Манипулирование данными в R презентация

выполнять операцию сортировки, и использовать его для всех векторов, которые должны изучаться в совокупности. Функция order позволяет сортировать в порядке следования аргументов – первый аргумент - вектор индексов, который сортируется в порядке возрастания, затем сортировка производится по второму аргументу и т.д.

z <- sample(1:5, 20, rep=T)
> xyz <- rbind(x, y, z)
> dimnames(xyz)[[2]] <- letters[1:20]
> xyz
a b c d e f g h i j k l m n o p q r s t
x 4 4 2 4 3 4 4 1 2 2 5 3 1 5 5 3 4 5 3 4
y 5 5 2 5 2 3 5 4 4 2 4 2 1 4 3 4 4 2 2 2
z 4 5 3 2 4 2 4 5 5 2 4 2 4 5 3 4 3 4 4 3
> o <- order(x, y, z)
> xyz[, o]
m h j c i l e s p t f q d a g b r o k n
x 1 1 2 2 2 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5
y 1 4 2 2 4 2 2 2 4 2 3 4 5 5 5 5 2 3 4 4
z 4 5 2 3 5 2 4 4 4 3 2 3 2 4 4 5 4 3 4 5

> sort(x)
[1] 1 1 2 2 2 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5
> sort(x,decreasing=T)
[1] 5 5 5 5 4 4 4 4 4 4 4 3 3 3 3 2 2 2 1 1
Чтобы отсортировать часть вектора, используется аргумент the partial
> sort(x,partial=c(3,4))
[1] 1 1 2 2 3 4 4 4 2 4 5 3 4 5 5 3 4 5 3 4

ранг одинаковых элементов усредняется, но можно использовать другие опции: брать первое значение, случайное значение, максимум или минимум.
x 4 4 2 4 3 4 4 1 2 2 5 3 1 5 5 3 4 5 3 4
> rank(x)
[1] 13.0 13.0 4.0 13.0 7.5 13.0 13.0 1.5 4.0 4.0
[11] 18.5 7.5 1.5 18.5 18.5 7.5 13.0 18.5 7.5 13.0
> rank(x, ties="first") # first occurrence wins
[1] 4 4 2 4 3 4 4 1 2 2 5 3 1 5 5 3 4 5 3 4
> rank(x, ties="random") # ties broken at random
[1] 16 15 5 14 9 12 11 1 3 4 19 6 2 17 18 8 13 20 7 10
> rank(x, ties="min") # typical sports ranking
[1] 10 10 3 10 6 10 10 1 3 3 17 6 1 17 17 6 10 17 6 10

времени. Стандартный - это набор функций и объектов POSIXct/POSIXlt .
POSIXct - это численные векторы, каждая компонента которых представляет число секунд с начала 1970 года. Такие объекты подходят для включения в блоки данных. Объекты POSIXlt – это списки, в которых части даты/времени хранятся как отдельные компоненты.

POSIXlt.
Функция as.POSIXct(obj) преобразует из POSIXlt в POSIXct.
Функция strptime(char,form) генерирует объекты POSIXlt из подходящих строковых векторов, где формат должен быть определен.
Функция format(obj,form) генерирует символьные векторы из объектов POSIXlt или POSIXct, также требуется определение формата.
Функция as.character(obj) aтакже генерирует символьные строковые векторы как и format(,), но только в формате даты/времени стандарта ISO standard time/date.

прожили?
> myBday <- strptime("18-Apr-1973", "%d-%b-%Y")
> class(myBday)
[1] "POSIXt" "POSIXlt"
> myBday
[1] "1973-04-18"
> weekdays(myBday)
[1] “Wednesday”
>Sys.time()
[1] "2005-01-19 12:08:12 E. Australia Standard Time“
>Sys.time() – myBday
Time difference of 11599.51 days

(POSIXlt или POSIXct): • obj + number • obj - number • obj1 obj2 • obj1 - obj2 В первых двух случаях number представляет собой число секунд. Если нужно добавить или вычесть дни, работают с произведениями вида 60*60*24. В третьем случае это логический оператор, а результат – логический вектор. В четвертом случае результат – это объект difftime, представляющий собой разницу времен в секундах.
> as.numeric(Sys.time())
[1] 1106100492
> as.numeric(myBday)
[1] 0001837331070
>as.numeric(as.POSIXct(myBday))
[1] 103903200
>as.numeric(Sys.time()) - as.numeric(as.POSIXct(myBday))
[1] 100219729

