4.2 创建新变量
几个运算符:
^或**:求幂
x%%y:求余
x%/%y:整数除
4.3 变量的重编码
with():
within():可以修改数据框
4.4 变量重命名
包reshape中有个函数rename,可以改名 rename(df,c(manage='managerID',date='testDate'))
或
names(df)[2]<-'newname'
4.5 缺失值
is.na():检查缺失值,是返回TRUE,否返回FALSE
na.rm=TRUE选项可以用,比如
y<-sum(x,na.rm=TRUE)
移除缺失值
newdf<-na.omit(df)
4.6 日期值
as.Date():其中参数input_format的取值,真难记,默认日期是yyyy-mm-dd
%d:数字日期
%a:缩写的星期名
%A:非缩写的星期名
%m:00~12
%b:缩写的月份
%B:非缩写的月份
%y:两位年份
%Y:四位年份
Sys.Date():当前日期
date():返回当前日期和时间,为什么不好好起名字呢,非要叫Date和date
可以用format提取一些东西
today <- Sys.Date()
format(today, format = "%B %d %Y")
format(today, format = "%A")
日期可以相减
startdate <- as.Date("2004-02-13")
enddate <- as.Date("2009-06-22")
days <- enddate - startdate
也可以
today <- Sys.Date()
format(today, format = "%B %d %Y")
dob <- as.Date("1956-10-10")
format(dob, format = "%A")
4.6.1 将日期转换为字符型变量
as.character
4.7 类型转换
is.numeric --> as.numeric
is.character
is.vector
is.data.frame
is.factor
is.logical
4.8 数据排序
order()
newdata <- leadership[order(leadership$age), ] 这是升序,前面加个减号就是降序
newdata <- leadership[order(gender, -age), ] 这是按性别升序,年龄降序排序
4.9 数据集的合并
4.9.1 添加列
横向合并两个数据框,用merge()
newdf<-merge(dfA,dfB,by="ID")
newdf<-merge(dfA,dfB,by=c("ID","Country"))
如果不需要连接,用cbind就可以
4.9.2 添加行
rbind
4.10 数据集取子集
4.10.1 选入变量
选列
data<-df[,c(6:10)]
或按名称选择
myvars <- c("q1", "q2", "q3", "q4", "q5")
newdata <- leadership[myvars]
4.10.2 剔除变量
myvars <- names(leadership) %in% c("q3", "q4") 得到交集
newdata <- leadership[!myvars] 取反,结果等于去除了q3,q4
或者
newdata <- leadership[c(-7, -8)]
4.10.3 选入观测
which函数
4.10.4 subset
newdata <- subset(leadership, age >= 35 | age < 24, select = c(q1, q2, q3, q4))
newdata <- subset(leadership, gender == "M" & age > 25, select = gender:q4)
4.10.5 随机抽样
sample
sample<-df[sample(1:nrow*(df),3,replace=FALSE] 不放回抽样
4.11 使用SQL操作数据框
library(sqldf)
newdf <- sqldf("select * from mtcars where carb=1 order by mpg", row.names = TRUE)
newdf <- sqldf("select avg(mpg) as avg_mpg, avg(disp) as avg_disp,gear from mtcars where cyl in (4, 6) group by gear")