R语言数据分析与挖掘-数据基本管理.pptx

数据去重01102数据筛选03数据合并04数据排序数据关联0106融合重铸07数据聚合08数据转换05数据分组 PAGE2数据基本管理常用的数据基本管理手段包括：数据去重、数据排序、数据筛洗、数据合并、数据聚合等操作2 数据去重301 PAGE4数据去重我们可以通过base扩展包的unique()函数或者dplyr扩展包的distinct()函数轻松实现。其中unique()函数能对矩阵、数组或数据框进行操作，移除重复元素或记录。在做数据分析及建模时，遇到最多的数据对象当属数据框。以下代码实现分别利用unique()和distinct()函数对数据框的重复记录进行删除。4set.seed(1234)df - data.frame(x1 = sample(1:3,8,replace = T), x2 = sample(letters[1:3],8,replace = T))dfx1 x21 2 c2 2 b3 1 b4 3 b5 1 c6 1 b7 2 b8 2 b(a - unique(df))x1 x21 2 c2 2 b3 1 b4 3 b5 1 cif(!require(dplyr)) install.packages(dplyr) #加载dplyr包，如不存在就进行在线安装(b - distinct(df))x1 x21 2 c2 2 b3 1 b4 3 b6 1 cidentical(a,b) # 判断两个函数的结果是否一致[1] TRUE 数据排序502 PAGE6数据排序有时候，需要对数据进行排序，以查看更多有用信息。R语言中，可使用基础包的sort()和order()函数实现。其中sort()函数返回的是排序后的数据结果，order()函数返回的是排序后的元素所在位置。两者默认都是按照升序（由小到大）排序，可以通过将参数decreasing设置为TRUE，改成降序排序。以下代码实现先创建一个向量v，再通过sort()和order()函数对向量v进行排序。6 set.seed(1234) v - sample(1:10,10) v [1] 10 6 5 4 1 8 2 7 9 3 sort(v) [1] 1 2 3 4 5 6 7 8 9 10 order(v) [1] 5 7 10 4 3 2 8 6 9 1 数据筛选703 PAGE8数据筛选有时候，我们更关注数据集中的部分数据，可以利用R语言强大的索引特性来定位符合筛选条件的元素。比如我们查看鸢尾花数据集iris前6行、第1，3，5列的数据子集，以下代码通过指定下标集的方式实现。也可以根据表达式得到符合条件的数据子集。比如想提取变量Sepal.Length值大于5.5且变量因子水平为setosa的数据子集，可通过以下代码实现。8 iris[1:6,c(1,3,5)] Sepal.Length Petal.Length Species1 5.1 1.4 setosa2 4.9 1.4 setosa3 4.7 1.3 setosa4 4.6 1.5 setosa5 5.0 1.4 setosa6 5.4 1.7 setosa iris[iris$Sepal.Length5.5 iris$Species==setosa,] Sepal.Length Sepal.Width Petal.Length Petal.Width Species15 5.8 4.0 1.2 0.2 setosa16 5.7 4.4 1.5 0.4 setosa19 5.7 3.8 1.7 0.3 setosa PAGE9数据筛选-subset()函数基础包的subset()函数非常适合做数据筛选的工作。subset()函数主要参数有两个：参数subset是逻辑表达式，用来过滤符合条件的行或元素；参数select是用来选择需要保留的列。下面以汽车数据集mtcars为例，讲解subset()函数的用法。9 subset(mtcars,cyl==4,select = mpg:hp)