R 学习笔记《六》 R语言初学者指南--访问变量、处理数据子集

时间 2019-11-11

标签学习笔记语言初学者指南访问变量处理数据子集繁體版

原文原文链接

注意：关闭R以前务必保存工做空间，保证学习的连续性。这样之前数据的控制台命令执行的效果以及相关变量仍然保存在内存中。shell

1 访问数据框变量app

建议：在read.table命令执行names查看要处理的变量dom

names(Squid)
[1] "Sample"   "Year"     "Month"    "Location" "Sex"      "GSI"

1.1 str函数ide

str函数能够查看数据框中每一个变量的属性：函数

str(Squid)
'data.frame':   2644 obs. of  6 variables:
 $ Sample  : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Year    : int  1 1 1 1 1 1 1 1 1 1 ...
 $ Month   : int  1 1 1 1 1 1 1 1 1 2 ...
 $ Location: int  1 3 1 1 1 1 1 3 3 1 ...
 $ Sex     : int  2 2 2 2 2 2 2 2 2 2 ...
 $ GSI     : num  10.44 9.83 9.74 9.31 8.99 ...

Sample ,Yead,Month,Location,Sex这几个变量是整型学习

GSI这个变量是数值型ui

GSI这个变量是存在于数据框Squid中的，不能经过在R控制台中输入GSI查看编码

GSI
错误: 找不到对象'GSI'

1.2 函数中的数据参数--访问数据框中的变量的最佳方式code

M1 <- lm(GSI ~ factor(Location)+factor(Year),data = Squid)
M1

Call:
lm(formula = GSI ~ factor(Location) + factor(Year), data = Squid)


Coefficients:
      (Intercept)  factor(Location)2  factor(Location)3  factor(Location)4  
           1.3939            -2.2178            -0.1417             0.3138  
    factor(Year)2      factor(Year)3      factor(Year)4  
           1.3548             0.9564             1.2270

lm 是作线性回归的函数，data = Squid表示从数据框Squid中取变量orm

data = 并非适用于任何函数，eg：

mean(GSI,data = Squid) 
错误于mean(GSI, data = Squid) : 找不到对象'GSI'

1.3 $ 符号 访问变量的另一种方法

Squid$GSI 

Squid$GSI
[1] 10.4432  9.8331  9.7356  9.3107  8.9926  8.7707  8.2576  7.4045
[9]  7.2156  6.8372  6.3882  6.3672  6.2998  6.0726  5.8395  5.8070
[17]  5.7774  5.7757  5.6484  5.6141  5.6017  5.5510  5.3110  5.2970
[25]  5.2253  5.1667  5.1405  5.1292  5.0782  5.0612  5.0097  4.9745

或者

Squid[,6]

Squid[,6]
[1] 10.4432  9.8331  9.7356  9.3107  8.9926  8.7707  8.2576  7.4045
[9]  7.2156  6.8372  6.3882  6.3672  6.2998  6.0726  5.8395  5.8070
[17]  5.7774  5.7757  5.6484  5.6141  5.6017  5.5510  5.3110  5.2970
[25]  5.2253  5.1667  5.1405  5.1292  5.0782  5.0612  5.0097  4.9745

此时能够经过mean求平均值

mean(Squid$GSI) 
[1] 2.187034

1.4 attach 函数

attach函数将数据框添加到R的搜索路径中，此时就能够经过GSI命令直接查看GSI数据

attach(Squid)
GSI
[1] 10.4432  9.8331  9.7356  9.3107  8.9926  8.7707  8.2576  7.4045
[9]  7.2156  6.8372  6.3882  6.3672  6.2998  6.0726  5.8395  5.8070
[17]  5.7774  5.7757  5.6484  5.6141  5.6017  5.5510  5.3110  5.2970
[25]  5.2253  5.1667  5.1405  5.1292  5.0782  5.0612  5.0097  4.9745

此时就能够直接使用相关函数了。

boxplot(GSI)

(额、、看不懂这个图)

使用attach函数显然应该当心保证变量名字的惟一性，若是与R自带函数名字或者变量同样确定会出问题。

attach使用总结：

(1)为了不复制变量，避免输入Squid$GSI两次以上

(2)使用attach命令应该保证变量的惟一性

(3)若是要处理多个数据集,并且一次只处理一个数据集，使用detach函数将数据集从R搜索路径中删除

2 访问数据集

首先执行detach(Squid)命令！！！

查看Squid中Sex的值

Squid$Sex
[1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2
[36] 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2 1 1 1 1 2 1 1 1 1 1 1

