写在前面
在R语言中，高级数据管理可利用R的各种功能和包来高效地处理、分析和操作数据集。这包括数据清洗、数值运算、转换、汇总和合并等一系列复杂的数据操作。这里我们简单的演示几种例子。
5.1 函数
5.1.1 数学函数
5.1.1.1 数学函数列表
5.1.1.2 举例
x <- sqrt(c(16,25,9))
x
## [1] 4 5 35.1.2 统计函数
5.1.2.1 函数列表
5.1.2.2 数据的标准化
这个功能在作图的时候常用，尤其是热图，
1）默认情况下就是对矩阵或数据框进行均值为0，标准化为1的标准化：
newdata <- scale(mydata)2）手动设置任意均值和标准差的标准化，
newdata <- scale(mydata)*SD+MM为想要的均值，SD为想要的标准差
3）指定列而不是整个矩阵或数据框进行标准化
newdata <- transform(mydata,myvar=scale(myvar)*10+50)transform() 函数是一个在R语言中用于对数据框进行转换操作的函数。它可以用来创建新的变量、修改现有变量或进行其他数据的操作和计算。
myvar是mydata数据框中的某一列。
5.1.3 字符处理函数
5.1.3.1 函数列表
5.1.4 其他实用函数
5.1.4.1 函数列表
5.1.4.2 举例
name <- "Bob"
cat("hello",name,"\b.\n","Is it R", "\t","great?")
## hello Bob .
## Is it R great?5.1.5 将函数应用于矩阵和数据框
c <- matrix(runif(12),nrow = 3)
c
## [,1] [,2] [,3] [,4]
## [1,] 0.2084683 0.2244816 0.9155885 0.04111768
## [2,] 0.7812188 0.8254042 0.5904615 0.39935037
## [3,] 0.7983854 0.3612492 0.7266544 0.48809138
mean(c)
## [1] 0.5300393runif(n) 在0-1间生成n个随机数
这里mean(c)求的是12个随机数的总均值，可以通过函数**apply(x,margin,FUN)**来求行或列的函数
c <- matrix(runif(12),nrow = 3)
c
## [,1] [,2] [,3] [,4]
## [1,] 0.6815910 0.1118019 0.2792424 0.3595067
## [2,] 0.8619058 0.3664924 0.3778353 0.5404569
## [3,] 0.1937752 0.6262491 0.6735070 0.1566324
apply(c,1,mean)
## [1] 0.3580355 0.5366726 0.4125409margin=1,表示行；margin=2，表示列；FUN为函数
5.1.6 综合运用数据处理解决实际问题
请对下表中学生成绩设置一个衡量指标，并将前20%评级为A，前21-40%为B，以此类推，并按成绩等级排序。
| student name | math | chinese | english |
|---|---|---|---|
| Zhang Fei | 502 | 79 | 15 |
| Luo Jian | 600 | 98 | 19 |
| Wang Lei | 410 | 69 | 12 |
| Li Jian | 626 | 88 | 13 |
| Na Yin | 412 | 66 | 9 |
| Chen Jian | 511 | 77 | 10 |
1)解决思路，由于3科成绩差异较大，可以对其先做均一化即标准化处理，
student <- c("Zhang Fei","Luo Jian","Wang Lei","Li Jian","Na Yin","Chen Jian")
math <- c(502,600,410,626,412,511)
chinese <- c(79,98,69,88,66,77)
english <- c(15,19,12,13,9,10)
study <- data.frame(student,math,chinese,english)
study
## student math chinese english
## 1 Zhang Fei 502 79 15
## 2 Luo Jian 600 98 19
## 3 Wang Lei 410 69 12
## 4 Li Jian 626 88 13
## 5 Na Yin 412 66 9
## 6 Chen Jian 511 77 10
z <- scale(study[,2:4])
z
## math chinese english
## [1,] -0.089939481 -0.04185603 0.5504819
## [2,] 0.989334292 1.54867305 1.6514456
## [3,] -1.103135268 -0.87897660 -0.2752409
## [4,] 1.275672232 0.71155248 0.0000000
## [5,] -1.081109273 -1.13011277 -1.1009638
## [6,] 0.009177498 -0.20928014 -0.8257228
## attr(,"scaled:center")
## math chinese english
## 510.1667 79.5000 13.0000
## attr(,"scaled:scale")
## math chinese english
## 90.80180 11.94571 3.63318
score <- apply(z,1,mean)
study <- cbind(study,score)
study
