R语言学习-常用的数据处理函数

Basic包是R语言预装的开发包，包含了常用的数据处理函数，可以对数据进行简单地清理和转换，也可以在使用其他转换函数之前，对数据进行预处理，必须熟练掌握常用的数据处理函数，本文分享在数据处理时，经常使用的基础函数。

一，合并向量

函数append()用于修改合并向量，可以把两个向量合并为一个：

append(x, values, after = length(x))

例如：从一个向量的指定位置处，插入另一个向量：

> append(1:5, 0:1, after = 3)[1] 1 2 3 0 1 4 5

二，匹配函数

匹配函数（match）返回一个位置向量，表示 x 匹配table的位置。%in% 返回一个逻辑向量，表示左边的操作符是否匹配右边的操作符。

match(x, table, nomatch = NA_integer_, incomparables = NULL)x %in% table

参数注释：

• nomatch：不匹配时，函数返回的整数值。

• incomparables ：指定不能匹配的值的向量，在x向量中的任何值，如果是incomparables参数中的值，那么返回nomatch参数的值。由于历史原因，FALSE 和NULL相等。

操作符 %in% 在底层使用match()函数实现：

function(x, table) match(x, table, nomatch = 0) > 0

例如，返回左侧向量的元素匹配右侧向量的逻辑值：

> 1:10 %in% c(1,3,5,9) [1]  TRUE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE

三，范围函数

range() 函数用于返回一个数值向量的最值（最大值和最小值）：

range(..., na.rm = FALSE)

参数na.rm 是逻辑值，指定NA是否被忽略。

是，排名函数

排名函数用于对向量元素进行排名，按照升序的顺序对数据进行排序：

rank(x, na.last = TRUE,     ties.method = c("average", "first", "last", "random", "max", "min"))

参数注释：

• na.last ：控制如何对待NA，如果设置为TRUE，那么缺失值排在最后一位；如果为FALSE，那么缺失值排在第一位；如果设置为NA，那么缺失值被移除；如果设置为keep，那么排名为NA。

• ties.method ：控制如何对待tie，一个tie是指值重复的元素。

例如，对向量进行排名，把排名的结果存储到变量中：

> r1 <- rank(x1 <- c(3, 1, 4, 15, 92))> r1[1] 2 1 3 4 5

五，替换

函数replace()用于把向量中指定位置的元素替换为指定的值（或向量）：

replace(x, list, values)

参数注释：

• list：整数向量，指定被替换的元素的位置

• values：替换的值（或向量）

例如，把向量的第1个、第3个和第7个的元素值替换为0：

> replace(1:9,c(1,3,7),0)[1] 0 2 0 4 5 6 0 8 9

六，重复

rep()函数把输入的参数重复多次，如果参数是表达式，rep()函数会把表达式的结果重复多次；而replicate()函数是重复调用表达式，每次调用表达式的过程都是独立的，这意味着，如果产生随机数，rep()函数产生的随机数是”伪随机的“，重复第一次产生的随机数，而replicate()函数产生的随机数是真正意义上的随机数，每次都不相同。

> rep(runif(1),5)[1] 0.8721105 0.8721105 0.8721105 0.8721105 0.8721105> replicate(5,runif(1))[1] 0.9426709 0.1280271 0.1926333 0.7091503 0.5404846

七，逆转

rev()函数用于把一个向量的元素逆转：

> rev(c(1,5,3,7))[1] 7 3 5 1

八，排序

sort()函数用于对向量排序，返回有序的向量；order()函数返回向量元素的序号，能够用于对data.frame排序：

order(..., na.last = TRUE, decreasing = FALSE, method = c("auto", "shell", "radix"))sort(x, decreasing = FALSE, na.last = NA, ...)

例如，使用order()函数按照数据框的y列进行排序：

> df <- data.frame(x=c(6,3,7,5),y=c(5,1,7,3))> df  x y1 6 52 3 13 7 74 5 3> df[order(df$y),]  x y2 3 14 5 31 6 53 7 7

九，去重函数

unique() 函数用于移除重复数据，能够返回向量，数据框或数组：

unique(x, incomparables = FALSE)

ncomparables：用于指定不能比较的值构成的向量。FALSE是一个特殊的值，表示所有的值都可以比较。

十，逻辑TRUE的索引

which()函数，用于从逻辑向量中返回TRUE值在向量中的索引，参数x是一个由逻辑值构成的向量：

which(x)

例如，使用which()函数返回逻辑向量中TRUE值的索引：

> which(lv <- c(TRUE, FALSE, TRUE, NA, FALSE, FALSE, TRUE))[1] 1 3 7> which(exper <- c(1:9)>5)[1] 6 7 8 9

十一，构造环境

常用于数据框，使R表达式位于数据框的作用环境中，便于对数据框变量的引用：

with(data, expr, ...)within(data, expr, ...)

这两个函数的区别是：with()函数只能定义一个变量，而within()函数可以定义多个变量：

with(mtcars, mpg[cyl == 8  &  disp > 350])#only define one variablemtcars$mpg[mtcars$cyl == 8  &  mtcars$disp > 350]#define  multiple variablesaq <- within(airquality, {     # multiple vars can be changed    lOzone <- log(Ozone)    Month <- factor(month.abb[Month])    cTemp <- round((Temp - 32) * 5/9, 1)     S.cT <- Solar.R / cTemp  # using the newly created variable    rm(Day, Temp)})

十二，Reduce函数

Reduce()函数对一个向量循环执行函数（该函数有两个参数）,Reduce()函数的定义是：

Reduce(f, x, init, right = FALSE, accumulate = FALSE)

参数注释：

• f ：有两个参数的函数对象

• x：向量

• init ：一个标量值，类型和x向量的元素相同；

• right ：逻辑值，当值为FALSE时，从向量的左侧开始，依次向右侧取出元素传递到给函数；当值为TRUE时，从向量的右侧开始，依次向左侧取出元素，传递给函数；

• accumulate：逻辑值，a logical indicating whether the successive reduce combinations should be accumulated. By default, only the final combination is used.

例如，计算一个向量的累加和，首先，把初始值和向量的第一个元素1传递给sum()函数，计算出结果11，然后，把11和向量的第二个元素传递给函数sum()，计算出结果13，依次类推：

> Reduce(sum,1:5,10)[1] 25

Reduce()函数内部执行的过程等价于：

a <- sum(10,1)b <- sum(a,2)c <- sum(b,3)d <- sum(c,4)sum(d,5)

十三：条件过滤器

按照条件从向量中选择元素，当条件为TRUE时，把该元素添加到结果向量中。参数 f 是一个返回逻辑值的函数（该函数必须有一个输入参数），参数x是一个向量：


Filter(f, x)

例如，从一个数值向量中，选择元素值大于5的元素：

> fx <- function(x) x>5;> Filter(fx,1:10)[1]  6  7  8  9 10

参考文档：

The R Base Package