2.2: Використання R для організації та маніпулювання даними

Last updated
Save as PDF

Page ID: 17659

$ \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } $ $ \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} $$\newcommand{\id}{\mathrm{id}}$ $ \newcommand{\Span}{\mathrm{span}}$ $ \newcommand{\kernel}{\mathrm{null}\,}$ $ \newcommand{\range}{\mathrm{range}\,}$ $ \newcommand{\RealPart}{\mathrm{Re}}$ $ \newcommand{\ImaginaryPart}{\mathrm{Im}}$ $ \newcommand{\Argument}{\mathrm{Arg}}$ $ \newcommand{\norm}[1]{\| #1 \|}$ $ \newcommand{\inner}[2]{\langle #1, #2 \rangle}$ $ \newcommand{\Span}{\mathrm{span}}$ $\newcommand{\id}{\mathrm{id}}$ $ \newcommand{\Span}{\mathrm{span}}$ $ \newcommand{\kernel}{\mathrm{null}\,}$ $ \newcommand{\range}{\mathrm{range}\,}$ $ \newcommand{\RealPart}{\mathrm{Re}}$ $ \newcommand{\ImaginaryPart}{\mathrm{Im}}$ $ \newcommand{\Argument}{\mathrm{Arg}}$ $ \newcommand{\norm}[1]{\| #1 \|}$ $ \newcommand{\inner}[2]{\langle #1, #2 \rangle}$ $ \newcommand{\Span}{\mathrm{span}}$

Дані в таблиці$\PageIndex{1}$ повинні нагадувати вам про кадр даних, спосіб організації даних у R, який ми ввели в главі 1. Тут ми дізнаємося, як створити фрейм даних, який містить дані в таблиці,$\PageIndex{1}$ і дізнаємося, як ми можемо зробити нас з фрейму даних.

Створення кадру даних

Щоб створити фрейм даних, ми починаємо з створення векторів для кожної зі змінних. Зауважте, що букви є константою в R, яка містить 26 малих літер латинського алфавіту: тут ми використовуємо лише перші шість літер для ідентифікаторів мішка.

bag_id = літери [1:6] рік = c (2006, 2006, 2000, 2000, 1994, 1994) вага = c (1,74, 1,74, 0,80, 0,80, 10,0, 10,0) тип = c («арахіс», «арахіс», «звичайний», «звичайний», «звичайний», «звичайний») число_жовтий = c (2, 3, 1, 5, 56, 63 відсотки) t_red = c (27,8, 4,35, 22,7, 20,8, 23.0, 21.9) всього = c (18, 23, 22, 24, 331, 333) ранг = c («шостий», «четвертий», «п'ятий», «третій», «другий», «перший»)

Для створення фрейму даних ми використовуємо функцію Data.frame () R, передаючи їй імена наших векторів, кожен з яких повинен бути однакової довжини. У цій функції є можливість розглядати змінні, значення яких є символьними рядками, як факторами - інша назва категоріальної змінної - за допомогою аргументу StringsAsFactors = TRUE. Оскільки значення за замовчуванням для цього аргументу залежить від вашої версії R, корисно зробити ваш вибір явним, включивши його у ваш код, як ми робимо тут.

mm_data = data.frame (bag_id, рік, вага, тип, число_жовтий, процент_червоний, загальний, ранг, рядки як фактори = TRUE) mm_data

bag_id рік вага тип номер_жовтий процент_червоний загальний ранг

1 в 2006 1.74 арахіс 2 27.80 18 шостий

2 б 2006 1,74 арахіс 3 4,35 23 четвертий

3 см 2000 0,80 рівнина 1 22.70 22 п'ята

4 д 2000 0,80 рівнина 5 20.80 24 третя

5 е 1994 10.00 рівнина 56 23.00 331 секунда

6 з 1994 10.00 рівнина 63 21.90 333 перший

Якщо ми вивчимо структуру цього набору даних за допомогою функції R str (), ми побачимо, що bag_id, тип та ранг - це фактори та рік, вага, number_yellow, percent_red та total arenumerical змінні, призначення, які узгоджуються з нашим попереднім аналізом даних.

str (мм_даних)

'data.frame': 6 об. з 8 змінних:

$ bag_id: Коефіцієнт ж/6 рівнів «a», «b», «c», «d»,..: 1 2 3 4 5 6

$ Рік: Номер 2006 2000 2000 1994...