сделать с помощью функции table в R. Набор данных quine состоит из 146 строк, описывающих этническую принадлежность (Eth), возраст (Age), пол (Sex), количество пропусков в школе (Days) и их способность к учебе (Lrn). Eth, Sex, Age и Lrn это категориальные переменные, Days – численный вектор. Если мы хотим классифицировать объекты по возрасту, можно сделать следующее:
> attach(quine)
> table(Age)
> Age
Age
F0 F1 F2 F3
27 46 40 33
Если мы хотим узнать распределение по возрасту в соответствии с полом:
> table(Sex,Age) Age
Sex F0 F1 F2 F3
F 10 32 19 19
M 17 14 21 14

f. Эта функция может быть полезной для графического изображения данных.
Если мы хотим получить описание разбиения Days по Sex, можно написать следующий код
> split(Days,Sex)
$F
[1] 3 5 11 24 45 5 6 6 9 13 23 25 32 53 54 5 5 11 17 19 8 13 14 20 47
[26] 48 60 81 2 0 2 3 5 10 14 21 36 40 25 10 11 20 33 5 7 0 1 5 5 5
[51] 5 7 11 15 5 14 6 6 7 28 0 5 14 2 2 3 8 10 12 1 1 9 22 3 3
[76] 5 15 18 22 37

$M
[1] 2 11 14 5 5 13 20 22 6 6 15 7 14 6 32 53 57 14 16 16 17 40 43 46 8
[26] 23 23 28 34 36 38 6 17 67 0 0 2 7 11 12 0 0 5 5 5 11 17 3 4 22
[51] 30 36 8 0 1 5 7 16 27 0 30 10 14 27 41 69

Или графически
> boxplot(split(Days,Sex),ylab="Days Absent")
> library(lattice) # trellis graphics
> trellis.par.set(col.whitebg())
> bwplot(Days ˜ Age | Sex) # implicit split

над элементами внутри объекта. Не нужно подключение (attachment) набора данных. These functions operate on an object or elements within an object. • with: выполняет выражения, содержащие данные > with(Cars93,plot(Weight,100/MPG.highway)) • subset: возвращает подмножества векторов или блоков данных, удовлетворяющих определенным требованиям > Vans <- subset(Cars93,Type=="Van") • transform: преобразует элементы объекта > Cars93T <- transform(Cars93,WeightT=Weight/1000)

отдельных элементов.
Четыре функции: lapply, sapply, tapply, apply • lapply: берет структуру, дает список результатов • sapply: как lapply, но упрощает результат, если это возможно • apply: используется только для массивов • tapply: используется для неровных (ragged) массивов: векторов, которые индексируются одним или несколькими факторами. Эти функции используются для эффективности и удобства.

среднее каждого столбца набора данных iris: > iris[1:4,] Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa > apply(iris[,-5],2,mean) Sepal.Length Sepal.Width Petal.Length Petal.Width 5.843333 3.057333 3.758000 1.199333

где размеры групп неправильные (irregular). Чтобы применять функции к неровным массивам, применяется tapply, в качестве аргументов которой подставляются объект, список факторов и функция. Проиллюстрируем ее работу на наборе данных quine.
> quine[1:5,]
Eth Sex Age Lrn Days
1 A M F0 SL 2
2 A M F0 SL 11
3 A M F0 SL 14
4 A M F0 AL 5
A M F0 AL 5
Чтобы вычислить среднее число пропусков для каждого возраста, можно использовать функцию tapply.
> tapply(Days,Age,mean)
F0 F1 F2 F3
14.85185 11.15217 21.05000 19.60606
Чтобы выполнить такие вычисления для классов Пол и Возраст, нужно использовать два фактора Sex и Age и функцию list
>tapply(Days,list(Sex,Age),mean)
F0 F1 F2 F3
F 18.70000 12.96875 18.42105 14.00000
M 12.58824 7.00000 23.42857 27.21429

вектора lapply всегда возвращает список list sapply более user-friendly чем lappy, пытается упрощать результат в виде вектора или массива

блоков данных из форматированных текстовых файлов
read.fwf() - для чтения файлов данных фиксированной ширины
read.csv() - для чтения блоков данных из файлов с разделенными запятыми переменными
При чтении данных из файлов Excel самый простой метода – сохранение каждого рабочего листа (worksheet ) отдельно в виде csv-файла и использование функции read.csv() для каждого из них
Наилучший способ для прямой связи с файлом Excel – это использование odbc

35 1.7 2.5e+01 77
6:
Прочитано 5 элементов
> vec
[1] 22.0 35.0 1.7 25.0 77.0
Два «ввода» обозначают конец чтения данных

Для чтения символов
> chr <- scan(what = "", sep = "\n")
1: This is the first string
2: This is the second
3: and another
4: that’s all we need for now
5:
Прочитано 4 элемента
> chr
[1] "This is the first string"
[2] "This is the second"
[3] "and another"
[4] "that’s all we need for now"

