4-3 mapply

mapply:lapply的多元版本  mapply(参数)：mapply(函数/函数名，数据，函数相关的参数)

例：list(rep(1,4),rep(2,3),rep(3,2),rep(4,1))(第1个元素是4个1，第2个元素是3个2)

       mapply(rep,1:4,4:1)(元素是1到4，4:1规定了前面元素要重复多少次)

定义函数：  s<-function(n,mean,std){rnorm(n,mean,std)}（从随机分布的总体里抽取指定个数的数据）(花括号中意义是从均值为mean,标准差为std的总体里抽取n个数据)

调用函数：s(4,0,1)(从均值为0，标准差为1的正态分布总体里调用4个数据)

mapply(s,1:5,5:1,2)(1:5对应的4，即每一次抽取多少个数据出来，5：1对应的0，即分布的均值，2即为分布的标准差)

 同上面的命令：list(s(1,5,2),s(2,4,2),s(3,3,2),s(4,2,2),s(5,1,2))

4-2R语言函数 apply

apply:沿着数组的某一维度处理数据

例如：将函数用于矩阵的行或列

虽然与for/while循环效率相似，但是只用一句话就可以完成

apply（参数）：apply（数组，维度，函数/函数名）

例：1.x<-matrix(1:16,4,4)

         apply(x,2,mean)(对x求列的平均)

         apply(x,2,sum)

相同于：rowSums(x)  rowMeans(x)

              colSums(x)   colMeans(x)

       2.x<-matrix(rnorm(100),10,10)(随机从正态分布的总体里抽取100个数据)

          apply(x,1,quantile,probs=c(0.25,0.75))(求25%和75%的百分位点所对应的数据)

       3.x<-array(rnorm(2*3*4),c(2,3,4))(三维数据，维度是2，3，4，第3维是4，即有4个2行3列的矩阵)

          apply(x,c(1,2),mean)(在第1维和第2维组成的平面上，沿着第4维进行求平均)

          apply(x,c(1,3),mean)

          apply(x,c(2,3),mean)

第4章 重要函数的使用

4-1 R语言函数 lapply

处理循环：R不仅有for/while循环语句（特点：需要些多行代码），还有更强大的实现循环的“一句话”函数。

排序

总结数据信息

lapply:可以循环处理列表中的每一个元素  

           lapply（参数）：lapply(列表，函数/函数名，其他参数)

           结果：总是返回一个列表

例：1.str(lapply)(其作用是把任意的R对象以一种整洁紧凑的形式显示出来)

          x<-list(a=1:10,b=c(11,21,31,41,51))

          lapply(x,mean)

        2.x<-1:4（在lapply内部，会强制转化为列表）

           lapply(x,runif)(从均匀分布的总体里抽取若干个数，默认从0到1之间抽取)

           lapply(x,runif,min=0,max=100)（从0到100之间抽取）

        3.x<-list(a=matrix(1:6,2,3)),b=matrix(4:7,2,2)

           lapply(x,function(m)m[1,])(m为匿名函数，对x中的每一个矩阵都取出它第1行的元素)

sapply:与lapply非常相似，它可以在允许的情况下对lapply的结果进行化简。结果列表元素长度均为1，返回向量；结果列表长度相同且大于1，返回矩阵；其他情况与lapply相同。

例：   x<-list(a=1:10,b=c(11,21,31,41,51))

          lapply(x,mean)

          sapply(x,mean)

3-6向量化操作

向量化操作（vectorized operation）：可以作用于向量、矩阵等结构，使得代码简洁、易于阅读、效率高。

例：x<-1:5

       y<-6:10

       x+y

       x*y

       x/y

x<-matrix(1:4,nrow=2,ncol=2)

y<-matrix(rep(2,4),nrow=2,ncol=2)(把第1个参数重复第2个参数指定的次数)

x*y

x/y

x%*%y(矩阵乘以矩阵)

3-5处理缺失值

x<-c(1,NA,2,NA,3)

is.na(x)

x[!is.na(x)] (取x中不是缺失值的部分，！的意思是取反，即真变假)

x<-c(1,NA,2,NA,3)

y<-c("a","b",NA,"c"NA)

z<-complete.cases(x,y)(运行之后x和y都不是缺失值的位置才会是TRUE)

然后x[z]  y[z]就可以拿到都不是缺失值的元素

进一步看complete函数的功能：

首先加载一下数据集所在的包   library(datasets)

head(airquality)(看一下数据集)

通常情况下会选择都没有缺失值的变量  g<-complete.cases(airquality)

airquality[g,][1:10,](得出的结果是没有缺失值的)

3-4列表的子集

构建列表的子集：[[]]/$/[[]][]/[[]][[]]

                           嵌套列表/不完全匹配（partial matching）

1.x<-list(id=1:4,height=170,gender="male")

   x[1](列表中的第1个元素) = x["id"]

   x[[1]](只拿到内容 而不是元素名称加内容)=x[["id"]] = x$id

   y<-"id"

   x[["id"]]=x[[y]] 但不可以直接x$y

2.x<-list(a=list(1,2,3,4),b=c("Monday","Tuesday"))

x[[1]]        x[[1]][[2]](x第1个元素中第2个元素的内容)

x[[c(1,3)]](拿到第1个元素中的第2个元素)

x[[c(2,2)]](拿到第2个元素中的第2个元素)

不完全匹配：

l<-list(asdfghj=1:10)

l$asdfghj=l$a(这就是列表的不完全匹配)

l[["a"]](精确匹配 结果显示NULL)

l[["a",exact=FALSE]](后面的函数就关掉了精确匹配)

x<-list(asdfghj=1:10,b=1:2,aaa=3:5)(当元素名称会造成混淆时R会返回NULL)

