為了解決感興趣的問題，我們首先必須解決一些數(shù)據(jù)管理方面的問題菱涤。

4.2 ?創(chuàng)建新變量

在典型的研究項目中苞也，你可能需要創(chuàng)建新變量或者對現(xiàn)有變量進行轉(zhuǎn)換。這可以通過以下形式的的語句來完成：

變量名←表達式

以上語句中“表達式”部分可以包含多種運算符和函數(shù)粘秆。算數(shù)運算符可以用于構(gòu)造公式（formula）如迟。

表4-2 ? ?算數(shù)運算符

運算符 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?描述

+ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?加

- ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 減

* ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 乘

/ ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 除

︿或** ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?求冥

x%%y ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?求余（x mod y).5%%2的結(jié)果為2

假設(shè)你有一個名為mydata的數(shù)據(jù)框，其中一個變量為x1和x2攻走，現(xiàn)在你想創(chuàng)建一個新變量sumx存儲以上兩個變量的加和殷勘，并創(chuàng)建一個名為meanx的新變量存儲這兩個變量的均值。以上代碼清單提供了三種不同的方式實現(xiàn)這個目標昔搂，具體選擇自己決定玲销，本書作者傾向于第三種方式，即transform（）函數(shù)的一個示例巩趁。這種方式簡化了按需創(chuàng)建新變量并將其保存到數(shù)據(jù)框的過程痒玩。

reshape包擁有一系列強大的數(shù)據(jù)集結(jié)構(gòu)修改函數(shù)，最后议慰，可以通過names（）函數(shù)來重命名變量蠢古，以上代碼中將date重命名為testDate。

4.5 ? ?缺失值

在r中别凹，缺失值以符號NA(Not Available,不可用）表示炉菲。不可能出現(xiàn)的值（例如，被0除的結(jié)果）通過符號NaN（Not a Number嘱丢，非數(shù)值）來表示越驻。與SAS等程序不同缀旁，r中字符型和數(shù)值型數(shù)據(jù)使用的缺失值符號是相同的并巍。

r提供了一些函數(shù)刽射，用于識別包含缺失值的觀測距贷。函數(shù)is.na()允許你檢測缺失值是否存在忠蝗。假設(shè)你有一個向量：

y <- c(1, 2, 3, NA)

然后使用函數(shù)

is.na(y)

將返回c（FALSE,FALSE,FALSE,TRUE).

這里的leadership[， 6:10]將數(shù)據(jù)框限定到第6列至第10列速种，接下來is.na()識別出了缺失值配阵。

4.5.1重編碼某些值為缺失值

如同4.3節(jié)中演示的那樣棋傍，你可以使用賦值語句將某些重編碼為缺失值瘫拣。在我們的leadership示例中麸拄，缺失的年齡值被編碼為99.在分析這一數(shù)據(jù)集之前，你必須讓r明白本例中的99表示缺失值蒂萎。你可以通過重編碼這個變量完成這項工作

leadership$age[leadefship$age == 99] <- NA

任何等于99的年齡值都將被修改為NA.

4.5.2 ? 在分析中排除缺失值

確定了缺失值的位置以后五慈，你需要進一步分析數(shù)據(jù)之前以某種方式刪除這些缺失值豺撑。原因是聪轿，含有缺失值的算術(shù)表達式和函數(shù)的計算結(jié)果也是缺失值陆错。

由于x中的第三個元素是缺失值音瓷，所以y和z也都是NA(缺失值）绳慎。

好在多數(shù)函數(shù)都擁有一個na.rm=TRUE選項杏愤，可以在計算之前移除缺失值并用剩余值進行計算：

x <- c(1, 2, NA, 3)

y <- sum(x, na.rm=TRUE)

這里珊楼，y等于6

在使用函數(shù)處理不完整的數(shù)據(jù)時厕宗，請務(wù)必查閱他們的幫助文檔（例如已慢，help（sum））蛇受，檢查這些函數(shù)是如何處理缺失數(shù)據(jù)的兢仰。