"", x = 0, y = 0))
1: a 10 3.6
2: a 20 2.4
3: a 30 1.2
4: b 10 5.4
5: b 20 3.7
6: b 30 2.4
7:
Прочитано 6 записей
> dat <- as.data.frame(lis)
> dat
flag x y
1 a 10 3.6
2 a 20 2.4
3 a 30 1.2
4 b 10 5.4
5 b 20 3.7
6 b 30 2.4

работы с пропущенными значениями и незаполненными или пустыми строками. Эта функция подходит для наборов данных среднего размера, но не подходит для больших численных матриц. Функции read.csv или read.delim также могут использоваться для чтения прямоугольных файлов с разделителями запятыми. Более того, функция read.csv часто является лучшим выбором для чтения разделенных запятыми текстовых файлов, экспортированных из excel.

b 0.982
3 3 c 0.725

большинства наборов данных. Обычно они разделены табуляцией или запятыми. Для данного типа формата наряду с разделителем необходимо определить вектор ширины. Функция read.fwfwrite записывает временных файл, разделенный табуляцией, а затем вызывает read.table. Эта функция полезна только для маленьких файлов данных.

7 8
2 ab cdef g h
> unlink(dat.ff) # clean up afterwards

для маленьких наборов данных и для получения моментального снимка данных на экране. Функция fix позволяет делать изменения, и затем присваивает измененную версию рабочему пространству.
> fix(samp1)
Функция edit вызывает текстовый редактор для объекта, результат изменений – это копия, которая может быть записана в новый объект.
> samp1.new <- edit(samp1)

прочитаны в R. Пакет R foreign обеспечивает средства импорта из бинарных файлов EpiInfo, Minitab, S-Plus, SAS, SPSS, Stat and Systat.
read.epiinfo() - чтение из текстовых файлов EpiInfo
read.mtp() – импорт рабочих листов Minitab
read.xport() – чтение файлов SAS в формате TRANSPORT
read.S() – чтение бинарных объектов, созданных в S-PLUS
read.spss() – чтение файлов из SPSS, созданных командами save и export
read.dta() читает бинарные файлы Stata
read.systat() читает прямоугольные файлы, сохраненные в Systat

считывать. Большие файлы с данными могут вызывать проблемы, т.к. R хранит объекты и наборы данных в памяти. Поэтому во время выполнения функции могут храниться несколько копий набора данных. Объекты > 100Mb могут вызывать переполнение памяти. СУБД лучше подходят для извлечения и обобщения данных. ODBC позволяет получать доступ к данным из различных СУБД. Существует несколько пакетов, обеспечивающих разный уровень функциональности: копирование, отбор данных, запросы и доставка. В основном эти пакеты работают с реляционными БД.
RODBC это пакет для работы с Microsoft SQL Server, Access, MySQL (Windows), Oracle, Excel, Dbase и текстовыми файлами. Возможно создание нескольких одновременных соединений путем RODBC.

RODBC включают
Установку соединений с базами данных ODBC – odbcConnect, odbcConnectAccess, odbcConnectDbase, odbcConnectExcel
Просмотр списка таблиц в базе данных ODBC – sqlTables
Чтение таблицы из базы ODBC – sqlFetch
Запросы к БД ODBC и доставка результатов – sqlQuery
Библиотека RODBC позволяет выводить данные из нескольких листов Excel, но названия листов не должны содержать пробелов.

записывает объекты в файлы или печатает на экране. Функция sink также может использоваться для записи данных в файл.
Функция print печатает объекты и возвращает их.
Функция write записывает вектор или матрицу в файл с определенным числом столбцов.
Для записи матриц или блоков данных рекомендуется использовать функцию write.table, но для очень больших матриц лучше использовать write.matrix (MASS library). Функция write.matrix может записывать матрицы по частям для сокращения объема памяти.

World\n")
Hello World
Также можно записать текст в файл
> cat("Hello World\n",file="output.txt“)

sample(1:100,100,replace=T)
> letters[1:10]
> sink()

write.table(myData, con, sep = ",")
> close(con)
Пример 2. Запись данных напрямую
> write.table(myData, "myData.txt")

Функция postscript производит инкапсулированный postscript файл, содержащий рисунок
Это гибкая функция, позволяющая настраивать размер и ориентацию рисунка
Затем рисунок может быть встроен в документ LaTeX с помощью команды includegraphics
> postscript("graph.ps",paper="a4")
> hist(rnorm(10000))
> dev.off()
null device
1
Другие похожие функции, доступные в R: windows, pdf, pictex, png, jpeg, bmp and xfig

использование графического окна и сохранение путем File -> Save As. Опции: metafile, postscript, pdf, png, bitmap или jpeg
3. File -> Copy to the clipboard -> as Metafile. Этот способ хорошо подходит для вставки в Word, Excel и Powerpoint.
4. Прямая печать из R с помощью Print