R语言初学者指南第三章_青山屋主

http://blog.sina.com.cn/u/1971308317

首页博文目录关于我

个人资料

微博

加好友发纸条

写留言加关注

博客等级：
博客积分：

博客访问：
关注人气：
获赠金笔：0支
赠出金笔：0支
荣誉徽章：

正文字体大小：大中小

R语言初学者指南第三章

(2014-07-17 22:30:54)

标签：

r语言

分类：生物信息

3章 3.1访问数据框变量

setwd("D:/RworkDir")

Squid<- read.table(file="squid.txt", header=TRUE)

names(Squid) #what are the varibale names?查看我们正在处理的变量的名称

str(Squid) #显示数据框中每个变量的属性

#数据框中的变量不能直接访问，比如上面我们建立的Squid数据框中的变量：Sample，Year等变量是不能直接访问的。那么该如何访问呢？有三种方法，1$,2data参数，3attach函数

#1.函数中的data参数

M1<- lm(GSI ~ factor(Location)+factor(Year), data=Squid) #根据变量Location，Year做GSI的线性回归，lm是线性回归函数。#data=是表示在数据框Squid中可以找到数据。但是不是所有的函数都支持data参数。

#2.对于不支持data参数的函数，如何访问数据框中的变量呢？第一个方法是$符号，用法：数据框名$变量名

Squid$GSI #显示数据框Squid中的变量GSI

#第二种方法是选择相应的列，或者是行

Squid[, 6] #显示数据框Squid中的第六列，正好是GSI

#3.attach函数

attach(Squid) #把Squid添加到R的搜索路径里

GSI #显示数据框中的GSI变量

#attach函数的缺点是一旦有相同名称的数据框或者变量，就会发生问题，因此在使用时要注意不使用attach（数据框名）两次，为确保不发生问题，使用attach后，及时使用detach（数据框名）从R的搜索路径中移除数据框。

#3.2访问数据子集即将全部数据中符合某些条件的数据筛选过滤出来

Squid$Sex #显示Sex变量

unique(Squid$Sex) #显示变量Sex中有多少个唯一值

#访问数据框Squid中的Sex变量为1的数据

SquidM<- Squid[Squid$Sex==1, ] #Sex=1表示为雄性。因为我们要将性别为雄性的数据行取出存到SquidM变量中，所以方括号中Squid$Sex==1要放在都好之前。

SquidF<- Squid[Squid$Sex==2, ] #访问数据框Squid中的Sex变量为2的数据，即雌性数据

SquidM

SquidF

#条件选择：基于第二个变量的值选择变量的过程。实际就是将布尔运算符“或，与，非”与访问子集结合起来

# |表示“或”，！表示“非”，&表示“与”

#提取Squid数据框中位置为1,2或者3的数据

Squid123<- Squid[Squid$Location==1 |Squid$Location==2 |Squid$Locatiion ==3, ]

Squid123<- Squid[Squid$Location!=4, ]

Squid123<- Squid[Squid$Location<4, ]

Squid123<- Squid[Squid$Location>=1 & Squid$Location <=3, ]

#提取位置为1，性别为雌性的数据

SquidF.1<- Squid[Squid$Location==1 & Squid$Sex==2, ]

#提起性别为雄性，位置1或者2的数据

SquidM.12<- Squid[Squid$Sex==1&(Squid$Location==1 | Squid$Location==2), ]

#排序 order函数，order(x) 按照变量x进行排列

Ord1<- order(Squid$Month) #按照月份进行排列

#3.3使用相同的标识符组合两个数据集merge(x,y,by="")

setwd("D:/RworkDir")

Sq1<- read.table(file="squid1.txt", header=TRUE)

Sq2<- read.table(file="squid2.txt", header=TRRE)

SquidMerged <- merge(Sq1, Sq2, by="Sample") #merge命令采用两个数据框Sq1和Sq2作为参数并使用变量Sample作为相同的标识符合并两个数据

SquidMerged

SquidMerged <- merge(Sq1, Sq2, by="Sample", all=TRUE) #all=TRUE表示如果有缺失行将用NA填充，FALSE则会忽略缺失值，缺省状态下all=FALSE

#3.4输出数据write.table(输出变量, file="保存文件名", sep=, quote=,append=,na=) sep=""数据用空格分开（也可以设置为其他符号），quete=FALSE消除字符串的引号标志，na=“NA”允许你指定缺失值由NA来代替，append=FALSE打开一个新的文件，如果为TRUE它将变量SuidM添加到一个已经存在的文件的尾部。

SquidM<- Squid[Squid$Sex==1, ]

write,table(SquidM, file="MaleSquid.txt", sep="",quote=FALSE, append=FALSE, na="NA") #输出一个文件

#3.5重新编码分类变量

#习题3.1

setwd("D:/RworkDir")

BirdFlu2<- read.table(file="BirdFlu2.txt", header=TRUE)

names(BirdFlu2)

[1] "country" "X2003cases" "X2003deaths" "X2004cases" "X2004deaths"

[6] "X2005cases" "X2005deaths" "X2006cases" "X2006deaths" "X2007cases"

[11] "X2007deaths" "X2008cases" "X2008deaths"

str(BirdFlu2)

'data.frame': 15 obs. of 13 variables:

$ country : Factor w/ 15 levels "Azerbaijan","Bangladesh",..: 1 2 3 4 5 6 7 8 9 10 ...

