R数据整理

ZJH的学习笔记 2021-09-07

1753

“ 数据统计分析的前奏--数据整理”

导入R studio中的数据文件是以数据框（data.frame）形式呈现的，通俗理解的话，数据框就是常说的表格，数据框具有行和列的二维结构，每一列长度相等，同一列的数据类型一致（R中常见的三种数据类型为：数值型numeric，字符型character，逻辑型logical），不同的列的数据类型可以不一样[1]。

现就数据整理的练习做个笔记。首先进行数据导入，数据导入有多种方式，详见笔者上一篇推文R数据读取和保存。首先打开R studio，键入read.csv()命令，再通过file.choose()调出复选框，通过文件目录选择导入的文件。

#导入数据，这里是通过选择文件file.choose()导入csv格式的数据文件。
mydata <- read.csv(file.choose())

*数据较大，这里只能通过截图呈现部分数据。

1 查看数据

#查看数据前6行
head(mydata)

#查看全部数据
print(mydata)

当然，还有最简单的办法就是在R studio中的Environment中找到mydata直接点击，这样数据就可以直接显示在R studio中左上角部分。

想要对数据结构有个整体了解，可以通过str()进行查看。

#查看数据结构
str(mydata)

好了，数据已经导入，下面开始对数据进行一些简单常用的操作。

2 重命名

这里mydata中第9、10、11列的列名太长，通过colnames对它进行重命名。

也可以对mydata数据框所有列进行重命名，colnames <- c("year","nit","pat","rep","LER","MO","CO","IMY","CCAG","COG","MAG","TND")

# 重命名9、10、11列的列名
colnames(mydata)[9:11] <- c("CCAG","COG","MAG")

3 增删行列

# 删除第3列，可以看到pattern列没有了
mydata[,-3]

# 删除第3行数据
mydata[-3,]

实际上，[]中的-号去除后的反向操作是提取这些数据要素，我们可以看一下效果。

# 提取第3行
mydata[3,]

# 提取第3列
mydata[,3]

# 提取1到3行的数据
mydata[1:3,]

# 提取1到3列的数据
mydata[,1:3]

下面是增加列或者行，最基本的增加1列，可以通过创建新的列变量，然后再创建新的数据框，将新变量加入。如，创建新列New <- c(1:72)，(这里只是举例创建了1到72的列向量，可以根据自己需要键入需要的向量值)。需要注意的是要保证创建的新列长度与mydata列长度一致。

# 创建新的列
New <- c(1:72)
# 创建新的数据框mydata2
mydata2 <- data.frame(mydata,New)

# 创建行row
row <- c(1:12)
# 添加row到mydata，形成新的数据框mydata3
mydata3 <- rbind(mydata,row)

可以看到，新增的73行在数据框最下方。

通过transform函数增加新列

# 增加1列，列名为New，新增的列是LER列和MO列的和
transform(mydata,New=LER+MO)

4 数据提取

这里通过dplyr包来实现。

# 调用dplyr包
library(dplyr)
# 选择mydata数据集中nitrogen=120的数据
mydata %>% filter(nitrogen==120)

# 将列LER提取出来
select(mydata,LER)

# 选择1到5列
select(mydata,1:5)

#选择列名中有字母"O"的列
select(mydata,contains("O"))

#选择列名中以字母“M”开头的列
select(mydata,starts_with("M"))

5 数据排序

#以列pattern进行排序
arrange(mydata,pattern)

#按年份以降序排列
arrange(mydata,desc(year))

以上是本人此次数据整理练习的笔记，学习过程中了解到，有些操作的实现不只是一种方法的，本文只是用到了其中的一小部分。

实际上以我个人的理解，数据整理的这部分工作可以通过Excel完成，也就是说在Evcel中对想要的数据进行整理后再转换成csv或者txt格式导入R即可。岂不是也很方便。

当然，数据的整理也是R的基本操作，学习R就在于实际操作，所以以后还是要熟练掌握并运用这些基本操作才能对R驾轻就熟。

参考文献：

[1] R 数据框 (https://www.runoob.com/r/r-data-frame.html)

数据库

文章转载自ZJH的学习笔记，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

R数据整理

评论