基础知识 | R语言数据管理之变量创建

2020-08-06 15:00:14 浏览数 (1)

R语言数据管理之变量

在做任何数据分析的第一步,是根据个人需求创建数据集,存储数据的结构是多样的,包括向量,矩阵、数据框、因子以及列表等。其实,以上几个R语言的独特术语,在C 中也会经常用到,导致很多人都会误认为自己很熟悉了(特别是小编),然而在实际的应用中,却经常出现错误。最近在处理一波量大的数据,在运行程序的过程中,因为前期数据处理错误却出现各种bug,经过检查数据集发现是数据管理的问题,为巩固R语言的基本数据管理,特地重新学习基础知识。

01

创建新变量

#创建数据框

我们来创建一份关于某央企组织新员工的体检报告的数据框吧。

代码语言:javascript复制
> PatientID<-c(1,2,3,4,5,6)
> Data<-c("03/20/20","03/21/20","03/22/20","03/23/20","03/24/20","03/25/20")
> Age<-c(18,25,26,35,48,50)
> Gender<-c("M","F","F","M","F","M")
> City<-c("福州","厦门","泉州","龙岩","漳州","三明")
> Pr1<-c("69","57","67","65","72","55")
> Pr2<-c("180","155","159","184","167","175")
> Pr3<-c("11","14","34","23","35","12")
> Pr4<-c("6","7","5","8","6","9")
> Pr5<-c("20","34","35","56","47","19")
> S1<-c(88,78,98,56,45,60)
> S2<-c(67,87,45,25,18,96)
> mydata<-data.frame(PatientID,Data,Age,Gender,City,Pr1,Pr2,Pr3,Pr4,Pr5,S1,S2)

#在数据框中添加一列S1和S2的求和结果-方法1

代码语言:javascript复制
> attach(mydata)
> mydata$sumS<-S1 S2
> mydata
  PatientID     Data Age Gender City Pr1 Pr2 Pr3 Pr4 Pr5 S1 S2 sumS
1         1 03/20/20  18      M 福州  69 180  11   6  20 88 67  155
2         2 03/21/20  25      F 厦门  57 155  14   7  34 78 87  165
3         3 03/22/20  26      F 泉州  67 159  34   5  35 98 45  143
4         4 03/23/20  35      M 龙岩  65 184  23   8  56 56 25   81
5         5 03/24/20  48      F 漳州  72 167  35   6  47 45 18   63
6         6 03/25/20  50      M 三明  55 175  12   9  19 60 96  156

#在数据框中添加一列S1和S2的求和结果-方法2

代码语言:javascript复制
> mydata$SumS<-mydata$S1 mydata$S2
> mydata$SumS<-mydata$S1 mydata$S2
> mydata
  PatientID     Data Age Gender City Pr1 Pr2 Pr3 Pr4 Pr5 S1 S2 sumS SumS
1         1 03/20/20  18      M 福州  69 180  11   6  20 88 67  155  155
2         2 03/21/20  25      F 厦门  57 155  14   7  34 78 87  165  165
3         3 03/22/20  26      F 泉州  67 159  34   5  35 98 45  143  143
4         4 03/23/20  35      M 龙岩  65 184  23   8  56 56 25   81   81
5         5 03/24/20  48      F 漳州  72 167  35   6  47 45 18   63   63
6         6 03/25/20  50      M 三明  55 175  12   9  19 60 96  156  156

#在数据框中添加一列S1和S2的求和与均值结果-方法3

代码语言:javascript复制
> mydata<-transform(mydata,SumS=S1 S2,MeanS=(S1 S2)/2)
> mydata
  PatientID     Data Age Gender City Pr1 Pr2 Pr3 Pr4 Pr5 S1 S2 sumS SumS MeanS
1         1 03/20/20  18      M 福州  69 180  11   6  20 88 67  155  155  77.5
2         2 03/21/20  25      F 厦门  57 155  14   7  34 78 87  165  165  82.5
3         3 03/22/20  26      F 泉州  67 159  34   5  35 98 45  143  143  71.5
4         4 03/23/20  35      M 龙岩  65 184  23   8  56 56 25   81   81  40.5
5         5 03/24/20  48      F 漳州  72 167  35   6  47 45 18   63   63  31.5
6         6 03/25/20  50      M 三明  55 175  12   9  19 60 96  156  156  78.0

02

变量的重编码

变量的重新编码是指对一个或多个变量现有值进行修改,创建一个新值的过程。可以理解为将数据框中个别错误值进行修正,或者将一列或者一行的连续性的变量修改为一组类别值等。

#将mydata数据框中的Age这个连续型的变量重新编码,改为类别型的变量Age Class(比如Young,Middle Aged、Elder)

