R语言-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

解析向量是个啥

parse_*() 函数族。这些函数接受一个字符向量，并返回一个特定向量，如逻辑、整数或日期向量：str(parse_logical(c("TRUE", "FALSE", "NA")))#> logi [1:3] TRUE FALSE NAstr(parse_integer(c("1", "2", "3")))#> int [1:3] 1 2 3str(parse_date(c("20

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

tidyverse里的readr函数

library(tidyverse)readr 的多数函数用于将平面文件转换为数据框。• read_csv() 读取逗号分隔文件、 read_csv2() 读取分号分隔文件（这在用 , 表示小数位的国家非常普遍）、 read_tsv() 读取制表符分隔文件、 read_delim() 可以读取使用任意分隔符的文件。• read_fwf() 读取固定宽度的文件。既可以使用 fwf_widt

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

使用tibble取子集

迄今为止，所有工具都是作用于整个数据框。如果想要提取单个变量，那么就需要一些新工具，如 $ 和 [[。 [[ 可以按名称或位置提取变量； $ 只能按名称提取变量，但可以减少一些输入：df [1] 0.434 0.395 0.548 0.762 0.254df[["x"]]#>

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

tibble的打印

tibble 的打印方法进行了优化，只显示前 10 行结果，并且列也是适合屏幕的，这种方式非常适合大数据集。除了打印列名， tibble 还会打印出列的类型，这项非常棒的功能借鉴于str() 函数。tibble(a = lubridate::now() + runif(1e3) * 86400,b = lubridate::today() + runif(1e3) * 30,c = 1

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

创建tibble实现简单数据框

tibble 是一种简单数据框，它对传统数据框的功能进行了一些修改，以便更易于使用。 R 是一门古老的语言，其中有些功能在 10 年或 20 年前是适用的，但现在已经过时。在不破坏现有代码的前提下，很难修改 R 的基础功能，因此多数革新都是以扩展包的方式出现的。tidyverse 的核心 R 包之一——tibble 包。library(tidyverse)tibble 是 tidyve

0.0000

0

7

0

关注作者

收藏

阿抽哥哥

Rstudio一直安装不上package咋办啊？

问题图：图中一直转圈说明找不到服务器或者网速太慢了点开“Tools”-> “Global Options”，进入“Packages”在CRAN mirror中选择其他的镜像，例如默认的第一个镜像或者国内镜像试试

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

分组新变量

虽然与 summarize() 函数结合起来使用是最有效的，但分组也可以与 mutate() 和 filter()函数结合，以完成非常便捷的操作。• 找出每个分组中最差的成员：flights_sml %>%group_by(year, month, day) %>%filter(rank(desc(arr_delay)) < 10)#> Source: local data fram

6.8974

1

1

0

关注作者

收藏

啊啊啊啊啊吖

按多个变量分组

当使用多个变量进行分组时，每次的摘要统计会用掉一个分组变量。这样就可以轻松地对数据集进行循序渐进的分析：daily Groups: year, m

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

常用的摘要函数

not_cancelled %>%group_by(year, month, day) %>%summarize(# 平均延误时间：avg_delay1 = mean(arr_delay),# 平均正延误时间：avg_delay2 = mean(arr_delay[arr_delay > 0]))#> Source: local data frame [365 x 5]#>

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

使用管道组合多种操作

假设我们想要研究每个目的地的距离和平均延误时间之间的关系。使用已经了解的 dplyr包功能，你可能会写出以下代码：by_dest

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

Rstudio绘图中pch参数报错

plot(data$Age,data$Income,xlab= "年龄",ylab="收入",main = "年龄与收入的关系",sub = "来自信用卡信息",col = 28,pch=28,cex=1) 报错原因：pch控制符号的类型,可以是1到25的整数,也可以是""里的单个字符，此处pch设置为了28所以报错了。

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R里的常用创建函数

算术运算符： +、 -、 *、 /、 ^它们都是向量化的，使用所谓的“循环法则”。如果一个参数比另一个参数短，那么前者会自动扩展到同样的长度。当某个参数是单个数值时，这种方式是最有效的： air_time / 60、 hours * 60 + minute 等。算术运算符的另一用途是与我们后面将很快学到的聚集函数结合起来使用。例如， x /sum(x) 可以计算出各个分量在总数中的比例，

0.0000

0

2

0

关注作者

收藏

阿抽哥哥

Rstudio画图为何这么小

问题图：此处函数没有问题，画图前先把Rstudio右下角的画图窗口拉大，在执行代码把图画出来即可

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

添加新变量，我用mutate（）

除了选择现有的列，我们在用R语言做数据分析时还时常需要添加新的列，心裂是现有列的函数，mutate的存在感很强！mutate() 总是将新列添加在数据集的最后，因此我们需要先创建一个更狭窄的数据集，以便能够看到新变量。记住，当使用 RStudio 时，查看所有列的最简单的方法就是使用 View()函数：flights_sml

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

使用select（）选择列

如今，数据集有几百甚至几千个变量已经司空见惯。这种情况下，如何找出真正感兴趣的那些变量经常是我们面临的第一个挑战。通过基于变量名的操作， select() 函数可以让你快速生成一个有用的变量子集。select() 函数对于航班数据不是特别有用，因为其中只有 19 个变量，但你还是可以通过这个数据集了解一下 select() 函数的大致用法：# 按名称选择列select(flights,

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

R的arrange（）排列行

R里的arrange() 函数的工作方式与 filter() 函数非常相似，但前者不是选择行，而是改变行的顺序。它接受一个数据框和一组作为排序依据的列名（或者更复杂的表达式）作为参数。如果列名不只一个，那么就使用后面的列在前面排序的基础上继续排序：arrange(flights, year, month, day)#> # A tibble: 336,776 × 19#> year mo

0.0000

0

0

0

关注作者

收藏

阿抽哥哥

Rstudio如何设置utf-8为默认读取代码格式

打开Rstudio后找到菜单栏中的Tools，选择Global Options；找到Code中的Saving下的Default text encoding：选中utf-8并应用即可。

0.0000

0

1

0

关注作者

收藏

阿抽哥哥

R打开的文件出现乱码

报错图：打开的R文件后出现中文乱码解决方法：点开左上角‘File’->‘reopen with encoding’->‘utf-8’

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

R对象未找到

报错图：这里出现的问题是对象‘avg_exp’没有找到，而产生的原因有可能是没有成功创建对象，也有可能是对象名打错了，得检查程序代码是否输入正确。

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

用filter（）函数处理缺失值

R 的一个重要特征使得比较运算更加复杂，这个特征就是缺失值，或称 NA（not available，不可用）。 NA 表示未知的值，因此缺失值是“可传染的”。如果运算中包含了未知值，那么运算结果一般来说也是个未知值：NA > 5#> [1] NA10 == NA#> [1] NANA 10#> [1] NANA / 2#> [1] NA最令人费解的是以下这个结果：NA

604.2320

2

3

0

关注作者

收藏

<1…151617…25>

CDA考试动态

CDA报考指南