如何处理缺失值

矩阵中构建子集（行，列）

矩阵和向量的区别

，向量是给出行或列

矩阵给出的是行和列

构建子集subsetting

raw dataset and  clean dateset

【】

【【】】

$

拿到数据顺序：子集

日期和时间

date，time

date（）

sys.date()

as.date(年-月-日)

weekday（）

months（）

quarters（）

julian（）

posixct（）

posixlT()

strptime（）

数据框：data frame

data.frame()

因子：factor处理分类数据，有序或无序

证书向量+标签

X<-factor(c())

levels=极限水平

列表：list

矩阵：matrix

数组：array

is.na和is.nan的区别

NaN属于NA，因为NaN一般用来表示数字的缺失值，NA可以表示的缺失值的范围更广

判断向量里面是否有缺失值，用：

is.na()/is.nan，对应以上两种缺失值

以上例子说明：

存在第二个和第四个是na类型的缺失值

不存在nan这个类型的缺失值

如果将x中的内容改成NaN则：

可以发现：na是可以检测出nan的缺失值的

因子是用来处理分类数据的

有序 例子：年龄低中高

无序  例子：性别男女

因子优于整数向量，因为可以对整数向量进行描述，如你会知道1或者2代表男性还是女性

factor函数：用c将所有人的性别连在一起；输出后得到x的内容；level可以查看因子包含的水平

在factor里面插入第二个函数 levels：levels的第一个参数的就是基线水平

对x有一个基本的了解，使用table函数，可查看不同水平内容的个数：

可以用unclass函数去掉levels：

内容是：

attr显示曾经的level和其内容

用class函数查看unclass之后x变成了什么类别的数据

和矩阵最大的区别就是列表可以包含不同类型的数据

list函数：每一个参数都是列表里面元素的内容

给列表里的元素命名，用元素a=名字1这样的规则进行命名

列表中每一个元素的个数大于1

用c将元素合并 c（1，2，3）的意思就是c这个元素里面有123这个三个内容

引入矩阵的维度

给矩阵的每一行每一列命名：

dimnames（矩阵）<-赋值list（行的命名，列的命名）【list里面第一个元素c包含两行，第二个元素c包含三列】

创建矩阵：

matrix，两个参数，多少行+多少列

出现：

console出现：

添加矩阵的内容：

控制台console出现：

矩阵填充是按照列的方式来填充的

查看矩阵维度属性：

dim（x）

可以查看有多少行多少列

三行两列

矩阵有多少属性，有哪些属性：

attributes（x）

当前这个矩阵的属性是维度

矩阵就是向量加上维度属性

所以也可以用以下方式进行矩阵的创建：

给y向量添加维度信息dim赋值c，这个c函数里面写两个参数，第一个参数有多少行，第二个有多少列

运行后：

两个矩阵进行拼接

按照行来拼接：rbind

按照列拼接：cmind

数组

用arry函数，第一个参数是数组的内容，第二个参数是维度dim的设定

二维：

三维：

第三个维度“4”代表有四个元素；

“，，1”代表的是第三个维度里的第一个元素，也就是“4”这个维度中的第一个元素。

第三个维度的第一个元素“，，1”中是一个两行三列的矩阵，也就是dim函数的前两个维度：2✖3

注意的是：1：24的排列是按照第三个维度中的每一个元素排下来的，也就是说：先排完“，，1”的123456，再排“，，2”....