显示位移值

unique(Squid$Sex)
[1] 2 1

其中1表示雄性2表示雌性

Sel <- Squid$Sex == 1
SquidM <- Squid[Sel,]
SquidM
     Sample Year Month Location Sex    GSI
24       24    1     5        1   1 5.2970
48       48    1     5        3   1 4.2968
58       58    1     6        1   1 3.5008
60       60    1     6        1   1 3.2487
61       61    1     6        1   1 3.2304

Sel <- Squid$Sex == 1这条命令生成一个向量与Sex具备相同的长度,若是Sex的值等于1则该变量的值为TRUE，不然为FALSE，这样一个变量可称为布尔变量，能够用来选择行。

SquidM <- Squid[Sel,]这条命令表示选择Squid中Sel等于TRUE的行，并将数据存储到SquidM中。由于是选择行，因此须要使用方阔号。

第三章未完待续...

go on

得到雌性数据

SquidF <- Squid[Squid$Sex == 2,]
SquidF
     Sample Year Month Location Sex     GSI
1         1    1     1        1   2 10.4432
2         2    1     1        3   2  9.8331
3         3    1     1        1   2  9.7356
4         4    1     1        1   2  9.3107
5         5    1     1        1   2  8.9926

下面几条命令不解释：

unique(Squid$Location)
Squid123 <- Squid[Squid$Location == 1 | Squid$Location ==2 | Squid$Location == 3,]
Squid123 <- Squid[Squid$Location != 4,]
Squid123 <- Squid[Squid$Location < 4 ,]
Squid123 <- Squid[Squid$Location <=3 ,]
Squid123 <- Squid[Squid$Location >=1 &Squid$Location <=3 ,]

都是得到Location值为1,2,3的行

unique(Squid$Location)
[1] 1 3 4 2
Squid123 <- Squid[Squid$Location == 1 | Squid$Location ==2 | Squid$Location == 3,]
Squid123
     Sample Year Month Location Sex     GSI
1         1    1     1        1   2 10.4432
2         2    1     1        3   2  9.8331
3         3    1     1        1   2  9.7356
4         4    1     1        1   2  9.3107
5         5    1     1        1   2  8.9926
6         6    1     1        1   2  8.7707

得到Location值为1的雄性数据行

SquidM.1 <- Squid[Squid$Sex == 1 & Squid$Location == 1,]
SquidM.1
     Sample Year Month Location Sex    GSI
24       24    1     5        1   1 5.2970
58       58    1     6        1   1 3.5008
60       60    1     6        1   1 3.2487

得到位置为1或2的雄性数据

SquidM.12 <- Squid[Squid$Sex == 1 &( Squid$Location == 1 | Squid$Location == 2),]
SquidM.12
     Sample Year Month Location Sex    GSI
24       24    1     5        1   1 5.2970
58       58    1     6        1   1 3.5008
60       60    1     6        1   1 3.2487

注意！：

SquidM1 <- SquidM[Squid$Location == 1,] 
SquidM1 
        Sample Year Month Location Sex    GSI 
24          24    1     5        1   1 5.2970 
58          58    1     6        1   1 3.5008 

..........

..........

NA          NA   NA    NA       NA  NA     NA
NA.1        NA   NA    NA       NA  NA     NA
NA.2        NA   NA    NA       NA  NA     NA
NA.3        NA   NA    NA       NA  NA     NA
NA.4        NA   NA    NA       NA  NA     NA
..........

缘由分析：

以前获得的SquidM表示雄性数据，显然SquidM的行数与Squid$Location == 1 布尔向量的长度不一致。所以导出出现上面的现象。

2.1 数据排序

Ord1 <- order(Squid$Month)
Squid[Ord1,]
     Sample Year Month Location Sex     GSI
1         1    1     1        1   2 10.4432
2         2    1     1        3   2  9.8331
3         3    1     1        1   2  9.7356
4         4    1     1        1   2  9.3107

根据月份排序

也能够只对一个变量进行排序

Squid$GSI[Ord1]
[1] 10.4432  9.8331  9.7356  9.3107  8.9926  8.7707  8.2576  7.4045
[9]  7.2156  6.3882  6.0726  5.7757  1.2610  1.1997  0.8373  0.6716
[17]  0.5758  0.5518  0.4921  0.4808  0.3828  0.3289  0.2758  0.2506
[25]  0.2092  0.1792  0.1661  0.1618  0.1543  0.1541  0.1490  0.1379

