R语言入门笔记2.5

���据预处理

（）

R语言处理的数据多以数据框的形式出现。

预备操作

（）

1. 数据查看

> dim(x)[1] 16  3     #数据框有16行3列> names(x)     #查看数据框的变量名[1] "X" "Z" "Y"> head(x,3)     #查看前3行，若为-3则是查看后三行之外的数据      X    Z    Y1 140.1 37.0 2.252 151.5 38.5 3.003 161.2 42.1 3.25> tail(x,3)      #查看后3行，若为-3则是查看前3行之外的数据       X    Z    Y14 149.5 39.7 2.7515 159.6 44.5 3.0016 162.5 45.0 3.20

读取数据后可用attach载入数据框，即attach(x)，由此可直接用列名，而不需再用$引用

1. 数据筛选

Which( )函数> a=c(2,3,4,2,5,1,6,3,2,5,8,5,7,3)　　　> which.max(a)      #表示a序列中第几个是最大[1] 11> which.min(a)[1] 6> a[which.max(a)]      #先算里面的函数[1] 8> which(a==2)      #求哪些元素等于2[1] 1 4 9> a[which(a==2)][1] 2 2 2> which(a>5)[1]  7 11 13> a[which(a>5)][1] 6 8 7x y  n  d  which(d[,2]=="15%")     #求出第多少行满足条件[1] 1 2 3 4 5> mean(d[which(d[,2]=="15%"),1])      # 对数据框1-5行第1列求均值[1] 9.8                              

修改变量名

> names(x)[1] "X" "Z" "Y"> names(x) names(x)[1] "x1" "x2" "x3"> names(x)[3] names(x)[1] "x1"     "x2"     "成绩"

删除变量

给该变量赋予空值NULL即可,(指从数据集中删除)

ug$GPA x[order(x$成绩),] #按成绩升序排列（默认） x1 x2 成绩1 140.1 37.0 2.258 157.0 37.0 2.25> x[order(x$成绩,decreasing=T),] #按成绩降序排列 x1 x2 成绩7 170.5 54.5 3.503 161.2 42.1 3.25

缺失值处理

1. 缺失值识别

> x$x2[3] is.na(head(x$x2,3))[1] FALSE FALSE  TRUE

1. 缺失值排除

> x_NA x_NA      x1   x2 成绩1  140.1 37.0 2.252  151.5 38.5 3.004  172.8 46.5 3.25