## student math chinese english score
## 1 Zhang Fei 502 79 15 0.1395621
## 2 Luo Jian 600 98 19 1.3964843
## 3 Wang Lei 410 69 12 -0.7524509
## 4 Li Jian 626 88 13 0.6624082
## 5 Na Yin 412 66 9 -1.1040619
## 6 Chen Jian 511 77 10 -0.34194182)对不同的成绩分级
y <- quantile(score,c(.8,.6,.4,.2))
y
## 80% 60% 40% 20%
## 0.6624082 0.1395621 -0.3419418 -0.7524509
study$grade <- NA
study$grade[score>=y[1]] <- "A"
study$grade[score<y[1]&score>=y[2]] <- "B"
study$grade[score<y[2]&score>=y[3]] <- "C"
study$grade[score<y[3]&score>=y[4]] <- "D"
study$grade[score<y[4]] <- "E"
study
## student math chinese english score grade
## 1 Zhang Fei 502 79 15 0.1395621 B
## 2 Luo Jian 600 98 19 1.3964843 A
## 3 Wang Lei 410 69 12 -0.7524509 D
## 4 Li Jian 626 88 13 0.6624082 A
## 5 Na Yin 412 66 9 -1.1040619 E
## 6 Chen Jian 511 77 10 -0.3419418 C3)将学生名字分为Last name和first name，并用它们替代原来的名字
name <- strsplit(study$student," ")
name
## [[1]]
## [1] "Zhang" "Fei"
##
## [[2]]
## [1] "Luo" "Jian"
##
## [[3]]
## [1] "Wang" "Lei"
##
## [[4]]
## [1] "Li" "Jian"
##
## [[5]]
## [1] "Na" "Yin"
##
## [[6]]
## [1] "Chen" "Jian"
Lastname <- sapply(name, "[",1)
Firstname <- sapply(name, "[",2)
study <- cbind(Firstname,Lastname,study[,-1])
study
## Firstname Lastname math chinese english score grade
## 1 Fei Zhang 502 79 15 0.1395621 B
## 2 Jian Luo 600 98 19 1.3964843 A
## 3 Lei Wang 410 69 12 -0.7524509 D
## 4 Jian Li 626 88 13 0.6624082 A
## 5 Yin Na 412 66 9 -1.1040619 E
## 6 Jian Chen 511 77 10 -0.3419418 C4)最后，按成绩登记排序
study <- study[order(study$grade),]
study
## Firstname Lastname math chinese english score grade
## 2 Jian Luo 600 98 19 1.3964843 A
## 4 Jian Li 626 88 13 0.6624082 A
## 1 Fei Zhang 502 79 15 0.1395621 B
## 6 Jian Chen 511 77 10 -0.3419418 C
## 3 Lei Wang 410 69 12 -0.7524509 D
## 5 Yin Na 412 66 9 -1.1040619 Esapply()是一种非常有用的函数，它用于对向量、列表或数据框中的每个元素应用一个函数，并返回结果向量或矩阵。
"["是一个可以提取某个对象的一部分的函数
5.2 控制流
概念：正常情况下R是自上而下顺序执行。但有时希望重复执行某些语句，仅在满足特定条件下执行另外的语句。这就是控制流发挥作用的地方。
语句（statement）：一条单独的R语句或一组复合语句（包含在花括号{}中的一组R语句，使用分号分隔）；一条完整的执行指令或命令，用于执行特定的操作或计算。它是R语言中的基本执行单位，可以包含变量赋值、函数调用、条件语句、循环等操作。执行一个语句可以产生相应的结果或改变程序的状态。R中的语句通常以换行符或分号作为结束符号，表示一条语句的结束。
条件(cond):通常指的是条件语句的条件部分，用于控制程序的执行流程。条件语句根据给定的条件判断是否执行特定的代码块。在R中，常见的条件语句包括if语句和switch语句；
表达式(expr):一条数值或字符串的求值语句；
序列（seq）：一个数值或字符串序列。
5.2.1 重复和循环
循环结构重复执行一个或一系列语句，直到某个条件不为真为止。包括for和while结构。
5.2.1.1 For 结构
for循环重复执行一个语句，直到某个变量的值不再包含在序列seq中为止。语法：
for(variable in sequence) statement举例,这里a也可以用i或m等任意字母替代：
for(a in 1:10) print(a+2)
## [1] 3
## [1] 4
## [1] 5
## [1] 6
## [1] 7
## [1] 8
## [1] 9
## [1] 10
## [1] 11
## [1] 12
sum <- 0
for(a in 1:5){sum <- sum+a}
print(sum)
## [1] 155.2.1.2 while结构
while循环重复执行一个语句，直到条件不为真为止。语法：
while(cond) statment举例：
i <- 10
while(i>0) {print("hello");i <- i-1}