向量是可以包含多种同一类型元素的对象
console中命令是一次性的不可重复利用
新建文件：保存和重复利用代码

注释用#
创建函数可以右键看到提示

vector：

创建方法1
第一个参数是这个向量里面元素的类型，第二个参数是向量包含的原色个数，长度如是10个

脚本文件中要选择这句话，点击右上角run

创建方法2

变量<-赋值1：4，即从一到四

创建方法3

使用c函数，需要在这个函数中输入你需要的在这个向量中的每一个元素的内容

注意：

如果向量中每一个量的元素的类型不一样，r会强制转换成同一类型的变量

上面的例子就是r把3个不同类型的元素类型都转换成了字符类型的元素

可以自我强制转换元素的类型，添加as.，如把字符型转换成数字型

强制转换的函数：
as.numeric（参数）

as.logical（）

as.character（）

以此类推

但是有可能会看到warning信息，因为r有可能不知道怎么把字符型转换成数字型函数，就会把无法转换的值用NA来替代

此外，记得可以用class查询向量的类型

对象的属性可以包含名称，向量中的每一个元素都是可以有名称的

names（向量x1）<-c（“a”,。。。。）

设置abcd四个是因为向量x1中有4个元素

上图可见，第一个元素的名称是a，第二个元素的名称是B，......

左侧为控制台，右侧上方环境中的变量，右侧下方看绘图和包的信息和帮助文档的地方等

创建变量x，赋值符号<-  右侧环境中出现values=1

输入x然后回车：方括号1的意思是它后面接着的元素是x中第一个元素，没有方括号的1代表x中存储的内容是1

查看对象类型的函数：class
numeric：x是数值型变量，它的值可以是整数也可以是小数

强调存储的是整数，只需要赋值的时候在后面加L

细节：
赋值符号<-
注意x是大写还是小写，这是不同的两个变量

创建字符型变量：赋值双引号“”

逻辑型变量：真假

复数


r的对象的属性

列表

l <- list("a", 2, 10L, 3+4i, TRUE)

列表命名l2 <- list(a=1, b=2, c=3) 

列表中每个元素中的元素个数大于1

l3 <- list(c(1,2,3), c(4,5,6,7))

矩阵行列命名

x <- matrix(1:6, nrow=2, ncol=3)

dimnames(x) <- list(c("a","b"), c("c","d","e"))   

 (x是一个矩阵，a.b是行的名字，d,e是列的名字)

R数据结构

2.矩阵（matrix）：向量+维度属性（整数向量：nrow, ncol）

2.1 创建矩阵：

        方法一： x <- matrix(nrow=3, ncol=2) #创建一个3行2列矩阵，元素为NA。该函数创建矩阵时先列后行。

                        x <- matrix(1 : 6, nrow=3, ncol=2) #按列填充元素

        方法二： y <- 1 : 6  #生成一个向量

                       dim(y) <- c(2, 3) #指定行数与列数

其他：dim(matrix)：查看矩阵matrix的行数与列数

attributes(matrix)：查看矩阵matrix有哪些属性

2.2 拼接矩阵

y1 <- 1 : 6
dim(y1) <- c(2 : 3)
y2 <- matrix(1:6, nrow =2, ncol=3)

rbind(y1, y2) #按行拼接
cbind(y1, y2) #按列拼接

3.数组：与矩阵类似，但维度可以大于2

创建数组：x <- array(1:24, dim=c(4, 6)) #参数1填充元素，参数2指定维度

                y <- array(1:24, dim=c(2, 3, 4))

向量（vector）：只能包含同一类型的对象

创建向量的方法：1. 定义 x <- vector(数据类型，数据长度)

                           2. x1 <- 1:4   #创建整型向量1-4

                           3. x3 <- c(向量的元素)  # 例如构建向量x3<-c(1，2）

#对于向量中元素类型不同的情况，R语言中会自动强制转化

 例如x3 <- c(TRUE,10,"a") 会转换为("TRUE","10","a"）

 as.numeric(x)   #将x转换为数值型向量

 as.logical(x)      #将x转换为逻辑向量

 as.character(x)  #将x转换为字符型向量

names(x1) <- c("a","b","c")  #给向量x1进行命名,“a”为第一个向量元    

                                              素的名字，依次类推

#日期

1

1

1

数组三个维度的排列

#tapply函数的应用

#对向量的子集进行操作

#rnorm(5)前五个正态分布

#runif(5)中间五个均匀分布

#rnorm(5,1)均值标准差为0的分布

x<-c(rnorm(5),runif(5),rnorm(5,1))#第三个为均值为1，方差为0的正态分布

f<-gl(3,5)#

tapply(x,f,mean)

tapply(x,f,mean,simplify=FALSE)

