R语⾔数据⾼效处理指南——基本数据处理南京条约的主要内容
1 数据集基本探索
str、summary、head这三个函数，是对数据框进⾏探索性分析的“三板斧”。
> str(iris)
'data.frame': 150 obs. of 5 variables:
$ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
$ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
$ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
$ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
$ Species : Factor w/ 3 levels "tosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
> summary(iris)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 tosa :50
1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 versicolor:50
Median :5.800 Median :3.000 Median :4.350 Median :1.300 virginica :50
Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
> head(iris)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.
2 tosa
2 4.9 3.0 1.4 0.2 tosa
3 4.7 3.2 1.3 0.2 tosa
4 4.6 3.1 1.
5 0.2 tosa
5 5.0 3.
6 1.4 0.2 tosa
6 5.4 3.9 1.
7 0.4 tosa
2 基本范式实现
2.1 创建（read.csv/data.frame）
2.1.1 外部导⼊
⾸先创建⼀个csv⽂件，为了步骤统⼀，我们先⽤write.csv函数从内部写出表格，再⽤read.csv读⼊。以iris数据及为例，⾸先将它写⼊D 盘根⽬录下：
> write.csv(iris,file = "D:/iris.csv")
进学生会的申请书
# 上⾯函数可以默认file = 这个部分，也就是说，可以写成：
# write.csv(iris,"D:/iris.csv")
操作完毕后，可以把这个数据从外部读⼊，并赋值iris2：
> iris2 = read.csv("D:/iris.csv")
> iris2
X Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 1 5.1 3.5 1.4 0.
2 tosa
2 2 4.9 3.0 1.4 0.2 tosa
3 3 4.7 3.2 1.3 0.2 tosa
4 4 4.6 3.1 1.
5 0.2 tosa
5 5 5.0 3.
6 1.4 0.2 tosa性感美女图
…………
⼀般来说，read.csv函数默认第⼀⾏为表头，会作为列名称赋给数据框，如果不希望这个操作，可设置参数“header = F”，不过在包含列名称的数据中使⽤header = F是错误的。
2.1.2 内部创作（data.frame）
内部创作数据框，可使⽤data.frame函数直接创建：
> df = data.frame(x = 1:3,y = c("a","b","c"))
> df
x y
1 1 a
2 2 b
3 3 c
2.2 删除（rm）
如果不希望R 中继续使⽤这个变量，可以⽤rm函数删除它：
> rm(df)
> df
function (x, df1, df2, ncp, log = FALSE)
{
if (missing(ncp))
.
Call(C_df, x, df1, df2, log)
el .Call(C_dnf, x, df1, df2, ncp, log)
}
<bytecode: 0x0000000004c0a8c0>
<environment: namespace:stats>
想要知道环境中有哪些变量，可以⽤ls函数显⽰：
> ls()
[1] "iris2"
如果想清空环境中所有变量，可以这么做：
天使翅膀图片
> rm(list = ls())
但是注意，⽆法删除系统⾃带数据集。
2.3 检索（DF[i , j]）
检索分为⾏检索和列检索，注意⼏点：中括号，逗号前⾏后列，连续⾏⽤冒号，不连续⾏⽤向量c(* , * , *) 2.3.1 ⾏检索
iris的第33⾏：
> iris[33,]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
33 5.2 4.1 1.5 0.1 tosa
选取多⾏，例如33到35⾏：
> iris[33:35,]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
33 5.2 4.1 1.5 0.1 tosa
34 5.5 4.2 1.4 0.2 tosa
35 4.9 3.1 1.5 0.2 tosa
选取不连续⾏，例如33、36、38⾏：
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
33 5.2 4.1 1.5 0.1 tosa
36 5.0 3.2 1.2 0.2 tosa
38 4.9 3.6 1.4 0.1 tosa
2.3.2 列检索
同理
> iris1 = iris[2:5,]
> iris1[,2:4]
Sepal.Width Petal.Length Petal.Width
2 3.0 1.4 0.2
3 3.2 1.3 0.2
4 3.1 1.
5 0.2
5 3.
