R 常用技巧 - HackMD
文章推薦指數: 80 %
tags: `R` `Data Processing` `資料前處理` # R 常用技巧Other Reference: 1. ... 實現分組統計的一種簡便、直接的方式,且能同時指定多個函數; 回傳結果為一矩陣, ...
Published
LinkedwithGitHub
Like1
Bookmark
Subscribe
---
GA:UA-159972578-2
---
######tags:`R``DataProcessing``資料前處理`
#R常用技巧
OtherReference:
1.[Wrangling(RpubsNote)](http://rpubs.com/RitaTang/WranglingNote)
2.[Visualization](/@ritatang242/SJF_dAR37)
3.[Visualization(RpubsNote)](https://rpubs.com/RitaTang/Visualization)
4.[TextMining(Preprocessing)](/@ritatang242/B1qbL3yLL)
5.[TextMining(Chinese)](/PFrfv9NJSuy7frOV-wuJoA?both)
6.[PCA主成分分析(PrincipalComponentAnalysis)](/@ritatang242/r1lDWqiUL)
#Package,initialization
```{r}
pacman::p_load()
rm(list=ls());gc()
```
#Encode
```{r}
a=cbind(df$area,df$product_name)
Encoding(a)='UTF-8'#只能放vector
```
#DealwithNA
|符號|定義|
|--------|--------|
|NA|missingorundefineddata|
|NULL|emptyobject(e.g.null/emptylists)|
|Infand-Inf|positiveandnegativeinfinity|
|NaN|resultsthatcannotbereasonablydefined|
+刪除NA
```{r}
df=na.omit(df)
#equivalent:total%>%na.omit()
mean(data,na.rm=T)
```
```{r}
a=airquality[,colSums(is.na(airquality))==0]
#先找出誰是NA,再計算每個變數的NA總值來確認誰沒有NA,以此去除NA
```
+跳過NA
```{r}
mean(data,na.action="na.pass")
```
+把NA變o
```{r}
mx[is.na(mx)]=0
```
+將NA變為一個類別
```{r}
Reduce(rbind,Map(function(x)read.csv(x,na.strings='.',
stringsAsFactors=F)[,-1],c('cars1.csv','cars2.csv')))
#創造一個function做Map,一次讀取cars1和cars2兩個資料集(變成一個list)
#並將值為"."的替換成NA
#把這個list用rbind和reduce合在一起
```
#DateFormat
```{r}
as.Date("2018-10-10",format="%Y-%m-%d")
as.character(r$BOARD_DATE)%>%as.Date(.,"%Y%m%d")
as.Date(rail_df$BOARD_DATE%>%as.character(),format='%Y%m%d')
```
#DataFrameType
+data.frame
+預覽全部資料
+data.frame會將字串資料轉換成factor
+data.table
+data.table不會
+沒有rowname
+語法使用list()
```{r}
dt[,list(A,C)]
#equivalent:df[,c(1,3)]
```
+tibble
+方便查詢(可以直接預覽前10筆)
+處理快速
#Read&Write
+套件介紹
+library(foreign)可以處理非csv的檔案,如sas
+library(XML)
+library(DBI)讀取關聯式資料庫
+library(RMySQL)讀取SQL資料庫
+ReadData
+fread(速度最快/大量處理)
+csv
+library(data.table)
+read_csv(速度中等)
+csv,xlsx,xls
+library(readr)
+read.csv(速度最慢)
+csv
+read_file
+txt
+library(readr)
+read.table
+txt
```{r}
library(data.table)
fread("TaiwanRailway.csv",sep='\t',encoding="big5")
read.table("TaiwanRailway.csv",header=T,stringsAsFactors=F)
xmlToDataFrame("Desktop/A_lvr_land_A.XML")
```
+WriteR.data
```{r}
save(想儲存的變數名稱,file="../final.rdata")#將指定的環境變數保存
save.image()#saveeverthingincurrentenvironment
load("../final.rdata")
```
+WriteData
+fwrite
+write.csv
+saveXML
+write.foreign
```{r}
fwrite("TaiwanRailway.csv")
write.csv("TaiwanRailway.csv")
saveXML(xml,"test.xml")
write.foreign()
```
#Function
```{r}
predtr=predict(mod4,tr)
