本文简要介绍R变量及变量简单操作

本文速览

更多精彩：

1、R创建变量
语法
赋值符号 
R运算符

2、变量简单操作
创建data.frame类型变量
缺失值操作
变量的重命名
变量数据类型转换
merge()函数：横向合并两个数据框(需要索引)
cbind()函数：横向合并两个数据框(无需索引)
rbind()函数： 纵向合并两个数据框
subset()函数：取数据框子集
随机抽样
SQL 语句操作数据框 

1、R创建变量

• 语法

variable <- expression

• 赋值符号

= 给变量赋值

<- 给变量赋值

• R运算符

赋值符号右边的表达式会涉及到运算符。算术运算符

运算符         描述
+             加
–             减
*             乘
/             除 ^或** 求幂
x%%y          求余（x mod y）。5%%2 的结果为 1 
x%/%y         整数除法。5%/%2 的结果为 2

**逻辑运算符 **

运算符             描述
<                 小于
<=                小于或等于
>                 大于
>=                大于或等于
==                严格等于①
!=                不等于
!x                非x
x | y             x或y
x & y             x和y
isTRUE(x)         测试x是否为TRUE

2、变量简单操作

• 创建data.frame类型变量

类似python中的pandas.DataFrame

manager <- c(1, 2, 3, 4, 5)
date <- c("10/24/08", "10/28/08", "10/1/08", "10/12/08", "5/1/09")
country <- c("US", "US", "UK", "UK", "UK")
gender <- c("M", "F", "F", "M", "F")
age <- c(32, 45, 25, 39, 99)
q1 <- c(5, 3, 3, 3, 2)
q2 <- c(4, 5, 5, 3, 2)
q3 <- c(5, 2, 5, 4, 1)
q4 <- c(5, 5, 5, NA, 2)
q5 <- c(5, 5, 2, NA, 1)
leadership <- data.frame(manager, date, country, gender, age,
                         q1, q2, q3, q4, q5, stringsAsFactors=FALSE)
leadership 

• 缺失值操作

函数is.na() 允许你检测缺失值是否存在，它将返回一个相同大小的对象，如果某个元素是缺失值，相应的位置将被改写为TRUE，不是缺失值的位置则为FALSE。正无穷和负无穷分别用Inf和 –Inf 所标记。因此5/0返回Inf。不可能的值（比如说， sin(Inf)）用NaN符号来标记（not a number，不是一个数）。若要识别这些数值，你需要用到is.infinite() 或is.nan()。

leadership$age[leadership$age == 99] <- NA
#将age列等于99的值替换为为NA，使用逻辑表达式：leadership$age == 99
leadership

排除缺失值

x <- c(1, 2, NA, 3)
y <- sum(x, na.rm=TRUE)#na.rm=TRUE删除NA值

na.omit(leadership)#na.omit删除所有的NA值

• 变量的重命名

fix直接修改
names函数修改

names(leadership)[2] <- "testDate"#names函数修改
names(leadership)[6:10] <- c("item1", "item2", "item3", "item4", "item5")#向量助批量修改名字

• 变量数据类型转换

判 断    转 换
is.numeric()   as.numeric()
is.character()   as.character()
is.vector()   as.vector()
is.matrix()   as.matrix()
is.data.frame()  as.data.frame()
is.factor()   as.factor()
is.logical()   as.logical()

• merge()函数：横向合并两个数据框(需要索引)

total <- merge(dataframeA, dataframeB, by="ID")#by指定1个索引

total <- merge(dataframeA, dataframeB, by=c("ID","Country"))#by指定多个索引

• cbind()函数：横向合并两个数据框(无需索引)

类似linux中的paste

 total <- cbind(dataframeA, dataframeB)

• rbind()函数： 纵向合并两个数据框

类似linux中的cat

total <- rbind(dataframeA, dataframeB)

• subset()函数：取数据框子集

newdata <- subset(leadership, age >= 35 | age < 24,select=c(q1, q2, q3, q4))
#选择所有age值大于等于35或age值小于24的行，保留了变量q1到q4

newdata <- subset(leadership, gender=="M" & age > 25,select=gender:q4)
#选择所有25岁以上的男性，并保留了变量gender到q4（ gender、 q4和其间所有列）

• 随机抽样

mysample <- leadership[sample(1:nrow(leadership), 3, replace=FALSE),]
##从leadership中1:5行中，随机抽取3个观测，无放回（replace=FALSE控制）。

• SQL 语句操作数据框

#安装sqldf包
options(repos=structure(c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/")))#设置镜像源
install.packages('sqldf',dependencies=TRUE)
library("sqldf")

参考资料

r-in-action-second-edition