## [1] "hello"
## [1] "hello"
## [1] "hello"
## [1] "hello"
## [1] "hello"
## [1] "hello"
## [1] "hello"
## [1] "hello"
## [1] "hello"
## [1] "hello"5.2.2 条件语句
在条件执行结构中，一条或一组语句仅在满足一个指定条件时执行。包括if-else,ifelse和switch
5.2.2.1 If-else结构
语法一：
if(condition) statment语法二
if(condition) {statment1(TRUE)} else {statment2(FALSE)}举例:
i <- 5
if(i>1) {print("i>0")} else {print("i<0")}
## [1] "i>0"5.2.2.2 ifeslse结构
是if-else的紧奏版，语法：
ifelse(condition,statment1(TRUE),statment2(FALSE))举例：
i <- -2
a <- ifelse(i>0,print("i>0"),print("i<0"))
## [1] "i<0"
a
## [1] "i<0"5.2.2.3 switch结构
switch是一种条件分支语句，用于根据一个表达式的值选择不同的执行路径。switch语句可以根据表达式的值在一系列选项中进行匹配，并执行相应的操作。
switch(expr,...)其中EXPR是一个表达式，用于进行匹配；...是一系列选项，每个选项可以是任意R表达式。
举例：
feeling <- c("sad","happy")
for(i in feeling)
print(
switch (i,
happy="I am gald",
afriad="There us nothing to fear",
sad="cheer up",
angry="calm down"))
## [1] "cheer up"
## [1] "I am gald"5.3 数据重塑
5.3.1 转置（反转行和列）
使用**t()**函数实现
利用mtcar数据集举例：
cars <- mtcars[1:5,1:4]
cars
## mpg cyl disp hp
## Mazda RX4 21.0 6 160 110
## Mazda RX4 Wag 21.0 6 160 110
## Datsun 710 22.8 4 108 93
## Hornet 4 Drive 21.4 6 258 110
## Hornet Sportabout 18.7 8 360 175
cars1 <- t(cars)
cars1
## Mazda RX4 Mazda RX4 Wag Datsun 710 Hornet 4 Drive Hornet Sportabout
## mpg 21 21 22.8 21.4 18.7
## cyl 6 6 4.0 6.0 8.0
## disp 160 160 108.0 258.0 360.0
## hp 110 110 93.0 110.0 175.0注意：函数t()始终返回一个矩阵，因此只能有一种数据类型。原来的数据集中所有变量都是数值型或逻辑型时转置操作效果最好。若数据集中包含任何字符型变量，转置的结果为整个数据集均被转化为字符型。
**transpose()**函数可以在转置的同时保持原数据类型。需要安装R包。
5.3.1.2 将宽表数据集格式转换为长表数据集格式
概念
1.宽表格式（Wide Format）：宽表格式通常以行为单位，每一行表示一个观察或实体，而每一列表示一个变量。每个变量都有自己的列，数据以矩阵形式排列。宽表格式适合于数据集较小且变量数量相对较少的情况。
举例：
| Name | country | math | English | Chinese |
|---|---|---|---|---|
| FR | France | 90 | 89 | 79 |
| BS | China | 99 | 79 | 88 |
| GER | USA | 89 | 80 | 96 |
2.长表格式（Long Format）：长表格式通常以观察为单位，每一行表示一个观察或实体的一个特定变量的取值。数据以多个变量和值的形式排列，每个观察可以有多行。长表格式适合于数据集较大且变量数量较多的情况，尤其是在涉及到多个时间点或重复测量的情况下。
举例
5.3.2.2 相互转换
由于不同的分析方式要求不同的格式，例如聚类分析要求数据为宽表格，而回归分析则需要长表格。
大多数R函数使用宽表格式的数据框，可以使用tidyr包进行相互转换.
1)tidyr包中的**gather()**函数可以将宽表格式转化为长表格式，语法如下：
longdata <- gather(widedata, key, value,
variable list)widedata是要转化的数据框；
key指变量列的名称（本例中为Variable）
value指定值列的名称（本例中为score)
variable list指要堆叠的变量（本例中为math，English和chinese)
2)spread()函数将长表格式转化为宽表格式，语法：
widedata <- spread(longdata, key, value)longdata:待转化的数据框；
key:包含变量名的列
value：包含变量值的列
5.4 数据汇总
使用aggregate()函数，语法：
aggregate(formula, data, FUN, ...)1.formula是一个公式，用于指定被聚合的变量和分组变量之间的关系。一般形式是被聚合的变量 ~ 分组变量。data是包含数据的数据框或列表。
2.FUN是一个聚合函数，用于指定对被聚合的变量进行聚合时所应用的操作。常见的聚合函数包括mean（均值）、sum（求和）、max（最大值）、min（最小值）等。3. ...是可选的参数，用于传递给聚合函数的其他参数。
举例：
data <- data.frame(
Group = c("A", "A", "B", "B", "A", "B"),
Value = c(10, 15, 8, 12, 6, 9)
)
result <- aggregate(Value ~ Group,data,mean)
result
## Group Value
## 1 A 10.333333
## 2 B 9.666667完整教程请查看