MAE=function(n,y,y_hat){
return((1/n)*sum(abs(y-y_hat)))
}
MAE(nrow(tr),tr$Salary,predtr)#223.9275
#(1/nrow(tr))*sum(abs(tr$Salary-predtr))#223.9275
```
#排序
+sort
+回傳排序後(A-F)本身實際值
```
x=c("D","A","C","F","B","E")
sort(x,decreasing=F)
```
>[1]"A""B""C""D""E""F"
+rank
+回傳排序後(A-F)的排名,依照排序前的順序打印
```{r}
rank(x)
```
>[1]413625
>D:rank4,A:rank1
+oder
+回傳排序後(A-F)在排序前的索引
```{r}
order(x,decreasing=F)
```
>[1]253164
>A:index[2],B:index[5]
+arrange(checkDplyr)
+只能對data.frame做
#Dplyr
```
#aggregate
```{r}
aggregate(price~cut+color,data=diamonds,mean)
#根據某個cut和color進行分群,求price平均數
aggregate(x=mtcars$mpg,by=list("cyl"=mtcars$cyl),FUN=mean)
#cylx
#1426.66364
#2619.74286
#3815.10000
```
#by
```{r}
by(data=mtcars$mpg,INDICES=list("cyl"=mtcars$cyl),FUN=mean)
#cyl:4
#[1]26.66364
#cyl:6
#[1]19.74286
#cyl:8
#[1]15.1
```
#MapReduce
##Map
```{r}
Map(FUN,df$x)
```
與lapply頗像,讓完整的df中的不同obs.分別執行同樣的function,再一起存入一個list
```{r}
genKPercentile=function(q1,q2,q3,q4){
pct=Map(function(x){function(y)quantile(y,x/100)},c(q1,q2,q3,q4))
names(pct)dt
sexageweight
1m2745.6
2f2555.9
3m4049.0
4f2859.5
5m3853.5
6f3248.9
7m3645.9
8f2653.4
9m3248.4
10f3154.2
```
按性別分組,計算統計指標:平均年齡,平均體重,年齡標準差,體重標準差
```{r}
mapReduce(sex,mean(age),mean(weight),sd(age),sd(weight),data=dt)
#[,1][,2][,3][,4]
#f28.454.383.0495903.858368
#m34.648.485.1768723.179151
```
#Identifyitem
##identical
辨認兩者是否完全相等
```{r}
identical(AY$cust_id,subset(AX,train)$cust_id)
#[1]TRUE
```
##unique
找出不重複的值(組合)
```{r}
unique(cust[,c(1:3)])#看cust第一到第三的欄位共有幾種pattern
unique(cust$cust_id)#找不重複的所有cust_id
```
##duplicated
一個個判斷是否為重複,第一次出現是新值,第二次再出現一樣的即為重複。
```{r}
a=18~"Adult",
Age<18~"Child",
is.na(Age)~"Unknown")
```
#switch
```{r}
switch(指定執行第幾行/哪個名稱的程式碼,
第一行:做A,
第二行:做B,
第三行:做C,...)
switch("first",first=1+1,second=1+2,third=1+3)
#[1]2
switch(3,"first","second","third","fourth")
#[1]"third"
```
1
×
Signin
Email
Password
Forgotpassword
or
Byclickingbelow,youagreetoourtermsofservice.
SigninviaFacebook
SigninviaTwitter
SigninviaGitHub
SigninviaDropbox
NewtoHackMD?Signup
延伸文章資訊
- 1R 常用技巧 - HackMD
tags: `R` `Data Processing` `資料前處理` # R 常用技巧Other Reference: 1. ... 實現分組統計的一種簡便、直接的方式,且能同時指定多個函數;...
- 2Chapter 8 資料基本處理| R 資料科學與統計 - Bookdown
函式 group_by() 引數可放入類別變數, 然後分組進行相同資料分析. 以資料在檔案第5 章的survVATrial.csv 為例, 對試驗藥組與安慰劑組分別對 diagtime 計算計算...
- 3R语言︱数据集分组、筛选(plit – apply – combine模式
R语言︱数据集分组大型数据集通常是高度结构化的,结构使得我们可以按不同的方式分组,有时候我们需要关注单个组的数据片断,有时需要聚合不同组内的 ...
- 4資料的整理與分組@ Simple R :: 隨意窩Xuite日誌
資料的整理與分組資料的輸入與處理,在學習任何一套統計軟體前(EXCEL、SAS、R…),總是有數堂課或是整個學期都在練習如何將資料輸入,煩悶與無趣,是每個學習者必經之 ...
- 57 探索式資料分析| 資料科學與R語言 - Yi-Ju Tseng
量化分析方式的測量值大多可用R的內建函數完成計算,但是在探索式分析時,常常需要遇到資料分組的分析情形(如觀察男性和女性的血壓差異、A隊與B隊的三分球命中率 ...