热线电话:13121318867

登录
首页精彩阅读R语言(入门小练习篇)
R语言(入门小练习篇)
2016-03-30
收藏

R语言(入门小练习篇)

问题:

一组学生参加了数学、科学和英语考试。为了给所有的学生确定一个单一的成绩衡量指标,需要将这些科目的成绩组合起来。另外,还想将前20%的学生评定为A,接下来20%的学生评定为B,以此类推。最后,希望按字母顺序对学生排序。

Excel中的数据表(自己一个个敲的,最讨厌做的事情TT)


StuId StuName Math Science English
1 John Davis 502 95 25
2 Angela Williams 465 67 12
3 Bull Jones 621 78 22
4 Cheryl Cushing 575 66 18
5 Reuven Ytzrhak 454 96 15
6 Joel Knox 634 89 30
7 Mary Rayburn 576 78 37
8 Greg England 421 56 12
9 Brad Tmac 599 68 22
10 Tracy Mcgrady 666 100 38

step1:输入数据——R语言导入xlsx

1 #1数据输入 2 install.packages("xlsx") 3 library(xlsx) 4 workbook<-"D:/R语言/code/R语言实战前五章小试身手/StuScore.xlsx"#也可用‘\\’注意转义字符 5 StuScore<-read.xlsx(workbook,1)#1表示sheet1 6 StuScore

step2:数据预处理——将变量进行标准化

因为数学,科学和英语考试的分值不同(均值和标准差均有较大差异),在组合之前要让他们变得可以比较

方法:变量标准化,把每科成绩都用单位标准差表示

tips:

所谓数据的标准化是指中心化之后的数据在除以数据集的标准差,即数据集中的各项数据减去数据集的均值再除以数据集的标准差。 例如有数据集1, 2, 3, 6, 3,其均值为3,其标准差为1.87,那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87,即:-1.069,-0.535,0,1.604,0 数据中心化和标准化的意义是一样的,为了消除量纲对数据结构的影响。


这里使用scale()可以直接实现

1 > #2数据预处理 2 > options(digits=2)#限定为2位小数 3 > afterscale<-scale(StuScore[,3:5]) 4 > afterscale 5 Math Science English 6 [1,] -0.58 1.040 0.20 7 [2,] -1.02 -0.815 -1.17 8 [3,] 0.82 -0.086 -0.12 9 [4,] 0.28 -0.881 -0.54 10 [5,] -1.15 1.106 -0.86 11 [6,] 0.98 0.643 0.73 12 [7,] 0.29 -0.086 1.47 13 [8,] -1.54 -1.544 -1.17 14 [9,] 0.56 -0.749 -0.12 15 [10,] 1.35 1.372 1.57 16 attr(,"scaled:center") 17 Math Science English 18 551 79 23 19 attr(,"scaled:scale") 20 Math Science English 21 84.7 15.1 9.5

这里,有两个疑问:

1.说好的输出两位小数呢?Science那一栏输出的都是三位小数,怎么回事?


2.这是什么东东?


  1. 1 attr(,"scaled:center") 2 Math Science English 3 551 79 23 4 attr(,"scaled:scale") 5 Math Science English 6 84.7 15.1 9.5

    scale方法中的两个参数center和scale的解释:
    1.center和scale默认为真,即T或者TRUE
    2.center为真表示数据中心化
    3.scale为真表示数据标准化


也就是说:center表示一列数据的均值,scale则表示标准差(有兴趣的同学,可以用Excel的STDEV函数验证一下)

step3:通过函数mean()来计算各行的均值以及获得综合得分,并使用cbind()将其添加到花名册中

1 > #3在afterscale中计算标准差均值,并将其添加到StuScore 2 > score<-apply(afterscale,1,mean)#1表示行,mean表示均值函数 3 > StuScore<-cbind(StuScore,score) 4 > StuScore 5 StuId StuName Math Science English score 6 1 1 John Davis 502 95 25 0.22 7 2 2 Angela Williams 465 67 12 -1.00 8 3 3 Bull Jones 621 78 22 0.21 9 4 4 Cheryl Cushing 575 66 18 -0.38 10 5 5 Reuven Ytzrhak 454 96 15 -0.30 11 6 6 Joel Knox 634 89 30 0.78 12 7 7 Mary Rayburn 576 78 37 0.56 13 8 8 Greg England 421 56 12 -1.42 14 9 9 Brad Tmac 599 68 22 -0.10 15 10 10 Tracy Mcgrady 666 100 38 1.43