方法1

代码语言:javascript复制
> mydata$AgeClass[mydata$Age>=45]<-"Elder"
> mydata$AgeClass[mydata$Age<=45&mydata$Age>=30]<-"Middle Aged"
> mydata$AgeClass[mydata$Age<=30]<-"Young"
> mydata
  PatientID     Data Age Gender City Pr1 Pr2 Pr3 Pr4 Pr5 S1 S2 sumS SumS MeanS    AgeClass
1         1 03/20/20  18      M 福州  69 180  11   6  20 88 67  155  155  77.5       Young
2         2 03/21/20  25      F 厦门  57 155  14   7  34 78 87  165  165  82.5       Young
3         3 03/22/20  26      F 泉州  67 159  34   5  35 98 45  143  143  71.5       Young
4         4 03/23/20  35      M 龙岩  65 184  23   8  56 56 25   81   81  40.5 Middle Aged
5         5 03/24/20  48      F 漳州  72 167  35   6  47 45 18   63   63  31.5       Elder
6         6 03/25/20  50      M 三明  55 175  12   9  19 60 96  156  156  78.0       Elder

方法2

代码语言:javascript复制
> mydata<-within(mydata,{
  AgeClass[Age>=45]<-"Elder"
  AgeClass[Age>=30&Age<=45]<-"Middle Aged"
  AgeClass[Age<30]<-"Young"})
> mydata
  PatientID     Data Age Gender City Pr1 Pr2 Pr3 Pr4 Pr5 S1 S2 sumS SumS MeanS    AgeClass
1         1 03/20/20  18      M 福州  69 180  11   6  20 88 67  155  155  77.5       Young
2         2 03/21/20  25      F 厦门  57 155  14   7  34 78 87  165  165  82.5       Young
3         3 03/22/20  26      F 泉州  67 159  34   5  35 98 45  143  143  71.5       Young
4         4 03/23/20  35      M 龙岩  65 184  23   8  56 56 25   81   81  40.5 Middle Aged
5         5 03/24/20  48      F 漳州  72 167  35   6  47 45 18   63   63  31.5       Elder
6         6 03/25/20  50      M 三明  55 175  12   9  19 60 96  156  156  78.0       Elder

03

变量的重命名

#将City修改为Location,Data修改成Examination date

方法1:rename()函数

代码语言:javascript复制
> install.packages("reshape")
> library(reshape)
> mydata<-rename(mydata,c(City="Location",Data="Examination data"))
> mydata
  PatientID Examination data Age Gender Location Pr1 Pr2 Pr3 Pr4 Pr5 S1 S2 sumS SumS MeanS
1         1         03/20/20  18      M     福州  69 180  11   6  20 88 67  155  155  77.5
2         2         03/21/20  25      F     厦门  57 155  14   7  34 78 87  165  165  82.5
3         3         03/22/20  26      F     泉州  67 159  34   5  35 98 45  143  143  71.5
4         4         03/23/20  35      M     龙岩  65 184  23   8  56 56 25   81   81  40.5
5         5         03/24/20  48      F     漳州  72 167  35   6  47 45 18   63   63  31.5
6         6         03/25/20  50      M     三明  55 175  12   9  19 60 96  156  156  78.0
     AgeClass
1       Young
2       Young
3       Young
4 Middle Aged
5       Elder
6       Elder

方法2:names()函数

#将Data命名为Examination data,Pr1-5修改为Item1-5。

代码语言:javascript复制
> names(mydata)[2]<-"Examination date"
> names(mydata)[7:11]<-c("Item1","Item2","Item3","Item4","Item5")
> mydata
  PatientID Examination date Age Gender Location Pr1 Item1 Item2 Item3 Item4 Item5 S2 sumS
1         1         03/20/20  18      M     福州  69   180    11     6    20    88 67  155
2         2         03/21/20  25      F     厦门  57   155    14     7    34    78 87  165
3         3         03/22/20  26      F     泉州  67   159    34     5    35    98 45  143
4         4         03/23/20  35      M     龙岩  65   184    23     8    56    56 25   81
5         5         03/24/20  48      F     漳州  72   167    35     6    47    45 18   63
6         6         03/25/20  50      M     三明  55   175    12     9    19    60 96  156
  SumS MeanS    AgeClass
1  155  77.5       Young
2  165  82.5       Young
3  143  71.5       Young
4   81  40.5 Middle Aged
5   63  31.5       Elder
6  156  78.0       Elder

小结

R语言最大的优势是绘图,学R的初衷就是为了绘制实验过程产生的数据图,然而随着深度学习,会发现,R语言的数据分析也很重要,常常在绘制图形的过程中,因为数据框存在格式不统一,字符或者缺失值等原因导致绘图失败。对于非数学专业又喜欢R语言的人来说,学R之路漫漫其修远,没有极客基因是不行的,打好基础是进阶的前提!

0 人点赞