3 使用相同的标识符组合两个数据集

setwd("E:/R/R-beginer-guide/data/RBook")
Sql1 <- read.table(file = "squid1.txt",header = TRUE)
Sql2 <- read.table(file = "squid2.txt",header = TRUE)
SquidMerged <- merge(Sql1,Sql2,by = "Sample")
SquidMerged
     Sample     GSI YEAR MONTH Location Sex
1         1 10.4432    1     1        1   2
2         2  9.8331    1     1        3   2
3         3  9.7356    1     1        1   2
4         5  8.9926    1     1        1   2
5         6  8.7707    1     1        1   2
6         7  8.2576    1     1        1   2

merge 命令采用两个数据框Sql1 ,Sql2做为参数并使用变量Sample做为形同的标识符合并两个数据。merger函数还有一个选项是all,缺省状态值是FALSE:即若是Sql1或Sql2中的值有缺失,则将被忽略。若是all的值设置为TRUE,可能会产生NA值

Sql11 <- read.table(file = "squid1.txt",header = TRUE)
Sql21 <- read.table(file = "squid2.txt",header = TRUE)
SquidMerged1 <- merge(Sql11,Sql21,by = "Sample")
SquidMerged1

额、、这里好像没有出现NA，看来是数据没有丢失

4 输出数据

经过write.table将数据输出为ascii文件

write.table(SquidM,file = "MaleSquid_wujiahua.txt",sep = " ",quote =  FALSE,append = FALSE,na = "NA")

查看工做目录，生成了一个MaleSquid_wujiahua.txt文件，

打开：

Sample Year Month Location Sex GSI
24 24 1 5 1 1 5.297
48 48 1 5 3 1 4.2968
58 58 1 6 1 1 3.5008
60 60 1 6 1 1 3.2487
61 61 1 6 1 1 3.2304

说明：

write.table第一个参数表示要输出的数据，第二参数是数据保存的文件名，sep = " " 宝成数据经过空格隔开，qoute=FALSE消除字符串的引号标识，na="NA"表示缺失值经过NA替换。append=TRUE表示把数据添加到文件的尾部

5 从新编码分类变量

str(Squid)
'data.frame':   2644 obs. of  6 variables:
 $ Sample  : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Year    : int  1 1 1 1 1 1 1 1 1 1 ...
 $ Month   : int  1 1 1 1 1 1 1 1 1 2 ...
 $ Location: int  1 3 1 1 1 1 1 3 3 1 ...
 $ Sex     : int  2 2 2 2 2 2 2 2 2 2 ...
 $ GSI     : num  10.44 9.83 9.74 9.31 8.99 ...

其中Sex和locaton的值肯定，属于分类变量。

在数据框中通常根据分类变量生成新的变量

Squid$fLocation <- factor(Squid$Location)
Squid$fSex <- factor(Squid$Sex)
Squid$fLocation
   [1] 1 3 1 1 1 1 1 3 3 1 1 1 1 1 1 1 3 1 3 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1
  [36] 1 1 1 1 3 1 1 1 1 3 1 1 3 1 1 1 1 1 1 1 3 1 1 1 1 1 3 1 1 1 1 1 1 1 1

 
Squid$fSex 
   [1] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 
  [36] 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 2 2 1 2 1 1 1 1 2 1 1 1 1 1 1 
  .....................
  [71] 1 1 1 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 1 2 1 1 1
  .....................
  .....................
  .....................
[2591] 1 1 1 1 1 1 1 1 1 2 1 1 2 1 1 2 1 1 1 2 1 2 1 1 2 1 1 2 1 2 2 1 1 1 1
[2626] 1 1 1 1 1 2 1 1 1 2 1 2 1 2 1 2 1 1 1
Levels: 1 2

fLocation和fSex只是名义变量，f表示他们是因子

levels：1，2能够对其修改

Squid$fSex <- factor(Squid$Sex,levels = c(1,2),labels = c("M","F"))
Squid$fSex
   [1] F F F F F F F F F F F F F F F F F F F F F F F M F F F F F F F F F F F
  [36] F F F F F F F F F F F F M F F F F F F F F F M F M M M M F M M M M M M
  ..................
  ..................
  ..................
[2556] F M M M M F F M M M M M M M F M M M M M M F M M F M M M F M M F M M M 
[2591] M M M M M M M M M F M M F M M F M M M F M F M M F M M F M F F M M M M 
[2626] M M M M M F M M M F M F M F M F M M M 
Levels: M F

这样每一个1被M替换，2被F替换

使用从新分类的因子变量

boxplot(GSI ~ fSex,data = Squid)

M1 <- lm(GSI ~ fSex+fLocation,data = Squid)
M1


Call:
lm(formula = GSI ~ fSex + fLocation, data = Squid)


Coefficients:
(Intercept)        fSexF   fLocation2   fLocation3   fLocation4  
     1.3593       2.0248      -1.8552      -0.1425       0.5876

summary(M1)
 
Call:
lm(formula = GSI ~ fSex + fLocation, data = Squid)
 
