title: "R數(shù)據(jù)實戰(zhàn)4：基本數(shù)據(jù)管理"
author: "wintryheart"
date: "2019年5月17日"
output:
html_document:
toc: TRUE

knitr::opts_chunk$set(echo = TRUE)

第4章 基本數(shù)據(jù)管理

4.1 數(shù)據(jù)集

manager <- c(1:5)
date <- c("10/24/08", "10/28/08", "10/1/08","10/12/08","5/1/09")
country <- c("US", "US","UK","UK","UK")
gender <- c("M","F","M","F","M")
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)
leadship <- data.frame(manager, date, country, gender, age, q1, q2, q3,q4,q5, stringsAsFactors = FALSE)
leadship

4.2 創(chuàng)建新變量

算術(shù)表達式

#第一種方式:利用attach()簡化操作
attach(leadship)
leadship$sumq12 = q1+q2
leadship$meanq12 = (q1+q2)/2
detach(leadship)

#第二方式：利用transform()函數(shù)
leadship <- transform(leadship,
                      sumq123 = q1+q2+q3,
                      meanq123 = (q1+q2+q3)/3)

leadship

4.3 變量的重編碼

邏輯表達式

# within()和with()的不同之處在于仙逻，within()允許修改數(shù)據(jù)框。  
leadship$age[leadship$age == 99] <- NA  #將99歲的年齡值編碼為缺失值俗他。
leadship <- within(leadship,{
                   agecat <- NA   #創(chuàng)建新變量笛园，賦值為缺失值
                   agecat[age > 75] <- "Elder"    
                   agecat[age >= 55 & age <=75] <- "Middle Aged"
                   agecat[age <55] <-"Yong"})
leadship  
# 利用car包中的recode()函數(shù)职抡，和doBy包中的recodevar()函數(shù)更為方便箩艺。

4.4 變量重命名

手工修改：fix()函數(shù)調(diào)出交互式操作框

fix(leadship)

笨辦法: names()函數(shù)

names(leadship)[2] <- "textDate"

更好用的方法：plyr包中的rename()函數(shù)

rename(dataframe, c(oldname1="newname1", oldname2="newname2", ... ))

library(plyr)
leadship <- rename(leadship, c(q1="item1", q2="item2",q3="item3",q4="item4",q5="item5"))
leadship

4.5 缺失值

is.na()檢測缺失值是否存在。

is.na(leadship)

• 類似缺失值的標(biāo)記與檢測

• 在分析中排除缺失值
  • 很多數(shù)值函數(shù)都有na.rm=TRUE選項荤胁，可以在計算之移除缺失值瞧预，并用剩余值計算。
  • 通過函數(shù)na.omit()移除所有含有缺失值的觀測仅政。

x <- c(1, 2, NA, 3)
y <- sum(x)
z <- sum(x, na.rm=TRUE)
print(list(x=x, y=y, z=z))

newdata <- na.omit(leadship)
newdata

4.6 日期值

日期格式

• 日期的默認輸入格式為：yyyy-mm-dd
• 按指定格式讀裙赣汀：as.Date(object, "myfomats")
• 按指定格式輸出：format(object, format="output_format")
• 日期值可以執(zhí)行算術(shù)運算。
• 函數(shù)difftime()可以計算以星期圆丹、天滩愁、時、分和秒表示的時間間隔辫封，默認為天硝枉。
• 日期型轉(zhuǎn)換成字符型：as.character()

#默認輸入格式
mydates1 <- as.Date(c("2007-01-09", "2019-03-14"))

#按指定格式讀取
strDates <- c("01/15/1965","05/12/1970")
mydates2 <- as.Date(strDates, "%m/%D/%Y")

#按指定的格式輸出
Sys.Date()
date()
today <- Sys.Date()
format(today, format="%B %d日 %Y年")
format(today, format="%A")

#日期算術(shù)運算
startdate <- as.Date("1979-10-22")
enddate <- Sys.Date()
days <- enddate-startdate
days

#計算時間間隔
difftime(enddate, startdate)
difftime(enddate, startdate, units="weeks")

4.7 類型轉(zhuǎn)換

類型轉(zhuǎn)換函數(shù)

4.8 數(shù)據(jù)排序

• 使用order()函數(shù)對數(shù)據(jù)框進行排序。默認為升序倦微。
• 在排序變量前加一個負號妻味，就變?yōu)榻敌颉?/li>

attach(leadship)

newdata1 <- leadship[order(gender,age),]

newdata2 <- leadship[order(gender, -age),]

print(list(newdata1, newdata2))  #NA比數(shù)字大。

detach(leadship)

4.9 數(shù)據(jù)集合并

4.10 數(shù)據(jù)集取子集

4.10.1 保留變量

myvars <- c("q1","q2","q3","q4","q5")
或者
myvars <- paste("q", 1:5, sep="")

newdatas <- leadship[myvars]

4.10.2 剔除變量

使用邏輯判斷

# names(leadship)生成一個包含所有變量名的字符型向量璃诀。
# %in%返回一個邏輯型向量弧可，匹配c()中元素的值為TRUE，否則為FASLE。
myvars <- names(leadship) %in% c("sumq12", "meanq12")
# !myvars 反向邏輯判斷棕诵。
# sumq12和meanq12被剔除
newdata <- leadship[!myvars]
newdata

# 通過設(shè)為未定義(NULL)來剔除變量
newdata$sumq123 <- newdata$meanq123 <- NULL
newdata

4.10.3 選擇觀測

• 方法1：利用行下標(biāo)

newdatas <- leadship[1:3, ]

• 方法2：利用邏輯判斷篩選

attach(leadship)
newdats <- leadship[gender == "M" & age>30]
detach(leadship)

4.10.4 subset()函數(shù)同時選擇變量和觀測

newdata3 <- subset(leadship, age>30, select=c(q1,q2,q3))

newdata4  <-  subset(leadship, age>30 & gender=="M", select=q1:q4)   #支持from:to冒號運算符

print(list(newdata3, newdata4))

4.10.5 隨機抽樣

#第一個參數(shù)1:nrow(leadship)確定被抽樣的總體
#第二個參數(shù)3確定抽樣規(guī)模
#第三個參數(shù)replace=FALSE表示無放回抽樣裁良。
mysample <- leadship[sample(1:nrow(leadship), 3, replace=FALSE)]

mysample

#更復(fù)雜的抽樣工具參見sampling包和survey包。