你可以通過函數(shù)na.omit()移除所有含缺失值的觀測把将。na.omit()可以刪除所有含有缺失數(shù)據(jù)的行察蹲。

代碼清單4-4 ? ?使用na.omit（）移除所有含缺失值的觀測。

在結(jié)果被保存到newdata之前，所有包含缺失數(shù)據(jù)的行均已從leadership中刪除亚兄。

刪除所有含有缺失數(shù)據(jù)的觀測（成為行刪除审胚，list deletion）是處理不完整數(shù)據(jù)集的若干手段之一膳叨。

4.6 ?日期值

日期值通常以字符串的形式輸入到R中饿自，然后轉(zhuǎn)化為以數(shù)值的形式存儲的日期變量璃俗。函數(shù)as.date()用于執(zhí)行這種轉(zhuǎn)化。其語法為as.Date(x,"input_format"),其中x是字符型數(shù)據(jù)苟穆，input-format則給出了用于讀入日期的適當格式

符號 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?含義 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 示例

%d ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 數(shù)字表示的日期 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 01~31

%a ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 縮寫的星期名 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Mon

%A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 非縮寫星期名 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Monday

%m ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?月份（00~12） ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?00~12

%b ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 縮寫的月份 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?Jan

%B ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 非縮寫的月份 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?January

%y ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?兩位數(shù)的年份 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?07

%y ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 四位數(shù)的年份 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 2007

日期值得默認輸入格式為yyyy-mm-dd跟磨。

語句：

mydates <- as.Date(c("2007-06-22", "2004-02-13"))

將默認格式的字符型數(shù)據(jù)轉(zhuǎn)換為了對應(yīng)日期抵拘。相反僵蛛，

steDates <- c("01/05/1965","08/16/1975")

dates <- as.date(strDates,"%m/%d/%y")

則使用mm/dd/yyyy的格式讀取數(shù)據(jù)。

有兩個函數(shù)對于處理時間戳數(shù)據(jù)特別實用飘言。Sys.Date（）可以返回當天的日期姿鸿，而date（）則返回當前的日期和時間苛预。我寫下這段文字的時間是2010年12月1日下午4:28.所以執(zhí)行這些函數(shù)的結(jié)果是：

你可以使用函數(shù)format（x热某，format=“output-fomat”）來輸出指定格式的日期值苫拍，并且可以提取日期值中的某些部分：

format（）函數(shù)可接受一個參數(shù)（本例中是一個日期）并按某種格式輸出結(jié)果（本例中使用了表4-4中符號的組合）。

R的內(nèi)部在存儲日期時蔬捷，是使用自1970年1月1日以來的天數(shù)表示的周拐，更早的日期則表示為負數(shù)妥粟。這意味著可以在日期值上執(zhí)行算術(shù)運算勾给。例如：

顯示了2004年2月13日和2011年1月22日之間的天數(shù)脓钾。

最后可训，也可以使用函數(shù)difftime（）來計算時間間隔，并以星期飞崖、天蚜厉、時昼牛、分贰健、秒來表示伶椿。

假設(shè)我出生于1981年12月20日脊另，我現(xiàn)在有多大了呢偎痛？

4.6.1 ? 將日期轉(zhuǎn)換為字符型變量

函數(shù)as.character()可將日期值轉(zhuǎn)換為字符型：strDates <- as.character(dates)

進行轉(zhuǎn)換后踩麦，即可使用一系列字符處函數(shù)處理數(shù)據(jù)理

4.6.2 ?更進一步

4.7 ? 類型轉(zhuǎn)換

你可以使用表4-5中列出的函數(shù)來判斷數(shù)據(jù)的類型或者將其轉(zhuǎn)換為指定類型谓谦。

表4-5 ? ?類型轉(zhuǎn)換函數(shù)

判斷 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?轉(zhuǎn)換

is.numeric() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? as.numeric()

is.character() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?as.character()

is.vector() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? as.vector()

is.matrix() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?as.matrix()

is.data.frame() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?as.date.frame()

is.factor() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? as.factor()

is.logical() ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? as.logical()