6 1.4 0.2
因为列是有名称的，例如选取Petal.Length列：
> iris1[,"Petal.Length"]
[1] 1.4 1.3 1.5 1.4
也可以通过$符号来选取列，上⾯的例⼦也可以这样实现：
无法无天造句> iris1$Petal.Length
[1] 1.4 1.3 1.5 1.4
如果需要选取多列，就需要利⽤向量的⽅法：
> iris1[,c("Sepal.Length","Petal.Length")]
Sepal.Length Petal.Length
2 4.9 1.4
3 4.7 1.3
4 4.6 1.5
5 5.0 1.4
2.4 插⼊（rbind/cbind）
同检索，插⼊也分为⾏插⼊和列插⼊。
2.4.1 ⾏插⼊（rbind）
对数据框进⾏⾏插⼊时，必须保证两个数据框列数⼀样，⽽且列名⼀致。下⾯，我将区iris两个⼦集，再将两个⼦集合并在⼀起，完成对第⼀个列表插⼊第⼆个列表的操作：
> i1
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.
2 tosa
2 4.9 3.0 1.4 0.2 tosa
3 4.7 3.2 1.3 0.2 tosa
> i2
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
4 4.6 3.1 1.
5 0.2 tosa
公司开业庆典策划> rbind(i1,i2)->i
> i
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.
2 tosa
2 4.9 3.0 1.4 0.2 tosa
3 4.7 3.2 1.3 0.2 tosa
4 4.6 3.1 1.
5 0.2 tosa
>
注意，“->”箭头指向哪⾥，就往哪⾥赋值
2.4.2 列插⼊（cbind）
c是column的简写
> i1[,1:2]->i3
> i1[,3]->i4
> cbind(i3,i4)->i5
> i3
Sepal.Length Sepal.Width
1 5.1 3.5
2 4.9 3.0
3 4.7 3.2
> i4
[1] 1.4 1.4 1.3
> i5
抗癌水果Sepal.Length Sepal.Width i4
1 5.1 3.5 1.4
2 4.9 3.0 1.4
3 4.7 3.2 1.3
注意，i4 表格没有列名称，因此赋值后，⾃动将i4 作为列名称放⼊数据框，如果想改列名称，可以⽤colnames函数或者names函数
> names(i5) = c("a","b","c")
> i5
a b c
1 5.1 3.5 1.4
2 4.9 3.0 1.4
3 4.7 3.2 1.3
2.5 排序（order）
order函数原理：接受⼀个向量，然后返回这个向量的排序。例如：
> c(3,5,2,6,4,8)->a
备战中考作文
> order(a)
[1] 3 1 5 2 4 6
解释⼀下意思，输出结果第⼀个数字3也就是向量中第3个数字应该排在第⼀位，以此类推。
取iris前六⾏进⾏演⽰
> > test<-iris[1:6,]
> test[order(test$Sepal.Length),]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
4 4.6 3.1 1.
5 0.2 tosa
3 4.7 3.2 1.3 0.2 tosa
2 4.9 3.0 1.4 0.2 tosa
5 5.0 3.
6 1.4 0.2 tosa
1 5.1 3.5 1.4 0.
2 tosa
6 5.4 3.9 1.
7 0.4 tosa
如果希望降序，在order函数的参数中加⼊负号即可：
> test[order(-test$Sepal.Length),]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
6 5.4 3.9 1.
7 0.4 tosa
1 5.1 3.5 1.4 0.
2 tosa
5 5.0 3.
6 1.4 0.2 tosa
2 4.9 3.0 1.4 0.2 tosa
3 4.7 3.2 1.3 0.2 tosa
4 4.6 3.1 1.
5 0.2 tosa
order函数中可以加⼊多个参数
2.6 过滤（DF[condition,]）
对数据框的过滤依然需要对⾏进⾏操作，⾏的检索其实是可以利⽤逻辑值的，例如：
> test[c(T,T,T,T,F)]
Sepal.Length Sepal.Width Petal.Length Petal.Width
1 5.1 3.5 1.4 0.2
2 4.9 3.0 1.4 0.2
3 4.7 3.2 1.3 0.2
4 4.6 3.1 1.
5 0.2
5 5.0 3.
6 1.4 0.2
6 5.4 3.9 1.
7 0.4
筛选Sepal.Lenght⼤于5的记录，查看是否满⾜条件
满⾜逻辑值的进⾏筛选
> test$Sepal.Length > 5
[1] TRUE FALSE FALSE FALSE FALSE TRUE
> test[test$Sepal.Length > 5,]
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.
2 tosa
6 5.4 3.9 1.
7 0.4 tosa
2.7 汇总（apply）