Residuals:
    Min      1Q  Median      3Q     Max
-3.4137 -1.3195 -0.1593  1.2039 11.2159
 
Coefficients:
            Estimate Std. Error t value Pr(>|t|)   
(Intercept)  1.35926    0.07068  19.230   <2e-16 ***
fSexF        2.02481    0.09427  21.479   <2e-16 ***
fLocation2  -1.85525    0.20027  -9.264   <2e-16 ***
fLocation3  -0.14248    0.12657  -1.126   0.2604   
fLocation4   0.58756    0.34934   1.682   0.0927 . 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 
Residual standard error: 2.415 on 2639 degrees of freedom
Multiple R-squared: 0.1759,     Adjusted R-squared: 0.1746
F-statistic: 140.8 on 4 and 2639 DF,  p-value: < 2.2e-16

(才发现有这么一个插入脚本功能)

M2 <- lm(GSI ~ factor(Sex)+factor(Location),data = Squid)
summary(M2)
 
Call:
lm(formula = GSI ~ factor(Sex) + factor(Location), data = Squid)
 
Residuals:
    Min      1Q  Median      3Q     Max
-3.4137 -1.3195 -0.1593  1.2039 11.2159
 
Coefficients:
                  Estimate Std. Error t value Pr(>|t|)   
(Intercept)        1.35926    0.07068  19.230   <2e-16 ***
factor(Sex)2       2.02481    0.09427  21.479   <2e-16 ***
factor(Location)2 -1.85525    0.20027  -9.264   <2e-16 ***
factor(Location)3 -0.14248    0.12657  -1.126   0.2604   
factor(Location)4  0.58756    0.34934   1.682   0.0927 . 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 
 
Residual standard error: 2.415 on 2639 degrees of freedom
Multiple R-squared: 0.1759,     Adjusted R-squared: 0.1746
F-statistic: 140.8 on 4 and 2639 DF,  p-value: < 2.2e-16

估计的参数是一致的，可是第二种方式占用的屏幕空间更大，传说在二阶，三阶交互做用时将是一个严重的问题。

Squid$fLocation
   [1] 1 3 1 1 1 1 1 3 3 1 1 1 1 1 1 1 3 1 3 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1
  [36] 1 1 1 1 3 1 1 1 1 3 1 1 3 1 1 1 1 1 1 1 3 1 1 1 1 1 3 1 1 1 1 1 1 1 1
........
[2626] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Levels: 1 2 3 4

Levels:的顺序能够更改

Squid$fLocation <- factor(Squid$Location,levels= c(2,3,1,4))
Squid$fLocation
   [1] 1 3 1 1 1 1 1 3 3 1 1 1 1 1 1 1 3 1 3 1 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1
  [36] 1 1 1 1 3 1 1 1 1 3 1 1 3 1 1 1 1 1 1 1 3 1 1 1 1 1 3 1 1 1 1 1 1 1 1
  [71] 1 1 1 1 1 3 1 1 3 1 1 3 1 1 3 1 1 1 1 1 1 1 1 1 1 1 1 3 1 3 3 3 1 3 1
 
...
 
 
] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
Levels: 2 3 1 4

boxplot(GSI ~ fLocation,data = Squid)

注意：

在定义了fSex这个因子以后上面两种写法都是同样的效果。

可是1有双引号是必须的，由于fSex是因子

定义新的变量以后也能够经过str命令查看

Squid$fSex <- factor(Squid$Sex,labels = c("M","F"))
Squid$fLocation <- factor(Squid$Location)
str(Squid)
'data.frame':   2644 obs. of  8 variables:
 $ Sample   : int  1 2 3 4 5 6 7 8 9 10 ...
 $ Year     : int  1 1 1 1 1 1 1 1 1 1 ...
 $ Month    : int  1 1 1 1 1 1 1 1 1 2 ...
 $ Location : int  1 3 1 1 1 1 1 3 3 1 ...
 $ Sex      : int  2 2 2 2 2 2 2 2 2 2 ...
 $ GSI      : num  10.44 9.83 9.74 9.31 8.99 ...
 $ fLocation: Factor w/ 4 levels "1","2","3","4": 1 3 1 1 1 1 1 3 3 1 ...
 $ fSex     : Factor w/ 2 levels "M","F": 2 2 2 2 2 2 2 2 2 2 ...

第三章总结：

write.table 把一个变量写入到ascii文件中 write.table(Squid,file="test.txt")

order 肯定数据的排序 order(x)

merge 合并两个数据框 merege(a,b,by="ID")

str 显示一个对象的内部结构 str(Squid)

factor 定义变量做为因子 factor(x)