vlambda博客
学习文章列表

咸鱼翻身的第2次更新

写于：北京记录：现在是：2020年5月11日 0:18前言：可以说是昨天是第一次更新，然后下午看了两章R语言的内容，因为之前学习过python，有一定的代码基础，学习期R语言来不是那么的费劲，而且我给自己现阶段的定位就是先把R语言学会到可以简单的处理数据的程度就好了，做所有的事情都要先完成在完美。大部分人做事情都是死于做事情的过程中太要求完美主义了，到时时间太久，坚持力又不够，最终自己定下的目标夭折。其实先完成在完美大家很早就听人说过吧，但是无奈自己做事情希望尽心尽力的做好然后才会有成就感，但是这样需要你综合能力很强，不然很难做到，导致虎头蛇尾。我坚信所以的产品都是妥协的结果，设计产品的人都不是傻子，但是为什么设计出那么多鸡肋的产品呢，原因可能比你想象的更加复杂，好了我要去睡觉了，晚安~

学习内容：

 
   
   
 

  
    
    
  
R语言最好使用rstudio的包因为有人维护，而且运行速度快还稳定
  
    
    
  
#查看数据
  
    
    
  
使用reader包
  
    
    
  
安装R语言的包
  
    
    
  
install.package(reader)
  
    
    
  


  
    
    
  
#调用R语言包
  
    
    
  
library(reader)
  
    
    
  
#要注意的是读取的编码
  
    
    
  
#读取csv
  
    
    
  
r1 <- read_csv(path)
  
    
    
  
#数据导出，使用ggplot2,也是rtudio的包
  
    
    
  


  
    
    
  
方法1：
  
    
    
  
install.package(ggplot2)
  
    
    
  
library(ggplot2)
  
    
    
  
write_csv(r1,path)#这个是rstudio的包
  
    
    
  


  
    
    
  
方法2：r自带的方法
  
    
    
  
write.csv(r1,
  
    
    
  

  
    
    
  
 fileEnconding='UTF-8',
  
    
    
  
 row.name=FALSE,#相当于索引
  
    
    
  
 )
  
    
    
  
读取Excel
  
    
    
  
方法1：
  
    
    
  
install.package(readxl)
  
    
    
  
library(readxl)
  
    
    
  
r1<-read_xlsx(path='',sheet='')
  
    
    
  


  
    
    
  
r1<- readxl :: read_xlsx(path='',
  
    
    
  
 sheet='')
  
    
    
  


  
    
    
  


  
    
    
  
方法2：r自带的方法 不推荐所以就不介绍了，哈哈哈！
  
    
    
  
因为读取时候经常产生问题
  
    
    
  


  
    
    
  
其他文件读取
  
    
    
  
读取sas，spss等
  
    
    
  
使用包haven
  
    
    
  
install.package(haven)
  
    
    
  
library(haven)
  
    
    
  
spss
  
    
    
  
r1<- read_sav(path)
  
    
    
  
r2<- read_dta(path)
  
    
    
  
r3<- read_sas(path)
  
    
    
  


  
    
    
  
4时间复杂度，空间复杂度（这块比较记得比较着急，后续再更新）
  
    
    
  
想起来了，
  
    
    
  
时间复杂度就是运行代码所消耗的时间，我们的原则是越快越好；
  
    
    
  
空间复杂度就是写的代码越简单越好；
  
    
    
  
system.time(a<-reader::read_csv(path))
  
    
    
  


  
    
    
  
system.time(a<-read.csv(path,encoding='UTF-8',header=TRUE,sep=',')
  
    
    
  


  
    
    
  
从网络中获取数据
  
    
    
  
这里指的是连接外部数据库
  
    
    
  
安装包
  
    
    
  
Install.packages(c('DBI','RSQLite','RMySQL','RPostgreSQL'))
  
    
    
  
CON<- dbConnect(RSQLite::SQLite,':memory:')
  
    
    
  
dbListTables(con)#这个就是查看数据库中的表
  
    
    
  
dbWriteTable(con,'mtcars',macars)#建立一个新的表名字叫‘mtcars’，数据是macars
  
    
    
  
dbListTables(con)#查看数据库
  
    
    
  
dbWriteTable(con,'Tianic',as.data.frame(Tianic))
  
    
    
  
dbListTables(con)##查看数据库
  
    
    
  
dbDisconnect()#断开数据库
  
    
    
  


  
    
    
  
#连接MySQL，与上面相似但是不一样
  
    
    
  
library(RMySQL)
  
    
    
