R语言基操

大家好，欢迎来到IT知识分享网。

一、删除缺失值

x <- c(1,2,3,NA,4,5) y <- sum(x,na.rm=TRUE)#仅针对部分函数适用 xx <- na.omit(x) y <- sum(y)#所有函数均可使用该方法 

二、dyplr

library(dplyr) starwars # 查看dyplr自带数据集 

数据集列变量

1. 排列【arrange(data)】

arrange(starwars, height) # 按‘height’列升序排列 arrange(starwars, -height) # 按‘height’列降序排列 arrange(starwars, desc(height)) # 按‘height’列降序排列,使用desc()函数 starwars %>% arrange(-height) # 管道函数方法：按‘height’列降序排列 

2. 筛选变量【select()】
   用列名做参数选择子数据集

#选取多列 select(starwars, name,height,mass,hair_color) #选取多列并改变顺序 select(starwars, height,mass,name,hair_color) #选取列名以s开始的列 select(starwars, starts_with("s")) #选取列名后缀包含color的列 select(starwars, ends_with("color")) #选取列名后缀不包含color的列 select(starwars, -ends_with("color")) #选取列名中包含_的列 select(starwars, contains("_")) #正则表达式匹配，返回变量名中包含t的列 select(starwars, matches(".t.")) #使用冒号连接列名，选择多个列 select(starwars, name:hair_color) #选择字符向量中的列，select中不能直接使用字符向量筛选，需要使用one_of函数 vars <- c("name", "hair_color") select(starwars, one_of(vars)) #返回指定字符向量之外的列 select(starwars, -one_of(vars)) #返回所有列，一般调整数据集中变量顺序时使用,例如把hair_color列放到最前面 select(starwars, hair_color, everything()) 

select函数也可以用作重命列名

#重命名列hair_color，返回子数据集只包含重命名的列 select(starwars, haircolor = hair_color) #重命名所有以color为后缀的列，返回子数据集只包含重命名的列 select(starwars, color = ends_with("color")) #重命名列hair_color，返回全部列,使用rename函数 rename(starwars,, haircolor = hair_color) 

3. 筛选【filter】

#筛选出height为150的行 filter(starwars, height == 150) #筛选出sex为female的行 filter(starwars, sex == 'female') #筛选出skin_color为light并且height等于150的行 filter(starwars, skin_color == 'light' & height == 150) filter(starwars, skin_color == 'light',height == 150) #筛选出skin_color为light或者height等于150的行 filter(starwars, skin_color == 'light' | height == 150) #过滤出height等于150或159的行 filter(starwars, height %in% c(150, 165)) #filter()函数和slice()函数根据行号筛选数据 #选取第一行数据 slice(starwars, 1L) filter(starwars, row_number() == 1L) #选取最后一行数据 slice(starwars, n()) filter(starwars, row_number() == n()) #选取第5行到最后一行所有数据 slice(starwars, 5:n()) filter(starwars, between(row_number(), 5, n())) 

4. 变形 mutate(data, new_var)
   mutate函数对【已有列】进行数据运算并添加为新列，同时还有另外一个函数transmute()只返回扩展的新变量。语法为mutate(data, ...)和transmute(data, ...)

# 添加两列：ht_m将身高数据除以100，color列连接skin_color和eye_color两列 mutate(starwars, ht_m = height/100,color =paste(starwars$skin_color,starwars$eye_color,sep="_")) #计算新列wt_kg和wt_t，返回对象中只包含新列 transmute(starwars, ht_m = height/100,color =paste(starwars$skin_color,starwars$eye_color,sep="_")) #添加新列,在同一语句中可以使用刚添加的列，注意这里不用添加dataframe名，否则会报错 mutate(starwars, ht_m = height/100,ht_m_text =paste(ht_m,"m",sep="_")) 

5. 抽样sample
   抽样函数，sample_n()随机抽取指定数目的样本，sample_frac()随机抽取指定百分比的样本，默认都为不放回抽样，通过设置replacement = TRUE可改为放回抽样，可以用于实现Bootstrap抽样。语法为sample_n(tbl, size, replace = FALSE, weight = NULL, .env = parent.frame())在新版本的dplyr包中抽样函数已变为slice_sample。

#无放回抽样10行数据 sample_n(starwars, 10) #有放回抽样20行数据 sample_n(starwars, 20, replace = TRUE) #默认size=1，相当于对全部数据无放回抽样 sample_frac(starwars) #无放回抽样10%的数据 sample_frac(starwars, 0.1) # 按个数抽样 slice_sample(starwars,n = 10) # 按比例抽样 slice_sample(starwars,prop = 0.1) 

6. 汇总summarise
   对数据框调用其它函数进行汇总操作, 返回一维的结果,返回多维结果时会报如下错误：Error: expecting result of length one, got : 2,语法为summarise(.data, ...)
   注意在使用统计函数时保证数据不存在缺失值，否则结果会返回NA，可以利用na.omit(starwars)来去抽除数据框中包含NA的行.

