工作目錄配置

setwd("/Users/chaojinwu/Downloads/Old/R/R培訓課件/R培訓-第二期")  #可以用 / or \\
getwd()

資料結構

#R語法說明： <-  即是 =, 所有符合要英文狀態輸入
a<-2

##向量
#由數值、字元、邏輯值組成 
a<-c("TOM",12,T,F)
#如何訪問向量元素
a[1]
a[2,3] #報錯
a[c(2,3)]


#矩陣
#由數值、字元、邏輯值組成 
a<-matrix(1:20,nrow=5,ncol=4)
a[3,1]  #如何訪問向量元素

#資料框 mtcars
#由數值、字元、邏輯值組成 
 

a<-mtcars
#如何訪問向量元素
a[3,1]
a[4,]
a[,2]
a[,c(3,4)]
a[1:4,1:4]


# 列表
a=list(1,"字串",c(2,3,4),matrix(1:10,nrow=5))
a[[4]][3,]

資料讀取

#.xlsx

install.packages("rJava")
install.packages("openxlsx")
library(openxlsx)
setwd("/Users/chaojinwu/Downloads/Old/R/R培訓課件/R培訓-第一期")
data<-read.xlsx("資料.xlsx",2,encoding = "UTF-8"
 
)
data<-read.xlsx("資料.xlsx","yunying",encoding = "UTF-8")

#.csv

datacsv<-read.csv("資料csv.csv")
dataCSV

# 資料庫

library(RODBC)
library(RMySQL)
myconn<-dbConnect(RMySQL::MySQL(),host="10.13.1.70",user="root",password="admin")
rmysqlGbk<-dbSendQuery(myconn,"SET NAMES gbk")
datasql<-dbGetQuery(myconn,"select * from news.dianping limit 2"
 
)

資料集

#資料讀取
data<-read.table(file.choose(),header=T,sep=",",encoding = 'UTF-8')
holiday_analysis_data<-read.csv("節假日分析.csv",header = T, sep = ",",stringsAsFactors=FALSE)
holiday_base_table<-read.csv("節假日.csv")

#資料集：holiday_analysis_data
#列：holiday_analysis_data$product_id, holiday_analysis_data[1], holiday_analysis_data[,1]
#行：holiday_analysis_data[2,]
#值：holiday_analysis_data[2,2]
#檢視屬性:str()
#基本統計資訊:summary()
#尋求幫助：?函式,?函式(), help(函式)
#預設前6行 head(holiday_analysis_data) 
#預設後6行 tail(holiday_analysis_data) 
#檢視屬性 str(holiday_analysis_data) 
#檢視描述 summary(holiday_analysis_data) 
#重新命名
names(holiday_analysis_data)
names(holiday_analysis_data)[1]<-"cash"
names(holiday_analysis_data)<-c("product_id","product_name","date","cash")

資料型別轉換

#資料型別：字串character，數值numeric，日期date，因子factor
#判斷：is.character() is.numeric() is.data.frame() is.factor() typeof()
#轉換：as.character() as.numeric() as.data.frame() as.factor() as.Date()

#factor
holiday_base_table<-read.csv("節假日.csv")
str(holiday_base_table)
sum(c(1,2,3,4))
typeof(c(1,2,3,4))
sum(as.factor(c(1,2,3,4)))

#日期值date："2015-12-01"唯一結構
#輸入的date存在多種結構：2015/12/01，2015-12-01，20151201，
#                     12/01/2015,  12/01/15,  2015年12月1日
# %Y 2015; %y 15; %m 12, %d 01等，可參考實戰page73
as.Date("2015/12/01")
as.Date("2015-12-01")
as.Date("20151201","%Y%m%d")
as.Date("12/01/2015") #錯誤
as.Date("12/01/2015","%m/%d/%Y")
as.Date("12/01/15","%m/%d/%y")
as.Date("2015年12月1日","%Y年%m月%d日")
Sys.Date()


#character，numeric
str(holiday_analysis_data)
typeof(holiday_analysis_data$product_id)
holiday_analysis_data$product_id<-as.character(holiday_analysis_data$product_id)
holiday_analysis_data$date<-as.Date(holiday_analysis_data$date)
holiday_analysis_data$cash<-as.numeric(holiday_analysis_data$cash) #報錯啦~~

缺失值處理

#is.na() not availabel
y<-c(1,2,3,4,NA)
is.na(y)
y[is.na(y)]<-0

建立新變數 & 刪除變數

#1.計算 2.函式 3.條件賦值
#1
holiday_analysis_data$cash_fake<-holiday_analysis_data$cash*2 
#2
#install.packages("lubridate")
library(lubridate)
holiday_analysis_data$year<-year(holiday_analysis_data$date)  #year,month只能處理日期型
holiday_analysis_data$month<-month(holiday_analysis_data$date)
#3
holiday_analysis_data$level[holiday_analysis_data$cash<=1000]<-"低收入"
holiday_analysis_data$level[holiday_analysis_data$cash<=5000 & holiday_analysis_data$cash>1000]<-"中等收入"
holiday_analysis_data$level[holiday_analysis_data$cash>5000]<-"高收入"
#邏輯運算子：& | > >= < <= ==(判斷，而不是賦值) != <> 

