失值处理

is.na(data[,1:5]) #识别缺失值

na.omit(data) #移除所有含有缺失值的观测（即删除行）

#原始数据中a<=0,b<=0,c<=0则表示缺失,用于删除含缺失值的行

data<-read.csv("d:/data.csv",header=T,sep=",")

attach(data)

index=a>0&b>0&c>0

data<-data[index,]

4 数据集取子集

newdata<-data[,6:10]                                                                #直接挑选变量

newdata<-data[c(-1,-2)]                                                             #删除第一个和第二个变量，等价于data$var1<-data$var2<-NULL

# 选择观测

newdata<-data[1:3,]                                                                 #直接选择行

newdata<-data[data$heightcat=="taller"&data$height>1.5,]                            #使用attach函数就不用加美金符号

#subsset函数

newdata<-subset(data,height>=1.7|height<1.5,select=c(height,heightcat))

newdata<-subset(data,heightcat=="taller",select=height:heightcat)