名為is.datatype()這樣的函數(shù)返回TRUE或FALSE,而as.datatype()這樣的函數(shù)則將其參數(shù)轉(zhuǎn)換為對應(yīng)的類型反粥。

代碼清單4-5提供了一個示例

代碼清單4-5 ? 轉(zhuǎn)換數(shù)據(jù)類型

4.8 ? 數(shù)據(jù)排序

在R中星压，可以使用order（）函數(shù)對一個數(shù)據(jù)框進行排序。默認的排序順序是升序逊脯。在排序變量的前邊加一個減號即可得到降序的排序結(jié)果。一下示例使用leadership演示了數(shù)據(jù)框的排序演怎。

語句：

本章問題1：為什么使用attach（leadership）會出現(xiàn)以上的錯誤，這樣的問題已經(jīng)一再出現(xiàn)了拍皮，基本只要使用attach（）就會出現(xiàn)以上類似的提示？咆耿？萨螺？慰技？吻商？手报？改化？陈肛？

4.9 ?數(shù)據(jù)集的合并

如果數(shù)據(jù)分散在多個地方句旱，你就需要在繼續(xù)下一步之前將其合并。

4.9.1 ?添加列

要橫向合并兩個數(shù)據(jù)框（數(shù)據(jù)集）請使用merge（）函數(shù)腥泥。在多數(shù)情況下蛔外，兩個數(shù)據(jù)框是通過一個或多個共有變量進行聯(lián)結(jié)的（即一種內(nèi)聯(lián)結(jié)夹厌，innerjoin）矛纹。例如：

注意 ? 如果要直接橫向合并兩個矩陣或數(shù)據(jù)框或南，并且不需要指定一個公共索引迎献，那么可以直接使用cbind（）函數(shù)：

total <- cbind(A, B)

這個函數(shù)將橫向合并對象A和對象B.為了讓它正常工作，每個對象必須擁有相同的行數(shù)扒秸，且要以相同順序排序伴奥。

4.9.2 ?添加行

要縱向合并兩個數(shù)據(jù)框（數(shù)據(jù)集）翼闽，請使用rbind（）函數(shù)：

total <- rbind(datafameA,dataframeB)

兩個數(shù)據(jù)框必須擁有相同的變量感局，不過它們的順序不必一定相同。如果dataframeA中擁有dataframeB中沒有的變量崖瞭，請在合并他們之前做以下某種處理：

书聚。刪除dataframeA中的多余變量

雌续。在dataframeB中創(chuàng)建追加的變量并將其值設(shè)為NA(缺失）

縱向聯(lián)結(jié)通常用于向數(shù)據(jù)框中添加觀測驯杜。

4.10 ? 數(shù)據(jù)集取子集

4.10.1 ? 選入(保留）變量

從一個大數(shù)據(jù)集中選擇有限數(shù)量的變量來創(chuàng)建一個新的數(shù)據(jù)集是常有的事艇肴。在第二章中，數(shù)據(jù)框中的元素是通過dataframe[row ? indices, column indices]這樣的記號來訪問的。你可以沿用這種方法來選擇變量：

實現(xiàn)了等價的變量選擇冲九。這里莺奸，（引號中的）變量名充當了列的下標灭贷，因此選擇的列是相同的。

最后逃延，其實你可以寫：

本例使用paste（）函數(shù)創(chuàng)建了與上例中相同的字符型向量讽膏。

4.10.2 ? ?剔除（丟棄）變量

剔除變量的原因有很多府树。舉例來說料按，如果某個變量中有若干缺失值遭铺，你可能就想在進一步分析之前將其丟棄。下面是一些剔除變量的方法魂挂。

為了理解以上語句的原理，你需要把它拆解如下敏沉。

1、names（leadership）生成了一個包含所有變量名的字符型向量：

c（“managerID","testDate”潦闲，“country”歉闰，“gender”和敬，“age”昼弟，“q1”，“q2”衰粹，“q3”铝耻，“q4”瓢捉，“q5”）泡态。

2.names（leadership） %in%c（“q3”某弦， “q4”）返回了一個邏輯型向量靶壮，names（leadership）中每個匹配q3或q4的元素的值為TRUE,反之為FALSE:c（FALSE, FALSE, FALSE, FALSE, FALSE, FALSE,FALSE, TRUE, TRUE, FALSE).