排序

#order() sort() rank()
order(c(2,3,5,1,0)) #返回位置：min——max
sort(c(2,3,5,1,0))  #按從小到大排序
rank(c(2,3,5,1,0))  #返回名次

holiday_analysis_data_order<-holiday_analysis_data[order(-holiday_analysis_data$cash),]

資料合併

#列合併merge cbind  行合併rbind
head(holiday_base_table)
str(holiday_base_table)
holiday_base_table$date<-as.Date(holiday_base_table$date)
data_merge<-merge(holiday_analysis_data,holiday_base_table,by="date") #左匹配
str(data_merge)
str(holiday_analysis_data)

data_cbind<-cbind(holiday_analysis_data,holiday_base_table)  #報錯啦
data_cbind<-cbind(holiday_analysis_data[1:10,],holiday_base_table[1:10,])

rbind()
data1_rbind<-holiday_base_table[1:10,]
data2_rbind<-holiday_base_table[32:41,]
data1_rbind
data2_rbind
rbind(data1_rbind,data2_rbind)

資料篩選

#subset, which
town_2015_data<-subset(data_merge,product_name=="南潯古鎮" & year=="2015")
town_cash_data<-subset(data_merge,cash<100 | cash >10000)

town_data<-data_merge[which(data_merge$product_name=="南潯古鎮"),]
town_2015_data<-data_merge[which(data_merge$product_name=="南潯古鎮" & data_merge$year=="2015"),]

vlookup

holiday_base_table
holiday_analysis_data

match(holiday_analysis_data$date,holiday_base_table$date)
holiday_analysis_data$holiday<-holiday_base_table[match(holiday_analysis_data$date,holiday_base_table$date),2]
#結構：A$new_col<-B[match(A$key,B$key),B$col]

透視表

#aggregate(目標值, by=list(維度), FUN)

#計數 table  #求和、求平均 aggregate
str(holiday_analysis_data)
table(holiday_analysis_data$product_name)
table(holiday_analysis_data$product_name,holiday_analysis_data$level)
table(holiday_analysis_data$product_name,holiday_analysis_data$level,holiday_analysis_data$year)

aggregate(town_2015_data$cash,by=list(town_2015_data$holiday),FUN=mean)

函式

#1.數學函式 abs() sqrt() exp()  floor() ceiling() round() 三角函式  
abs(c(-9,-8,-7,-6,-5,4,3,2,1))  

sqrt(c(1,2,4,9,16,25))  

exp(c(1,2,3,4,5,6))  

floor(c(2,2.1,2.5,2.9,3,3.1)) #不大於x的最大整數  

ceiling(c(2,2.1,2.5,2.9,3,3.1)) #不小於x的最小整數  

round(2.3456789,2)  

sin(pi/2)  

#2.統計函式 sum() mean() median() sd() var() range() min() max() quantile()  
sum(c(1,2,3,4))  

mean(c(1,2,3,4))  

median(c(1,2,3,4,10))  

quantile(c(0,1,2,3,4,5,6,7,8,9),c(0.2,0.8))  

#3.字串函式  
#3.1 字元數統計 length() nchar()  
samp<-c("a","bc","def","ghij")  
length(samp) #向量元素的字元個數  

nchar(samp) #向量元素的個數  

#3.2 大小寫轉換  
tolower("abcd EFGH")  

toupper("abcd EFGH")  

#3.3 字串連線  
paste("2015","08","07",sep="-")  

paste("專案",1:6,sep="")  

#case: 多變數vlookup() 
case_paste1<-read.csv("case_paste1.csv",stringsAsFactors=FALSE)
case_paste2<-read.csv("case_paste2.csv",stringsAsFactors=FALSE)
case_paste1$rev<-case_paste2[match(paste(case_paste1$出遊月份,case_paste1$八大區),paste(case_paste2$出遊月份,case_paste2$八大區)),3]

#3.4 字串拆分  
text <- "Hello world Hello china"    
strsplit(text, " ")  

strsplit("2015-08-07", "-")

#3.5 字串查詢  
grep("a",c("java","python","tableau","javascript"))  

grep("l|y",c("java","python","tableau","javascript"))  

