R语言Basic包常用函数

Basic包是R语言预装的开发包，包含了常用的数据处理函数，可以对数据进行简单地清理和转换，也可以在使用其他转换函数之前，对数据进行预处理，必须熟练掌握常用的数据处理函数。

一，合并向量

函数append()用于修改合并向量，可以把两个向量合并为一个：

append(x, values, after = length(x))

例如：从一个向量的指定位置处，插入另一个向量：

> append(1:5, 0:1, after = 3)
[1] 1 2 3 0 1 4 5

二，匹配函数

匹配函数（match）返回一个位置向量，表示 x 匹配table的位置。%in% 返回一个逻辑向量，表示左边的操作符是否匹配右边的操作符。

match(x, table, nomatch = NA_integer_, incomparables = NULL)
x %in% table

参数注释：

• x：被匹配的向量

• table：其他向量跟该向量进行匹配，x向量中的每一个元素都跟table向量中的每一个元素进行比较；

• nomatch：不匹配时，函数返回的整数值。默认值是NA

• incomparables ：指定不能匹配的值的向量，在x向量中的任何值，如果是incomparables参数中的值，那么返回nomatch参数的值。由于历史原因，FALSE 和NULL相等。

match()函数返回的是一个整数向量，长度和参数x相同，每一个元素的值是x元素第一次匹配table元素的位置，如果x元素不在table向量中，那么相应位置上的元素值是nomatch（nomatch参数指定的值，默认值是NA）。

match: An integer vector giving the position in table of the first match if there is a match, otherwise nomatch.

If x[i] is found to equal table[j] then the value returned in the i-th position of the return value is j, for the smallest possible j. If no match is found, the value is nomatch.

1，match()函数的用法

match()函数的基本用法

x <- c(3,1,7)
tb <- c(-1:5)
match(x,tb)

[1]  5  3 NA

match()函数可以用于批量修改数据框的列名：

names(df)[match(c('a',"b", "c)","d"),names(df))]<- c('C1','C2','C3','C4')

2，操作符 %in%的用法

操作符 %in% 返回的是一个逻辑向量，指定x元素是否匹配table元素，其长度和x向量相同。如果x元素能够匹配到table元素，那么相应位置的元素值是TRUE，否则，元素值是FALSE。

操作符 %in% 在底层使用match()函数实现：

function(x, table) match(x, table, nomatch = 0) > 0

例如，返回左侧向量的元素匹配右侧向量的逻辑值：

> 1:10 %in% c(1,3,5,9)
 [1]  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE

三，cut函数

cut()函数用于切割x的范围，每一个范围是一个分区；cut()函数根据分区的顺序对x中的值进行编码，也就是说，每一个分区从左向右依次对应lables向量中的一个因子，最左边的分区对应于lables向量的第一个因子，第二个分区对应lables向量中的第二个因子，以此类推。

cut(x, breaks, labels = NULL,
    include.lowest = FALSE, right = TRUE, dig.lab = 3,
    ordered_result = FALSE, ...)

参数注释：

• breaks：分割点，由两个或更多个唯一切割点构成的数字向量，或者单个数字（大于或等于2）：

• 如果breaks是数字向量，那么向量中的每个分割点从小到大依次排列，cut()按照分割点把x划分为不同的分区；

• 如果breaks是单个数字，那么该数字表示cut()函数把x分割的段数。

• labels：为分割的区间指定标签，labels中因子的个数和breaks中指定的分区数量保持一致。

• ordered_result：默认值是FALSE，表示结果是无序的因子。

• right：默认值是TRUE，表示分割点属于左侧分区。

示例，breaks是由分割点构成的数字向量，两个连续的分割点指定一个分区的边界点，

vc <- c(1:6)
cut(vc,breaks=c(0,2,5,7),labels = c('low','medium','high'))