3-3数据框的子集

x<-data.frame(v1=1:5,v2=6:10,v3=11:15)

x$v3[c(2,4)]<-NA(把v3列的第2个和第4个定义成了缺失值)

x[,2]数据框中的第2列 = x[,"v2"]

x[(x$v1<4&x$v2>=8),]

x[x$v1>2,]

x[which(x$v1>2),](which是给出哪些是真)

3-2矩阵的子集

构建子集：

x<-matrix(1:6,nrow=2,ncol=3)

x[1,2](想拿到第1行第2列的元素）    x[2,3](拿到第2行第3列的元素 )

x[1,](拿到1整行的数据)  x[,1](拿到1整列的数据)

x[2,c(1,3)](拿到第2行第1列和第3列的元素)

class(x[1,2])   得到的是向量类型

x[1,2,drop=FALSE](drop=FLASE函数帮我们关掉了返回向量，返回的是一个矩阵)

第3章 操纵数据：构建子集（subsetting）

3-1基本方法

原始数据（raw dataset)——预处理后的数据（clean dataset）

基本方法：

1. []：提取一个或多个类型相同的元素

2. [[]]：从列表或数据框中提取元素

3. $:按名字从列表或数据框中提取元素

补充：R语言的数组下表是从1开始而不是0开始

例：x<-1:10    x[1] (拿到x的第1个元素）  x[1:5] (拿到x的前5个元素)   x[x>5] (拿大于5的元素)

x[x>5&x<7]      x[x<3|x>7]

y<-1:4

names(y)<-c("a","b","c","d")   y[2]   y["b"](都是拿到y的第2个元素)

2-8日期与时间

日期与时间（date,time）

日期：Date

x<-date()(获取当前系统的时间)

x2<-Sys.Date()（获取R中date日期类型的数据）

x3<-as.Date("2021-09-18")(如何把任意一个日期存储为Date这种类型)

weekdays(x3)(日期为星期几)

months(x3)(日期是几月)

quarters(x3)(日期为一年中哪个季度)

julian(x3)(日期距离1970-01-01有多少天)

x4<-as.Date("2016-01-01")

x4-x3(两个日期的时间差) as.numeric(x4-x3)

时间：POSIXct/POSIXlt

POSIXct:整数，常用于存入数据框

POSIXlt：列表，还包含星期、年、月、日等信息

x<-Sys.time()(获取当前系统的时间)

p<-as.POSIXlt(x)(类型之间的转换)

names(unclass(p))（lt的类型中存了哪些变量,使用unclass,把内容留下 把属性去掉）

p$sec(看一下有多少秒 秒是变量之一)

如何把以不同格式表示的字符串转换成我们想要的类型：

例：x1<-"Jan 1, 2015 01:01"

strptime(x1,"%B %d %Y %H:%M")

2-7数据框

数据框（data frame）:存储表格数据（tabular data）,我们可以把数据框当成一种列表形式，其中各元素的长度是相同的（1.每个元素代表一列数据 2.每个元素的长度代表行数 3.元素类型可以不同）

如何创建一个数据框：

df<-data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,TRUE,FALSE,FALSE))(第一个参数代表第一列的内容，第二个参数代表第二列的内容)

nrow(df)

ncol(df)

df2<-data.frame(id=c(1,2,3,4),score=c(80,86,90,100))

data.matrix(df2)(将数据框转化为矩阵)

2-7数据框

数据框（data frame）:存储表格数据（tabular data）,我们可以把数据框当成一种列表形式，其中各元素的长度是相同的（1.每个元素代表一列数据 2.每个元素的长度代表行数 3.元素类型可以不同）

如何创建一个数据框：

df<-data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,TRUE,FALSE,FALSE))(第一个参数代表第一列的内容，第二个参数代表第二列的内容)

nrow(df)

ncol(df)

df2<-data.frame(id=c(1,2,3,4),score=c(80,86,90,100))

data.matrix(df2)(将数据框转化为矩阵)

2-6缺失值

缺失值（missing value）:NA/NaN

                                        NaN属于NA，NA不属于NaN，因为NaN一般用来表示数字的缺失值，而NA                                            可以表示的缺失值的类型更广，如数字的缺失值，字符的缺失值等。此外，NA                                          是有类型属性的：integer NA, character NA 等

如果要判断一个向量中是否有缺失值：is.na()/is.nan()

例如：x<-c(1,NA,2,NA,3)

          is.na(x)

          is.nan(x)  印证了x不属于nan,也印证了NaN判断不出NA

          x<-c(1,NaN,2,NaN,3)

          is.na(x)

          is.nan(x)

2-5  factor

因子（factor）:分类数据（有序/无序）

                        可以理解为整数型向量+标签（label）(优于整数向量)

Male/Female vs.1/2

常用于lm(),glm()

创建因子：

x<-factor(c("female","female","male","male","female"))

y<-factor(c("female","female","male","male","female"),levels=c("male","female"))(levels是因子的属性，谁在前谁是基线水平)

table(x)对当前因子有整体性的了解

unclass(x)去掉因子的属性

class(unclass(x))查看unclass(x)的属性

2-4列表

列表（list）:可以包含不同类型的对象

创建列表：1.l<-list("a",2,10L,3+4i,TRUE)

                 2.l2<-list(a=1,b=2,c=3)(给列表里的元素命名)

                 3.l3<-list(c(1,2,3),c(4,5,6,7))(列表中每一个元素包含的元素大于1的列表）

                 4.给矩阵的每一行每一列命名：

                  x<-matrix(1:6,nrow=2,ncol=3)

                  dimnames(x)<-list(c("a","b"),c("c","d","e"))