Step4:函数quantile()给出学生综合得分的百分位数

quantile(x,probs):求分位数,其中x为待求分位数的数值型向量,probs为一个由[0,1]之间的概率值组成的数值向量

1 > afterquantile<-quantile(score,c(.8,.6,.4,.2)) 2 > afterquantile 3 80% 60% 40% 20% 4 0.60 0.21 -0.18 -0.50

step5:使用逻辑运算符,把score转为等级(离散型)

1 > #5使用逻辑运算符,把score转为等级(离散型) 2 > StuScore$grade[score>=afterquantile[1]]<-"A" 3 > StuScore$grade[score<afterquantile[1]&&score>=afterquantile[2]]<-"B" 4 > StuScore$grade[score<afterquantile[2]&&score>=afterquantile[3]]<-"C" 5 > StuScore$grade[score<afterquantile[3]&&score>=afterquantile[4]]<-"D" 6 > StuScore$grade[score<afterquantile[4]]<-"E" 7 > StuScore 8 StuId StuName Math Science English score grade 9 1 1 John Davis 502 95 25 0.22 B 10 2 2 Angela Williams 465 67 12 -1.00 E 11 3 3 Bull Jones 621 78 22 0.21 B 12 4 4 Cheryl Cushing 575 66 18 -0.38 E 13 5 5 Reuven Ytzrhak 454 96 15 -0.30 E 14 6 6 Joel Knox 634 89 30 0.78 B 15 7 7 Mary Rayburn 576 78 37 0.56 B 16 8 8 Greg England 421 56 12 -1.42 E 17 9 9 Brad Tmac 599 68 22 -0.10 E 18 10 10 Tracy Mcgrady 666 100 38 1.43 B

Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字

1 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字 2 > name<-strsplit((StuScore$StuName)," ") 3Error in strsplit((StuScore$StuName), " ") : non-character argument4 > name 5 [1] "Jim" "Tony" "Lisa" "Tom"


这里出错了,原因很明确,没有字符型的参数传入,反应过来,原来是用execl导入的时候,StuName那一列默认的是什么类型的呢?我们来检测一下

1 > is.numeric(StuScore$StuName) 2 [1] FALSE 3 > is.logical(StuScore$StuName) 4 [1] FALSE 5 > is.character(StuScore$StuName) 6 [1] FALSE 7 > is.complex(StuScore$StuName) 8 [1] FALSE 9 > help(type) 10 > typeof(StuScore$StuName) 11 [1] "integer"

因此,我们把他改为字符型

1 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字 2 > StuScore$StuName<-as.character(StuScore$StuName) 3 > is.character(StuScore$StuName) 4 [1] TRUE 5 > name<-strsplit(StuScore$StuName," ") 6 > name 7 [[1]] 8 [1] "John" "Davis" 9 10 [[2]] 11 [1] "Angela" "Williams" 12 13 [[3]] 14 [1] "Bull" "Jones" 15 16 [[4]] 17 [1] "Cheryl" "Cushing" 18 19 [[5]] 20 [1] "Reuven" "Ytzrhak" 21 22 [[6]] 23 [1] "Joel" "Knox" 24 25 [[7]] 26 [1] "Mary" "Rayburn" 27 28 [[8]] 29 [1] "Greg" "England" 30 31 [[9]] 32 [1] "Brad" "Tmac" 33 34 [[10]] 35 [1] "Tracy" "Mcgrady"

