这里的鸡爪槭又便宜,质量还有保证

小说:这里的鸡爪槭又便宜,质量还有保证作者:乙帝王顺更新时间:2019-04-19字数:22257

“这?”物理老师的脸上多少有些难看,他自然不可能当众说出自己信不过叶扬的成绩这种话,一时之间又想不到好的理由,竟然不知道该说什么好了。

甘肃的花叶玉簪都在哪里买的?

“记住啊,必须要每天有足够的真气或天地元气支持才行,不然的话就出问题了。”布玛说着脸上写满了不舍,她这一睡可是要很久,对她来说也许不过是睡一觉而已,但是对刘皓来说却有很长时间不见她。
全真剑法在郝大通手里施展起来剑势如闪电一样,一下子刺向小龙女。

尽管李庆安感到惊讶万分,但他还是稳住了自己的情绪,迅速冷静下来,他了解李亨这个人,这个人城府极深,绝对不会说大话空话,比如想另另立新皇,这可不是他随便说说,他必然已经有所依凭,才敢说这种话,他会有什么依凭?

在使用R的分组操作之前,首先要了解R语言包,包实质上是实现特定功能的,预先写好的代码库(library),R拥有大量的软件包,许多包都是由某一领域的专家编写的,但并不是所有的包都有很高的质量的,在使用包之前,最好导社区中了解其他网友的反馈。

安装包,引用包和卸载包的命令分别是:

install.packages("package-name")
library(package-name)
remove.packages("package-name")

数据分析的工作,80%的时间耗费在处理数据上,而数据处理的过程可以分为:分离-操作-结合(Split-Apply-Combine),也就是说,先将数据根据特定的字段分组,每个分组都是独立的;然后,对每个分组执行转换,最后把转换后的结果组合在一起,在数据处理中,经常需要循环访问数据,R语言是矢量化的,天生具有处理循环操作的优势。

一,分组聚合

在apply函数家族中,apply函数只能用于矩阵,lapply函数能够用于向量和列表(list),其工作原理是把一个函数应用于一个列表中的每个元素上,并且把结果作为列表返回;sapply处理列表,返回向量。mapply函数,把调用的函数应用到多个列表的每一个元素中。

tapply函数用于分组聚合运算,在研究数据时,有时需要对数据按照特定的字段进行分组,然后统计各个分组的数据,这就是SQL语法中的分组聚合。在R语言中,可以通过三步实现:拆分-应用-合并(Split-Apply-Combine)

例如,对玩家的游戏成绩进行统计和分析,创建示例数据:

> players_scores=data.frame(
+     player=rep(c("Tom","Dick","Jim"),times=c(2,5,3)),
+     score=round(runif(10,1,100),-1)
+ )

计算每个玩家的平均得分,首先对玩家分组,split函数的作用是按照特定的字段对数据框进行分组,第一个参数是数据框对象,第二个参数是分组字段,split函数返回的结果是列表对象。

例如,split(score,player)函数的作用是按照player字段把数据框中的score拆分成一组,也就是说,player 相同的score是同一个分组,填充到同一个列表项中:

> (scores_by_player=with(players_scores,split(score,player)))
$Dick
[1] 70 20 30 70 70

$Jim
[1] 80 90 50

$Tom
[1] 80 90

第二步是对每个分组计算平均分,利用lapply函数,把函数引用于列表的每个列表项中:

list_mean_by_player=lapply(scores_by_player,mean)

第三步是把结果合并到单个向量中,也就是把列表转换成向量,

> unlist(list_mean_by_player)
    Dick      Jim      Tom 
52.00000 73.33333 85.00000 

在数据分析中,”拆分-应用-合并“ 显示十分繁琐,tapply函数一次完成所有的三个步骤,一气呵成:

with(players_scores,tapply(score,player,mean))

tapply函数常用的参数共有三个,第一个参数是:数据框对象或向量,第二个参数是因子列表,也就是分组字段,第三个参数是指对单个分组应用的函数变量:

tapply(X, INDEX, FUN = NULL, ...)

by函数和aggregate函数是tapply函数的包装函数,功能相同,接口稍微不同。

二,aggregate函数

aggregate函数把数据分离为单独的子集,为每一个子集计算聚合值,然后把聚合值结合(combine)在一起返回。aggregate函数第一个参数是:price~cut,这是formula对象,包括符号“ ~”,以及在符号“~”两侧的变量,左侧代表要计算聚合值的变量(聚合变量),右侧代表分组的变量,函数依据分组变量,把数据分离为多个单独的子集。第二个参数是操作的数据框,第三个参数是应用在符号“~”左侧的函数,例如:

> library(ggplot2)
> data("diamonds")

data函数的作用是加载指定的数据集,本例将加载ggplot2包中的diamonds数据集,这个数据集在下文直接引用。

使用aggregate函数操作diamonds数据集,按照cut字段分组,函数mean的作用是为每个分组计算prince的平均值:

> aggregate(price~cut,diamonds,mean)

aggregate函数能够添加多余一个的分组变量,只需要在formula右侧添加变量,并用加号“+”隔离:

> aggregate(price~cut+color,diamonds,mean)
         cut color    price
1       Fair     D 4291.061
2       Good     D 3405.382
3  Very Good     D 3470.467
....

aggregate函数能够添加多个聚合变量,只需要在formula左侧,使用函数cbind把两个变量组合起来:

> aggregate(cbind(price,carat)~cut,diamonds,mean)
        cut    price     carat
1      Fair 4358.758 1.0461366
2      Good 3928.864 0.8491847
3 Very Good 3981.760 0.8063814
4   Premium 4584.258 0.8919549
5     Ideal 3457.542 0.7028370

还可以在aggregate函数formular对象的两侧分别添加多个变量执行操作

> aggregate(cbind(price,carat)~cut+color,diamonds,mean)
         cut color    price     carat
1       Fair     D 4291.061 0.9201227
2       Good     D 3405.382 0.7445166
....