#data frame 数据框

#第一个参数代表第一列的内容，第二个参数表示第二列的内容

df <- data.frame(id = c(1,2,3,4),name = c("a","b","c","d"),gender = c(TRUE,TRUE,FALSE,FALSE))    

#查看数据框有多少行

nrow(df)

#查看数据框有多少列

ncol(df)

#定义一个类似矩阵的数据框

df2 <- data.frame(id=c(1,2,3,4),score = c(89,90,70,50))

#数据框转换成矩阵，要求，第二个参数的数据类型必须一样

data.matrix(df2)

本章小结-学习内容

数据结构矩阵函数

4-7总结数据信息

head(airquality)(airquality的前6行)

head(airquality，10)(airquality的前10行)

tail(airquality)（airquality的后6行）

summary(airquality的变量的描述统计)

str(airquality)(把airquality进行了总结)

table(airquality$Ozone,useNA="ifany")(如果有缺失值就总结出来)

table(airquality$Month,airquality$Day)(得到二维的表)

any(is.na(airquality$Ozone))(如果返回的是TRUE，就说明一定有缺失值)

sum(is.na(airquality$Ozone))(臭氧含量中有多少缺失值)

all(airquality$Month<12)(是不是所有的月份都小于12)

titanic<-as.data.frame(Titanic)

head(Titanic)

dim(Titanic)(维度)

summary(Titanic)

x<-xtabs(Freq~Class+Age,data=titanic)(Class+Age的交叉频率，)

ftable(x)(与上面类似 结果更扁平化)

object.size(airquality)(数据的大小)

print(object.size(airquality),units="kb")

4-6排序

排序

sort:对向量进行排序；返回排好序的内容

order:返回排好序的内容的下标/多个排序标准

x<-data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1))

sort(x$v2)(对v2这一列按照升序进行排序)

sort(x$v2,decreasing=TRUE)(对v2这一列按照降序进行排序)

order(x$v2)(返回的不是内容本身 返回了行号)

x[order(x$v2),](对整个数据框按照v2这一列进行排序)

x[order(x$v4,x$v2),](对整个数据框按照v4这一列进行排序,如果v4中有重复的元素，则按照v2排序)

x[order(x$v4,x$v2),decreasing=TRUE](降序)

4-5split

split:根据因子或因子列表将向量或者其他对象进行分组，通常与lapply一起使用。

        split(参数)：split(向量/列表/数据框，因子/因子列表)

x<-c(rnom(5),runif(5),rnorm(5,1))

f<-gl(3,5)

split(x,f)(返回了列表，有3个水平，每个水平有5个元素)

lapply(split(x,f),mean)

head(airquality)

s<-split(airquality,airquality$Month)(按月份来查看空气质量的数据)

table(airquality$Month)(airquality到底包含了多少个月份的数据并且每个月下面多少条记录)

lapply(s,function(x) colMeans(x[,c("Ozone","Wind","Temp")]))(计算每1个月的臭氧含量、风速和温度的平均值)

sapply(s,function(x) colMeans(x[,c("Ozone","Wind","Temp")],na.rm=TRUE))(不包含缺失值)

4-4 tapply

tapply:对向量的子集进行操作     tapply(参数)：tapply(向量，因子/因子列表，函数/函数名)

x<-c(rnom(5),runif(5),rnorm(5,1))(15个元素，前5个来自正态分布，中间5个来自均匀分布，后5个来自均值为5，标准差为1的正态分布)

建立因子：f<-gl(3,5)(3代表这个因子包含3个水平，5代表每个水平下有5个元素)

tapply(x,f,mean)(对向量x按照因子的水平进行分组，对每一组求均值)

tapply(x,f,mean，simplify=FALSE)