Step7:把name分成Firstname和LastName,加入到StuScore中

1 > #7把name分成Firstname和LastName,加入到StuScore中 2 > FirstName<-sapply(name,"[",1) 3 > LastName<-sapply(name,"[",2) 4 > StuScore<-cbind(FirstName,LastName,StuScore[,-1]) 5 > StuScore 6 FirstName LastName LastName StuName Math Science English score grade 7 1 John Davis Davis John Davis 502 95 25 0.22 B 8 2 Angela Williams Williams Angela Williams 465 67 12 -1.00 E 9 3 Bull Jones Jones Bull Jones 621 78 22 0.21 B 10 4 Cheryl Cushing Cushing Cheryl Cushing 575 66 18 -0.38 E 11 5 Reuven Ytzrhak Ytzrhak Reuven Ytzrhak 454 96 15 -0.30 E 12 6 Joel Knox Knox Joel Knox 634 89 30 0.78 B 13 7 Mary Rayburn Rayburn Mary Rayburn 576 78 37 0.56 B 14 8 Greg England England Greg England 421 56 12 -1.42 E 15 9 Brad Tmac Tmac Brad Tmac 599 68 22 -0.10 E 16 10 Tracy Mcgrady Mcgrady Tracy Mcgrady 666 100 38 1.43 B 17 >

Step8:order排序

1 > #8order()排序 2 > StuScore[order(LastName,FirstName),] 3 FirstName LastName LastName StuName Math Science English score grade 4 4 Cheryl Cushing Cushing Cheryl Cushing 575 66 18 -0.38 E 5 1 John Davis Davis John Davis 502 95 25 0.22 B 6 8 Greg England England Greg England 421 56 12 -1.42 E 7 3 Bull Jones Jones Bull Jones 621 78 22 0.21 B 8 6 Joel Knox Knox Joel Knox 634 89 30 0.78 B 9 10 Tracy Mcgrady Mcgrady Tracy Mcgrady 666 100 38 1.43 B 10 7 Mary Rayburn Rayburn Mary Rayburn 576 78 37 0.56 B 11 9 Brad Tmac Tmac Brad Tmac 599 68 22 -0.10 E 12 2 Angela Williams Williams Angela Williams 465 67 12 -1.00 E 13 5 Reuven Ytzrhak Ytzrhak Reuven Ytzrhak 454 96 15 -0.30 E 14 >


虽然是照着书本上做的,但是,代码必须要自己敲一遍,过程中遇到的一些小问题也解决了,就算菜鸟简单入门。这样样例还可以继续拓展,把R语言实战前5章的内容尽可能用一边,可以绘制一些图,等等,本文还会继续更新。

为ScienceScore绘制条形图

根据不同的分数等级,显示不同的颜色。


1 #为StuScore绘制分组条形图 2 install.packages("vcd") 3 library(vcd) 4 fill_colors<-c() #不同的等级,不同的颜色显示 5 for(i in 1:length(StuScore$Science)){ 6 if(StuScore$Science[i]==100){ 7 fill_colors<-c(fill_colors,"red") 8 }else if(StuScore$Science[i]<100&&StuScore$Science[i]>=80){ 9 fill_colors<-c(fill_colors,"yellow") 10 }else if(StuScore$Science[i]<80&&StuScore$Science[i]>=60){ 11 fill_colors<-c(fill_colors,"blue") 12 }else{ 13 fill_colors<-c(fill_colors,"green") 14 } 15 } 16 barplot(StuScore$Science, #条形图 17 main="Science Score", 18 xlab="Name",ylab="ScienceScore", 19 col=fill_colors, 20 names.arg=(paste(substr(FirstName,1,1),".",LastName)), #设定横坐标名称 21 border=NA, #条形框不设置边界线 22 font.main=4, 23 font.lab=3, 24 beside=TRUE) 25 legend(x=8.8,y=100, #左上角点的坐标 26 cex=.8, #缩放比例 27 inset=5, 28 c("Excellent","Good","Ordinary","Bad"), 29 pch=c(15,16,17,19), #图例中的符号 30 col=c("red","yellow","blue","green"), 31 bg="#821122", #背景色 32 xpd=TRUE, #可以在绘图区之外显示 33 text.font=8, 34 text.width=.6, 35 text.col=c("red","yellow","blue","green") 36 )


遇到的问题说明:

起初在设置了20行的名称时,显示了全名,因此出现了一下情况:

031139541495962

因为名称太挤,显示不出来。

解决办法有三:


  1. 保存img时,增大像素值;
  2. 把名词改为简写,即John Davis——>J.Davis
  3. 把名称倾斜,与水平线呈一定的夹角
  4. 利用cex.names=.8对条形图的表情进行微调(减小字号)


由于3没有找到相应的设置参数,所以这里采用了第二种方法。

最后的效果图:

031200384151764

数据分析咨询请扫描二维码

最新资讯
更多
客服在线
立即咨询