[1] low    low    medium medium medium high  
Levels: low medium high

默认情况下，分割点属于右侧的分区，因此，2是属于右侧的分区。分割点如何划分x的分区？

• breaks指定的第一个分区是：x>0 and x<=2

• breaks指定的第二个分区是：x>2 and x<=5

• breaks指定的第三个分区是：x>5 and x<=7

每一个分区按照其在breaks中的顺序依次对应lables参数中的一个因子。

四，排名函数

排名函数用于对向量元素进行排名，按照升序的顺序对数据进行排序：

rank(x, na.last = TRUE,
     ties.method = c("average", "first", "last", "random", "max", "min"))

参数注释：

• na.last ：控制如何对待NA，如果设置为TRUE，那么缺失值排在最后一位；如果为FALSE，那么缺失值排在第一位；如果设置为NA，那么缺失值被移除；如果设置为keep，那么排名为NA。

• ties.method ：控制如何对待tie，一个tie是指值重复的元素。

例如，对向量进行排名，把排名的结果存储到变量中：

> r1 <- rank(x1 <- c(3, 1, 4, 15, 92))> r1
[1] 2 1 3 4 5

五，替换

函数replace()用于把向量中指定位置的元素替换为指定的值（或向量）：

replace(x, list, values)

参数注释：

• list：整数向量，指定被替换的元素的位置

• values：替换的值（或向量）

例如，把向量的第1个、第3个和第7个的元素值替换为0：

> replace(1:9,c(1,3,7),0)
[1] 0 2 0 4 5 6 0 8 9

六，重复

rep()函数把输入的参数重复多次，如果参数是表达式，rep()函数会把表达式的结果重复多次；而replicate()函数是重复调用表达式，每次调用表达式的过程都是独立的，这意味着，如果产生随机数，rep()函数产生的随机数是”伪随机的“，重复第一次产生的随机数，而replicate()函数产生的随机数是真正意义上的随机数，每次都不相同。

> rep(runif(1),5)
[1] 0.8721105 0.8721105 0.8721105 0.8721105 0.8721105
> replicate(5,runif(1))
[1] 0.9426709 0.1280271 0.1926333 0.7091503 0.5404846

七，逆转

rev()函数用于把一个向量的元素逆转：

> rev(c(1,5,3,7))
[1] 7 3 5 1

八，排序

sort()函数用于对向量排序，返回有序的向量；order()函数返回向量元素的序号，能够用于对data.frame排序：

order(..., na.last = TRUE, decreasing = FALSE, method = c("auto", "shell", "radix"))
sort(x, decreasing = FALSE, na.last = NA, ...)

例如，使用order()函数按照数据框的y列进行排序：

> df <- data.frame(x=c(6,3,7,5),y=c(5,1,7,3))> df
  x y1 6 52 3 13 7 74 5 3> df[order(df$y),]
  x y2 3 14 5 31 6 53 7 7

九，删除重复值

使用R去重有两种做法，第一种做法是把返回向量中的唯一值；第二个方法是返回向量中重复元素的位置，然后删除重复元素。

1，删除重复值

unique() 函数用于移除重复数据，用于向量，数据框或数组的去重：

unique(x, incomparables = FALSE)

参数 incomparables：用于指定不能比较的值构成的向量。FALSE是一个特殊的值，表示所有的值都可以比较。

2，检查重复值

duplicated()函数用于检查重复的元素，返回元素类型是逻辑值的向量或数据框：当元素的值为FALSE时，表示该元素不是重复值；当元素的值是TRUE时，表示该元素是前面（位置）的某一个元素的重复值。

duplicated(x, incomparables = FALSE, ...)

该函数的处理流程是：下标最小的元素是第一次出现的元素，标记为FALSE，当该元素值再次出现，表明该变量出现重复值，标记该元素为TRUE。

例如，以下代码用于删除数据框df中变量var的重复值：

df <- df[!duplicated(df$var),]

十，逻辑TRUE的索引

which()函数，用于从逻辑向量中返回TRUE值在向量中的索引，参数x是一个由逻辑值构成的向量：

which(x)

例如，使用which()函数返回逻辑向量中TRUE值的索引：

> which(lv <- c(TRUE, FALSE, TRUE, NA, FALSE, FALSE, TRUE))
[1] 1 3 7> which(exper <- c(1:9)>5)
[1] 6 7 8 9

十一，构造环境

常用于数据框，使R表达式位于数据框的作用环境中，便于对数据框变量的引用：

with(data, expr, ...)
within(data, expr, ...)

