讀資料 

---read.table('tablename')  或者 read.csv('tablename')

     read.tabls('school.csv',header=T,sep=",")  =  read.csv

#read.table()函式可以讀取txt、csv等格式的檔案，並且可以直接從URL上讀取資料。主要引數如下

read.table(file,                     #檔案路徑

           header=FALSE,             #是否將第一行讀為列名

           sep = "",                 #檔案的分隔符

           nrows = -1,               #讀取的行數

           skip = 0,                 #跳過開始的skip開始讀取

           fill = !blank.lines.skip) #將缺少資料定位為NA

寫出到csv檔案

---write.csv(iris,file="iris.csv")

     write.csv(iris,file="iris.csv")

大檔案讀取

一、readr包  需要讀取的資料特別大的話可以用

install.packages("readr")

library(readr)

system.time(read_table(file))

system.time(read.table(gile))

二、data.table包中的fread函式讀取大規模資料

system.time(fread(file)) 

system.time(read.table(file))

連結資料庫

install.packages("RMySQL")

library(RMySQL)

     待續

資料變換

取資料子集

--使用方括號加索引來取子集

--subset函式

例如：取iris中花種類為setosa的子集，並取後三列資料

data_sub <- subset(iris,Species=='setosa',3:5)

data_sub <- with(iris,iris[Species=='setosa',3:5])

編碼轉換（在原來資料集的基礎上加一個數據集） 

iris <- transform(iris,v1=Sepal.length + Petal.Width) 

等同於

iris$v = iris$Sepal.length + iris$Petal.Width #(transform函式速度快)

變數的離散化

--將變數根據數值的大小分為四組，

--cut函式

people = data.frame(age=c(13,42,55,64,30,53,24),

                    gender=c("M","F","F","M","M","F","M"))

groupvec = c(0,40,60,100)

labels <- c("青年","中年","老年")

people$label <- with(people,

                     cut(people$age,                          breaks = groupvec,                          labels = labels)

                     )

#資料型別變換  《變換為因子型別》

vec <- rep(c(0,1),c(4,6))

vec_fac <- factor(vec,labels = c('male','femal'))

levels(vec_fac)

##因子合併

vec <- rep(c(0,1,3),c(4,6,2))

vec_fac <- factor(vec)

levels(vec_fac) <- c('male','femal','male')

##因子重設

vec <- rep(c('b','a'),c(4,6))

vec_fac <- factor(vec)

levels(vec_fac)

relevel(vec_fac,ref='b')  #以b為標準

資料重塑

install.packages('reshape2') library(reshape2) subdata <-iris[,4:5] dcast函式

dcast(data=subdata,             #分析物件

      formula=Species~.,      #資料分組方式

      value.var='Petal.Width',  #要計算的資料物件

      fun=mean)                 #計算方式

##dcast的思路和aggregate很相似，都是根據變數切分資料

##在對分組資料進行計算，但dcast的輸出格式和功能在多維情況下要方便很多

melt函式 將一個寬型資料融合成一個長型資料， #例如我們將isir資料集進行融合

iris_long <- melt(data=iris,

                  id='Species')

#小案例 分析小費給的和男女的關係 head(tips) dcast(tips,       sex~.,       value.var = 'tip',       fun=mean) dcast(tips,       sex~smoker,       value.var = 'tip',       fun=mean) dcast(tips,       sex~smoker + day,       value.var = 'tip',       fun=mean) ##dcast函式的使用前提    # -資料中已經存在分類的變數，例如sex或者smoke    # -根據分類變數劃分資料    # -在計算某個數值變數的指標  #如果有更復雜的需求，可以先融合成長型資料，在重鑄 tips_melt <- melt(tips,                   id.vars = c('sex','smoker','time','size','day')) dcast(tips_melt,       sex~variable,       value.var = 'value',       fun= mean) #要同時考慮不同性別和吸菸習慣的貴客給小費的相對比例 tips_mean <- dcast(tips_melt,                    sex+ smoker~variable,                    fun=mean) tips_mean$rate <- with(tips_mean,                        tip/total_bill) tips_mean

拆分合並

類似與sql中的join merge合併函式

datax <- data.frame(id=c(1,2,3),

                    gender=c(23,34,41))

datay <- data.frame(id=c(3,2,1,4),

                    name=c('tom','john','ken','han'))

merge(datax,datay,by='id')

拆分： 如果資料集有一個因子型變數就可以用split函式進行拆分

iris_splited <- split(iris,

                      f=iris$Species)  #分組依據

class(iris_splited)

彙總資料

 強大的plyr包

install.packages('plyr') library(plyr) ratio_fun <- function(x){   sum(x$tip)/sum(x$total_bill) } ddply函式 ddply(.data=tips,         #拆分計算的物件          .variables='sex',   #按照什麼變數拆分      .fun=ratio_fun)     #計算函式 ddply(tips,       .(sex),       .fun = ratio_fun) 其他輔助函式 each:生成一系列函式值，組成向量
colwise:對資料框的每一個滿足條件的列做運算 colwise(mean,is.numeric) (iris)