|
数据分析前先数据清洗，这一步是最耗费时间的过程。 今天总结下R语言数据合并和清洗的部分语句。 （1）横向合并(按行合并): merge语句 例：有两个数据集，student1和student2，想讲两个数据集合并起来，我们就用到merge语句 > student1<> > student1 ID name 1 1 Jim 2 2 Tony 3 3 Lisa 4 4 Tom > student2<> > student2 ID score 1 1 89 2 2 22 3 3 78 4 4 78
观察数据集可知，数据集中有相同的变量“ID”，可以按照这个变量将两个数据集匹配合并。 > total_student<> > total_student ID name score 1 1 Jim 89 2 2 Tony 22 3 3 Lisa 78 4 4 Tom 78
合并后的结果见上图。
另外一个函数是cbind （2）纵向合并（按列合并） > student1<> > student1 ID name 1 1 Jame 2 2 Kevin 3 3 Sunny > student2<> > student2 ID name 1 4 Sun 2 5 Frame 3 6 Eric
数据集是ID不同，按照ID纵向合并：
> total<>rbind(student1,student2) > total ID name 1 1 Jame 2 2 Kevin 3 3 Sunny 4 4 Sun 5 5 Frame 6 6 Eric
（3）选取行数
manager<>
date<-c('10>
country<>
gender<>
age<>
q1<>
q2<>
q3<>
q4<>
q5<>
leadership<>
leadership$agecat[leadership$age>75]<-'elder' #是将年龄大于75岁的选出来赋值为="">
leadership$agecat[leadership$age>=55 &leadership$age<><-'middle aged'="">#是将年龄大于55岁小于75岁的人选出来赋值为 “Middle Aged” leadership$agecat[leadership$age<><> #是将年龄大于55岁小于75岁的人选出来赋值为 “Young” newdata<>
（4）#剔除变量 %in%
manager<>
date<-c('10>
country<>
gender<>
age<>
q1<>
q2<>
q3<>
q4<>
q5<>
leadership<>
leadership$agecat[leadership$age>75]<>
leadership$agecat[leadership$age>=55 &leadership$age<><-'middle>
leadership$agecat[leadership$age<><>
myvars<-names(leadership) %in%="">
newdata<>
newdata
mydata<>
mydata
（5）#选取1：3行
newdata<>
newdata
（6）#选取指定条件数据 which条件
newdata<-leadership[which(leadership$gender=='f' &="" leadership$age="">30),]
newdata
（7）#选取时间which
leadership$date<-as.date(leadership$date,'%m>
startdate<>
enddate<>
newdata<-leadership[which(leadership$date>=startdate & leadership$date<>
newdata
（8）#subset函数应用
newdata<-subset(leadership,age>=35|age<>
select=c(manager,date,country,gender,age,q1,q2,q3,q4,q5))
newdata newdata<-subset(leadership,age>=35 & gender=='F',
select=manager:q5)
newdata
（9）#排序
manager<>
date<-c('10>
country<>
gender<>
age<>
q1<>
q2<>
q3<>
q4<>
q5<>
leadership<>
leadership$agecat[leadership$age>75]<>
leadership$agecat[leadership$age>=55 &leadership$age<><-'middle>
leadership$agecat[leadership$age<><>
leadership$date<-as.date(leadership$date,'%m>
newdata<>
newdata
（10）#升序
attach(leadership)
newdata<>
detach(leadership)
newdata （11）#降序
attach(leadership)
newdata<>
detach(leadership)
newdata
本公众号精彩历史文章： 04：如何在R软件中求一致性指数( Harrell'concordance index:C-index)？ 05：Nomogram 绘制原理及R&SAS实现. 06 : Lasso方法简要介绍及其在回归分析中的应用 07 : 最优模型选择中的交叉验证（Cross validation）方法 08 : 用R语言进行分位数回归(Quantile Regression) 09 : 样本数据中异常值（Outliers）检测方法及SPSS & R实现 10 : 原始数据中几类缺失值（Missing Data）的SPSS及R处理方法 11 : [Survival analysis] Kaplan-Meier法之SPSS实现 12 : [Survival analysis] COX比例风险回归模型在SPSS中的实现 13 : 用R绘制地图：以疾病流行趋势为例 14 : 数据挖掘方法：聚类分析简要介绍 及SPSS&R实现 15 : 医学研究中的Logistic回归分析及R实现 16 : 常用的非参数检验(Nonparametric Tests)总结 17 : 高中生都能看懂的最小二乘法原理 18 : R语言中可实现的常用统计假设检验总结（侧重时间序列） 19 : 如何根据样本例数、均数、标准差进行T-Test和ANOVA 20 : 统计学中自由度的理解和应用 21 : ROC和AUC介绍以及如何计算AUC 22 : 支持向量机SVM介绍及R实现 23 : SPSS如何做主成分分析? 24 : Bootstrap再抽样方法简介
|