3.運算符非（！）將邏輯值反轉(zhuǎn)：c（TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, TRUE, FALSE, FALSE, FALSE, TRUE).

4.leadership[c(TRUE,TRUE,TRUE,TRUE,TRUE,TRUE,TRUE,FALSE,FALSE,TRUE)]選擇了邏輯值為TRUE的列螃壤，于是q4和q4被剔除了抗果。

在知道了q3和q4是第8個和第9個變量的情況下，可以使用語句：

newdata <- leadership[c(-8, -9)]

將它們剔除奸晴。這種方式的工作原理是冤馏，在某一列的下標之前加一個減號（?)就會剔除那一列。

末了寄啼，相同的變量刪除工作亦可通過：

leadership$q3 <- leadership$q4 <- NULL

來完成宿接。這回你將q3和q4兩列設(shè)為了未定義（NULL).注意，NULL與NA（表示缺失是不同的辕录。丟棄變量是保留變量的逆向操作。選擇哪一種方式進行變量篩選依賴于兩種方式的編碼難易程度域蜗。如果有許多變量需要丟棄韵丑，那么直接保留需要的留下的變量可能更簡單塞绿，反之亦然喜庞。

4.10.3 ? ?選入觀察

選入或剔除觀測（行）通常是成功的數(shù)據(jù)準備和數(shù)據(jù)分析的一個關(guān)鍵方面。

代碼清單4-6 ? ? 選入觀測

在本章開始的時候，我曾經(jīng)提到，你可能希望將研究的范圍限定在2009年1月1日到2009年12月31日之間的收集的觀測上。

leadership$date <- as.Date(leadership$date, "%m/%d/%y")

startdate <- as.Date("2009-01-01")

enddate <- as.Date("2009-10-31")

?<- leadership[which(leadership$date >=stardate &

leadership$date <= enddate),]

首先扁位，使用格式mm/dd/yy將開始作為字符值讀入的日期轉(zhuǎn)換為日期值暇务。然后創(chuàng)建開始日期和結(jié)束日期。由as.Date()函數(shù)的默認格式就是yyyy-mm-dd，所以你必須在這里提供這個參數(shù)。

4.10.4 ?subset（）函數(shù)

前兩節(jié)中的示例很重要，因為他們輔助描述了邏輯型向量和比較運算符在R中的解釋方式。

？？？上面出現(xiàn)了“select=c（q1,q2,q3,q4))彈出了上圖最后一列的問題是上面原因，我的猜想是之前的記錄中沒有輸入相關(guān)數(shù)據(jù)详幽，導(dǎo)致后面找不到？

在第一個示例中，你選擇了所有age的值大于或等于35或age值小于24的行控乾，保留了變量q1到q4.在第二個示例中，你選擇了所有25歲以上的男性蒜绽，并保留了變量gender到q4（gender相赁、q4和其間所有列）绵脯。

4.10.5 ?隨機抽樣

sample（）函數(shù)能夠讓你從數(shù)據(jù)集中（有放回或無放回地）抽取大小為n的一個隨機樣本。

你可以使用以下語句從leadership數(shù)據(jù)集中隨機抽取一個大小為3的樣本：

mysample <- leadership[sample(1:nrow(leadership), 3, replace=FALSE),]

sample()函數(shù)中的第一個參數(shù)是一個要從中抽樣的元素組成的向量。在這里，這個向量是1到數(shù)據(jù)框中觀測的數(shù)量，第二個參數(shù)是要抽取的元素數(shù)量，第三個參數(shù)表示無法取回抽樣。

sample（）函數(shù)會返回隨機抽樣得到的元素砂豌，之后即可用于選擇數(shù)據(jù)框中的行筐摘。

4.11 ?使用SQL語句操作數(shù)據(jù)框

4.12 ? 小結(jié)

我們