#返回数据中height的均值 summarise(na.omit(starwars), mean(height)) #返回数据中height的标准差 summarise(na.omit(starwars), sd(height)) #返回数据中height的最大值及最小值 summarise(na.omit(starwars), max(height), min(height)) #返回数据框的行数 summarise(starwars, n()) #返回sex去重后的个数数 summarise(starwars, n_distinct(sex)) #返回height的第一个值 summarise(starwars, first(height)) #返回height的最后一个值 summarise(starwars, last(height)) 

7. 分组group_by
   group_by()函数用于对数据集按照给定变量分组，返回分组后的数据集。对返回后的数据集使用以上介绍的函数时，会自动的对分组数据操作。

#使用变量sex对starwars分组，返回分组后数据集，注意去除数据集中的NA sw_group <- group_by(na.omit(starwars), sex) #返回每个分组中最大height所在的行 filter(sw_group, height == max(height)) #返回每个分组中变量名包含d的列，同时始终返回列sex(上述分组依据列) select(sw_group, contains("d")) #使用height对每个分组排序 arrange(sw_group, height) #对每个分组无放回抽取2行 sample_n(sw_group, 2) #求每个分组中height和birth_year的均值 summarise(sw_group, mean(height), mean(birth_year)) #返回每个分组中height第二的值 summarise(sw_group, nth(height,2)) #获取分组数据集所使用的分组变量 groups(sw_group) #ungroup从数据框中移除组合信息，因此返回的分组变量为NULL groups(ungroup(sw_group)) 

8. 数据连接join
   数据框中经常需要将多个表进行连接操作, 如左连接、右连接、内连接等，dplyr包也提供了数据集的连接操作，类似于 base::merge() 函数。语法如下：

 #内连接，合并数据仅保留匹配的记录 inner_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...) #左连接，向数据集x中加入匹配的数据集y记录 left_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...) #右连接，向数据集y中加入匹配的数据集x记录 right_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...) #全连接，合并数据保留所有记录，所有行 full_join(x,y, by = NULL, copy = FALSE, suffix = c(".x", ".y"), ...) #返回能够与y表匹配的x表所有记录  semi_join(x,y, by = NULL, copy = FALSE, ...) #返回无法与y表匹配的x表的所有记录 anti_join(x, y, by = NULL, copy = FALSE, ...) 

by设置两个数据集用于匹配的字段名，默认使用全部同名字段进行匹配，如果两个数据集需要匹配的字段名不同，可以直接用等号指定匹配的字段名，如， by = c(“a” = “b”)，表示用x.a和y.b进行匹配。如果两个数据集来自不同的数据源，copy设置为TRUE时，会把数据集y的数据复制到数据集x中，出于性能上的考虑，需要谨慎设置copy参数为TRUE。合并后的数据集中同名变量，会自动添加suffix中设置的后缀加以区分。

df1 = data.frame(CustomerId=c(1:6), sex = c("f", "m", "f", "f", "m", "m"), Product=c(rep("Toaster",3), rep("Radio",3))) df2 = data.frame(CustomerId=c(2,4,6,7),sex = c( "m", "f", "m", "f"), State=c(rep("Alabama",3), rep("Ohio",1))) #内连接，默认使用"CustomerId"和"sex"连接 inner_join(df1, df2) #左连接，默认使用"CustomerId"和"sex"连接 left_join(df1, df2) #右连接，默认使用"CustomerId"和"sex"连接 right_join(df1, df2) #全连接，默认使用"CustomerId"和"sex"连接 full_join(df1, df2) #内连接，使用"CustomerId"连接，同名字段sex会自动添加后缀 inner_join(df1, df2, by = c("CustomerId" = "CustomerId")) #以CustomerId连接，返回df1中与df2匹配的记录 semi_join(df1, df2, by = c("CustomerId" = "CustomerId")) #以CustomerId和sex连接，返回df1中与df2不匹配的记录 anti_join(df1, df2) 

三、数据写入Excel不同sheet

1 write.xlsx （需要Java编译器）

java 路劲添加参考https://blog.csdn.net/u0/article/details/这篇文章

library(rJava) library(xlsxjars) library(xlsx) setwd('document_path') write.xlsx(df1, file="file1.xlsx", sheetName="sheet1", row.names=FALSE) write.xlsx(df2, file="file1.xlsx", sheetName="sheet2", append=TRUE, row.names=FALSE) #append用于追加不同sheet write.xlsx(df3, file="file1.xlsx", sheetName="sheet3", append=TRUE, row.names=FALSE) 

2 write.table

write.table (x, file ="file1.xlsx", sep ="", row.names =TRUE, col.names =TRUE, quote =TRUE) 

• file：导出的文件路径
• sep：分隔符，默认为空格（” “），也就是以空格为分割列
• row.names：是否导出行序号，默认为TRUE，也就是导出行序号
• col.names：是否导出列名，默认为TRUE，也就是导出列名
• quote：字符串是否使用引号表示，默认为TRUE，也就是使用引号表示