#case: cm 
case_grep<-read.csv("case_grep.csv",stringsAsFactors=FALSE)
pattern1 <- "(韓國)|(日本)|(濟州)|(泰國)|(清邁)|(澳大利亞)|(郵輪)|(簽證)|(出境)|(塞班)|(普吉)|(巴厘島)|(馬爾地夫)|(馬來西亞)|(澳洲)|(美國)|(美洲)|(長灘)|(大溪地)|(歐洲)|(英國)|(法國)|(德國)|(法意瑞)|(土耳其)|(迪拜)|(埃及)|(俄羅斯)|(義大利)|(澳門)|(臺灣)|(香港)|(新加坡)|(南京銀行)|(模里西斯)|(柬埔寨)|(越南)|(阿聯酋)|(斯里蘭卡)|(首爾)|(斐濟)|(曼谷)|(西班牙)|(葡萄牙)|(北歐)|(蘇梅)|(關島)|(希臘)|(宿霧)|(蘭卡威)|(瑞士)|(芬蘭)|(菲律賓)|(東京)|(紐西蘭)|(塞席爾)|(加拿大)|(悉尼)|(沖繩)|(沙巴)|(寮國)|(帛琉)|(夏威夷)|(南非)|(汶萊)|(尼泊爾)|(新馬泰)|(芽莊)|(吳哥)|(伊朗)|(印度)|(清萊)|(澳新)|(德法)|(波蘭)|(坦尚尼亞)|(肯亞)|(郵輪)"
case_grep[grep(pattern1,case_grep[,1]),"BU"] <- "出境遊"
pattern2<- "(海南)|(三亞)|(海口)|(蜈支洲)|(鹿回頭)|(亞龍灣)|(跟團)|(包團)|(發團)|(當地)|(長途)|(當地遊)|(雙飛)"
case_grep[grep(pattern2,case_grep[,1]),"BU"] <- "國內遊"

grepl("a",c("java","python","tableau","javascript"))  

#3.6 字串替換  
#sub(查詢,替換,data)  
sub("a","bc",c("java","python","tableau","javascript")) #僅替換首個  

gsub("a","bc",c("java","python","tableau","javascript")) #替換全部  

#3.7 字串提取  
#strtrim(data,n)  substr(data,start,stop)  
data<-c("2016-08-01","2016-08-02","2016-08-03","2016-08-04")  
strtrim(data,4)  #excel:left()  

substr(data,6,10) #excel:mid()  

#3.8 字串匹配  
#match 返回第一次匹配的元素位置  
match(c("a","b","c","d"),c("b","d","c","a"))  

#4 函式用於資料框  apply族函式 
#apply(data,1 or 2 ,function) 1:row 2:column  
data<-matrix(1:9,nrow=3)  
apply(data,1,mean)   #行
apply(data,2,mean)   #列

#sapply lapply 區別：sapply輸出向量，lapply輸出列表  
sapply(data[1,], function(x) x^2)  

sapply(data, function(x) x^2)  

lapply(data,function(x) x^2)  

控制流

#1.條件   
#ifelse(條件判斷,真返回值,假返回值)  
x<-c(59,300,203,50)  
ifelse(x>=100,"大","小")  

if (x>=100) print("大") else print("小") #報錯  

#語法：if(){} elseif(){} else{} 

m=500  
if (m>=300){  
  print("非常大")  
}else if(m>=100){  
  print("大")  
}else{  
  print("小")    
}  


#2.迴圈  
#for   
for (i in 1:10){  
  print(paste(i,"次",sep="-"))  
}  

for (i in 1:4){  
  if (x[i]>=100) print("大") else print("小")  
}  

#while
i=1  
while (i<8){  
  print(paste("星期",i,sep="-"))  
  i<-i+1  
}  

資料重構

#1.轉置 t()
case_t<-read.csv("case_轉置.csv",stringsAsFactors=FALSE)
case_t
t(case_t)

#2.整合 melt()  
#melt(data,id=c(固定列))
library(reshape)
case_melt<-read.csv("case_整合.csv",stringsAsFactors=FALSE)
melt(case_melt,id=c("出遊月份"))

#3.展開 cast()  
#cast(data,固定列~展開列)
case_cast<-read.csv("case_展開.csv",stringsAsFactors=FALSE)
cast(case_cast,出遊月份~八大區)

自編函式

#語法：myfunction<-function(引數1，引數2，……){ 描述;return()}
myfunction<-function(x,fun){ 
  if(fun=="sum"){
    return(sum(x))
  }else if(fun=="mean"){
    return(mean(x))
  }else if(fun=="median"){
    return(median(x))
  }else{
    return("error")
  }
  }

myfunction(c(1,2,3,4,10),"sum")
myfunction(c(1,2,3,4,10),"mean")
myfunction(c(1,2,3,4,10),"median")
myfunction(c(1,2,3,4,10),"round")


diff_weekday<-function(x,y){
  if(x==y){
    return(1)
  }else{
    a<-seq(as.Date(x),as.Date(y),"day")
    b<-c("星期六","星期日")
    length(a[sapply(a,function(x) all(weekdays(x)!=b))])
  }
}
diff_weekday("2016-08-01","2016-08-01")

diff_weekday("2016-08-01","2016-08-08")


sapply(a,function(x) all(weekdays(x)!=b))


?weekdays
b<-c("星期一","星期日")
all(weekdays(as.Date(a))!=b)