三,plyr包

plyr包基本上可以取代apply函数家族,plyr包核心函数的特点是:**ply,所有的函数名都由5个字符组成,且最后三个字符是ply,函数名的第一个字符代表输入值的类型,第二个字符代表输出值的类型。类型简写是:

  • d:data.frame
  • l:list
  • a:array,vector,matrix
  • r:代表replicate
  • _:舍弃输出结果

plyr包的核心函数,使用起来十分方便,使用之前,需要加载和引用plyr包:

install.packages("plyr")
library(plyr)

1,ddply函数

plyr包中最常用的函数是ddply函数,函数的第一个参数是要操作的数据框,第二个参数是:要进行拆分的列的名称,第三个参数是要应用到每个元素上的函数。传递列时,无需引号,但是需要包含在.(col_name)的调用之后。

使用colwise函数,使ddply函数把第三个参数引用于每一列,除了第二个参数指定的数据列之外,或者使用summarize函数对指定的列执行操作:

> ddply(diamonds,.(color),summarize,avg_price=mean(price),avg_carat=mean(carat))
  color avg_price avg_carat
1     D  3169.954 0.6577948
2     E  3076.752 0.6578667
.....

2,each函数

each函数,能够使函数aggregate函数同时调用多个函数

> aggregate(cbind(price,carat)~cut+color,diamonds,each(mean,sum))
         cut color   price.mean    price.sum   carat.mean    carat.sum
1       Fair     D     4291.061   699443.000    0.9201227  149.9800000
2       Good     D     3405.382  2254363.000    0.7445166  492.8700000
......

三,dplyr包

dplyr包只能用于tibble类型的对象,用于对数据进行数据清理和转换,使用以下命令加载和引用dplyr包:
install.packages("dplyr")
library(dplyr)

tibble 类型是dplyr包特有的对象类型(data frame tbl / tbl_df)。在利用dplyr包处理数据之前,首先需要把数据框装载成tibble类型,可以调用 tbl_df函数把数据框类型的数据装载成 tibble 类型的数据对象:

> df=tbl_df(diamonds)

1,投影函数(select)

从tibble变量中,选择特定的数据列显示,select函数的第一个参数是tibble变量:

> select(df,carat,cut,color)

2,筛选函数(filter)

从tibble变量中,按照特定的条件过滤数据:

> filter(df,color=="E")

3,转换函数(mutate)

根据tibble变量中的数据,应用指定的公式,派生新的数据列,或重写已经存在的数据列:

> mutate(df,avg_ct=price/carat)

4,汇总函数(summarize)

对tibble变量执行聚合运算,如果tibble已经被分组,那么单独对每个分组进行聚合运算:

> summarize(df,avg_prince=mean(price),avg_ct=mean(carat))

5,分组函数(group_by)和移除分组(ungroup)

被分组之后,tibble变量处于分组状态,可以使用ungroup函数,移除tibble变量的分组状态。

group_by(df,color)

6,管道操作符(%>%)

管道操作符(%>%)用于把前一步操作的结果集(变量类型是tibble)传递到下一个函数中,赋值给函数的第一个参数中:

> group_by(df,color) %>% summarize(mean(price))
# A tibble: 7 x 2
  color `mean(price)`
  <ord>         <dbl>
1     D      3169.954
2     E      3076.752
3     F      3724.886
4     G      3999.136
5     H      4486.669
6     I      5091.875
7     J      5323.818

7,排序函数(arrange)

arrange对tibble变量进行排序,默认是按照字段的升序值排序,使用desc(field),可以按照字段的降序值排序:

> group_by(df,color) %>% summarize(avg_price=mean(price)) %>% arrange(desc(avg_price))

 

参考文档:

R语言滴水穿石系列文章(一):dplyr-高效的数据变换与整理工具

dplyr Package

编辑:华马

发布:2019-04-19 00:00:00

当前文章:http://www.cnsdbtzg.com/news/2019011895200/index.html

胸径13公分枫杨哪里有卖的? 欧月花苗哪个品种好? 一到二公分的凌霄价格是多少? 18公分银杏树价格 【货源分享】发芽率最高的马蹄金种子价格现在是多少钱一斤 墨西哥玉米草种子多少钱一公斤? 软枣种子几月播种最好? 白桦种子什么时候播种最好?

31584 20483 39688 16033 87616 96364 22867 46247 88781 29362 89281 13000 85929 60433 23963 63596 51972 16074 25296 71300

我要说两句: (0人参与)

发布