  
CON<- dbConnect(RMySQL::MySQL(),
  
    
    
  
 dbname="course",
  
    
    
  
 username="root",
  
    
    
  
 password="123456")
  
    
    
  
dbsendQuery(con_c,'SET NAMES GBK') 
  
    
    
  
dbListTables(con)##查看数据库；如果出现中文乱码，请使用上面的代码
  
    
    
  
dbGetQuery(con_c,'select * from table')#数据筛选
  
    
    
  
#创建新表
  
    
    
  
dbWriteTable(con_c,'table_name',ggplot2::diamonds,row.names=FALSE,overwrite=TRUE)
  
    
    
  
#row.names=FALSE 就是是否要索引
  
    
    
  
#overwrite=TRUE 就是当数据库中有相同名字的表时，要不要覆盖掉历史的
  
    
    
  
dbWriteTable(数据库连接,'表名',数据集,row.names=FALSE,overwrite=TRUE)
  
    
    
  


  
    
    
  
过滤和筛选操作
  
    
    
  
install.packages('dblyr')#怎么记忆这个表名呢database library of R
  
    
    
  
library(dblyr)
  
    
    
  
#管道操作pipe %>%
  
    
    
  
#使用数据集
  
    
    
  
install.package('nycflights13')
  
    
    
  
nycflights::flights%>%head()#查看前6行数据
  
    
    
  
nycflights::flights%>%View()#查看全部数据
  
    
    
  


  
    
    
  
#过滤函数：filter
  
    
    
  
library('nycflights13')
  
    
    
  
library (dblyr)
  
    
    
  


  
    
    
  
filter(flights,month==1,day==1)
  
    
    
  
filter(数据集,针对变量筛选条件)
  
    
    
  


  
    
    
  
r1 <- filter(dataset,month==12,day==15)
  
    
    
  


  
    
    
  
(r1 <- filter(dataset,month==12,day==15))
  
    
    
  
#外面嵌套一层括号可以实现即存储在View中也在输出框中显示
  
    
    
  


  
    
    
  
比较运算
  
    
    
  
filter(flights,dep_delay>120)%>%count() #计算个数
  
    
    
  
filter(flights,dep_delay>120,arr_delay>120)#双条件
  
    
    
  
filter(flights,(dep_delay>120|arr_delay>120))#与或非条件
  
    
    
  


  
    
    
  
包含缺失记录筛选
  
    
    
  
df <- tibble(x==c(1,NA,3))
  
    
    
  
df %>% filter(X>1|is.na(x))
  
    
    
  


  
    
    
  
library(bdlyr)
  
    
    
  
sub_mtcars <- head(mtcars,10)#显示前10行
  
    
    
  
#默认升序排列
  
    
    
  
sub_mtcars%>% arrange(cyl,gear)%>% View()
  
    
    
  
#翻译：sub_mtcars然后排序(按cyl和gear排序)然后全部显示
  
    
    
  


  
    
    
  
#默认降序排列
  
    
    
  
sub_mtcars%>% arrange(desc(cyl),gear)%>% View()
  
    
    
  
#第一个变量降序，第二个变量升序
  
    
    
  


  
    
    
  


  
    
    
  
df <- tibble(x=c(5,2,NA),y=c(1,'b',99))#使用tibble格式
  
    
    
  


  
    
    
  
arrange(df,x)
  
    
    
  
arrange(df,desc(x))
  
    
    
  


  
    
    
  
arrange(df,is.na(x))
  
    
    
  
arrange(df,desc(is.na(x)))
  
    
    
  


  
    
    
  
(4)对选择变量重命名
  
    
    
  


  
    
    
  
iris%>%as_tibble()%>%rename(p_length=petal.length,s_length=sepel.Length)
  
    
    
  
(5)添加新的变量:mutate()
  
    
    
  
mutate(
  
    
    
  
 flights_sml,
  
    
    
  
 gain=arr_delay-dep_delay,
  
    
    
  
 speed=distance/air_time)
  
    
    
  
#注意上面不赋给数据集则会产生在console里面
  
    
    
  
#如果上面赋给一个变量则会产生在原数据集后面
  
    
    
  
#如果只想展示创建的几个变量那么可以使用transmute函数
  
    
    
  
transmute(flights,gain=arr_delay-dep_delay,hours=air_time/60,gain_per_hour=gain/hours)
  
    
    
  
#求余数 251%%100 =1
  
    
    
  
#求商的整数 251%/% 100=2
 
   
   
 

点击原文可以进入我的博客，感兴趣的可以看一下~