Вага: кількість 1,74 1,74 0,8 0,8 10 10

Тип $: Фактор з 2 рівнями «арахіс», «звичайний»: 1 1 2 2 2 2

$ номер_жовтий: нум 2 3 1 5 56 63

$ процент_червоний: кількість 27.8 4,35 22.7 20,8 23 21.9

$ Всього: 18 23 22 24 331 333

$ ранг: Фактор ж/6 рівнів «п'ятий», «перший»,..: 5 3 1 6 4 2

Нарешті, ми можемо використовувати функцію як.factor (), щоб R розглядати числову змінну як категоричну змінну, як ми робимо тут протягом року. Чому ми можемо захотіти зробити це - тема, до якого ми повернемося в наступних розділах.

mm_year_as_factor = data.frame (bag_id, як.фактор (рік), процент_червоний, загальний)

str (мм_рік_я_фактор)

'data.frame': 6 об. з 4 змінних:

$ bag_id: Коефіцієнт ж/6 рівнів «a», «b», «c», «d»,..: 1 2 3 4 5 6

$ як.фактор.рік.: Фактор з 3 рівнями «1994", "2000",..: 3 3 2 2 1

$ процент_червоний: кількість 27.8 4,35 22.7 20,8 23 21.9

$ Всього: 18 23 22 24 331 33

Створення нового кадру даних шляхом підмноження існуючого кадру даних

У розділі 1.2 ми дізналися, як отримати окремі рядки або стовпці з кадру даних і призначити їх новому об'єкту. Тут ми дізнаємося, як використовувати більш гнучку функцію підмножини () R для виконання того ж самого. Тут, наприклад, ми отримуємо тільки дані для простих M&Ms.

plain_mm = підмножина (mm_data, тип == «звичайний»)

рівнин_мм

bag_id рік вага тип номер_жовтий процент_червоний загальний ранг

3 х 2000 0,8 рівнина 1 22,7 22 п'ята

4 д 2000 0,8 рівнина 5 20,8 24 третя

5 е 1994 10.0 рівнина 56 23,0 331 секунди

6 з 1994 10.0 рівнина 63 21,9 333 перший

Зауважте, що type == «plain» використовує реляційний оператор для вибору лише тих рядків, у яких тип змінної має значення plain. Ось список реляційних операторів:

Таблиця$\PageIndex{2}$. Реляційні оператори в R.
оператор	використання	значення
<	x < у	x менше, ніж у
>	х > у	x більше, ніж у
<=	х <= у	x менше або дорівнює y
>=	х>= у	x більше або дорівнює y
==	х == у	x точно дорівнює y
! =	х! = у	x не дорівнює y

Ми можемо рядити змінні разом за допомогою логічного & оператора.

mm_plain10 = підмножина (мм_даних, (вага == 10,0 & тип == «звичайний»))

мм_рівнин10

bag_id рік вага тип номер_жовтий процент_червоний загальний ранг

5 е 1994 10 рівнина 56 23,0 331 секунди

6 з 1994 10 рівнина 63 21,9 333 перший

Ми також можемо звузити кількість змінних, що повертаються, використовуючи аргумент subset () функції select. У цьому прикладі ми виключаємо зразки, зібрані до 2000 року, і повертаємо лише рік, кількість жовтих M & Ms та відсоток червоних M & Ms.

mm_20xx = підмножина (мм_дані, рік >= 2000, виберіть = c (рік, число_жовтий, процент_червоний))

мм_20хх

число року_жовтий процент_червоний

1 2006 2 27.80

2 2006 3 4.35

3 2000 1 22.70

4 2000 5 20,80