这两个函数的区别是：with()函数只能定义一个变量，而within()函数可以定义多个变量：

with(mtcars, mpg[cyl == 8  &  disp > 350])
#only define one variable
mtcars$mpg[mtcars$cyl == 8  &  mtcars$disp > 350]#define  multiple variablesaq <- within(airquality, {     # multiple vars can be changed
    lOzone <- log(Ozone)
    Month <- factor(month.abb[Month])
    cTemp <- round((Temp - 32) * 5/9, 1) 
    S.cT <- Solar.R / cTemp  # using the newly created variable
    rm(Day, Temp)
})

十二，Reduce函数

Reduce()函数对一个向量循环执行函数（该函数有两个参数）,Reduce()函数的定义是：

Reduce(f, x, init, right = FALSE, accumulate = FALSE)

参数注释：

• f ：有两个参数的函数对象

• x：向量

• init ：一个标量值，类型和x向量的元素相同；

• right ：逻辑值，当值为FALSE时，从向量的左侧开始，依次向右侧取出元素传递到给函数；当值为TRUE时，从向量的右侧开始，依次向左侧取出元素，传递给函数；

• accumulate：逻辑值，a logical indicating whether the successive reduce combinations should be accumulated. By default, only the final combination is used.

例如，计算一个向量的累加和，首先，把初始值和向量的第一个元素1传递给sum()函数，计算出结果11，然后，把11和向量的第二个元素传递给函数sum()，计算出结果13，依次类推：

> Reduce(sum,1:5,10)
[1] 25

Reduce()函数内部执行的过程等价于：

a <- sum(10,1)
b <- sum(a,2)
c <- sum(b,3)
d <- sum(c,4)
sum(d,5)

十三，条件过滤器

按照条件从向量中选择元素，当条件为TRUE时，把该元素添加到结果向量中。参数 f 是一个返回逻辑值的函数（该函数必须有一个输入参数），参数x是一个向量：


Filter(f, x)

例如，从一个数值向量中，选择元素值大于5的元素：

> fx <- function(x) x>5;> Filter(fx,1:10)
[1]  6  7  8  9 10

十四，计算累加

使用cumsum(x)来计算向量元素的累加值，累加的计算过程是迭代的：

• step1：从第一个元素向右计算，把第一个元素的值作为第一次计算的结果；

• step2：移动到下一个元素，把前一次计算的结果和当前元素求加和；

• step3：重复步骤step2，直到移动到最后一个元素为止；

例如，计算向量c(1:5)的累加值：

> cumsum(1:5)
[1]  1  3  6 10 15

十五，计数出现的次数（tabulate）

tabulate()函数的作用是使用bin构造整数向量v，并计算bin中每个整数在v中出现的次数。

tabulate(bin, nbins = max(1, bin, na.rm = TRUE))

tabulate()函数构造的整数向量是v <- c(rep(0,nbins))，v向量的下标对应bin向量元素的值，因此，v向量可以表示的整数范围是1:nbins，bin向量中元素值超出该范围的值或者NA都被忽略。

tabulate()函数的作用是用v向量元素值表示bin元素的出现频次。

例如，tabulate()函数构造向量c(0,0,0,0,0)，下标为2的元素值1，表示bin向量中元素2出现的频数是1，依次类推：

> tabulate(bin = c(2,3,3,5))
[1] 0 1 2 0 1

十六，diff

该函数计算向量相邻元素之间的差异，后者减去前者：

d= c(10,1,1,1,1,1,1,2,1,1,1,1,1,1,1,3,10)
diff(d)[1] -9  0  0  0  0  0  1 -1  0  0  0  0  0  0  2  7

参考文档