$ X2003cases : int 0 0 0 1 0 0 0 0 0 0 ...

$ X2003deaths: int 0 0 0 1 0 0 0 0 0 0 ...

$ X2004cases : int 0 0 0 0 0 0 0 0 0 0 ...

$ X2004deaths: int 0 0 0 0 0 0 0 0 0 0 ...

$ X2005cases : int 0 0 4 8 0 0 20 0 0 0 ...

$ X2005deaths: int 0 0 4 5 0 0 13 0 0 0 ...

$ X2006cases : int 8 0 2 13 1 18 55 3 0 0 ...

$ X2006deaths: int 5 0 2 8 0 10 45 2 0 0 ...

$ X2007cases : int 0 0 1 5 0 25 42 0 2 1 ...

$ X2007deaths: int 0 0 1 3 0 9 37 0 2 0 ...

$ X2008cases : int 0 1 0 3 0 7 18 0 0 0 ...

$ X2008deaths: int 0 0 0 3 0 3 15 0 0 0 ...

BirdFlu2$X2003cases #查看2003年的病例数

[1] 0 0 0 1 0 0 0 0 0 0 0 0 0 0 3

BirdFlu2$X2005cases #查看2005年的病例数

[1] 0 0 4 8 0 0 20 0 0 0 0 0 5 0 61

BirdFlu20032005<- BirdFlu2$X2003cases + BirdFlu2$X2005cases

> BirdFlu20032005 #查看两年之和

[1] 0 0 4 9 0 0 20 0 0 0 0 0 5 0 64

max(BirdFlu2$X2003cases) #最大值

[1] 3

sum(BirdFlu2$X2003cases) #2003年总值

[1] 4

#习题3.2

ISIT<- read.table(file="ISIT.txt", header=TRUE)

names（ISIT）

[1] "SampleDepth" "Sources" "Station" "Latitude" "Longitude"

Station1<- ISIT$Station==1 #注意这里的Station1是一个布尔向量，不是数据框ISIT的子集

> Station1

[1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

[13] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

[25] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE

[37] TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[49] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[61] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[73] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[85] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[97] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[121] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[157] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[181] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[193] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[205] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[229] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[241] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[289] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[301] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[313] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[325] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[337] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[373] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[397] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[409] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[421] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[433] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[445] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[457] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[469] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[481] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[493] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[505] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[517] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[529] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[541] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[553] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[565] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[577] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[589] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[601] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[613] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[625] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[637] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[649] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[661] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[673] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[685] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[697] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[709] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[721] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[733] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[745] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[757] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[769] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

[781] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

rm(Station1)

Station1<- ISIT[ISIT$Station==1,] #取出站点1的观察值

> Station1

SampleDepth Sources Station Latitude Longitude

1 517 28.73 1 50.1508 -14.4792

2 582 27.90 1 50.1508 -14.4792

3 547 23.44 1 50.1508 -14.4792

4 614 18.33 1 50.1508 -14.4792

5 1068 12.38 1 50.1508 -14.4792

6 1005 11.23 1 50.1508 -14.4792

7 1036 11.06 1 50.1508 -14.4792

8 1100 10.57 1 50.1508 -14.4792

9 1490 8.92 1 50.1508 -14.4792

10 1520 7.26 1 50.1508 -14.4792

11 1550 6.60 1 50.1508 -14.4792

12 1587 6.44 1 50.1508 -14.4792

13 1972 4.29 1 50.1508 -14.4792

14 2003 3.80 1 50.1508 -14.4792

15 2034 3.63 1 50.1508 -14.4792

16 2068 2.81 1 50.1508 -14.4792

17 2444 2.48 1 50.1508 -14.4792

18 2504 1.98 1 50.1508 -14.4792

19 2477 1.32 1 50.1508 -14.4792

20 2536 1.32 1 50.1508 -14.4792

21 3722 0.83 1 50.1508 -14.4792

22 3446 0.66 1 50.1508 -14.4792

23 3630 0.66 1 50.1508 -14.4792

24 3660 0.66 1 50.1508 -14.4792

25 3939 0.66 1 50.1508 -14.4792

26 3414 0.50 1 50.1508 -14.4792

27 3505 0.50 1 50.1508 -14.4792

28 3534 0.50 1 50.1508 -14.4792

29 3912 0.50 1 50.1508 -14.4792

30 3568 0.33 1 50.1508 -14.4792

31 3600 0.33 1 50.1508 -14.4792

32 3697 0.33 1 50.1508 -14.4792

33 3853 0.33 1 50.1508 -14.4792

34 3880 0.33 1 50.1508 -14.4792

35 3474 0.17 1 50.1508 -14.4792

36 3789 0.17 1 50.1508 -14.4792

37 3758 0.00 1 50.1508 -14.4792

38 3818 0.00 1 50.1508 -14.4792

min(Station1$SampleDepth)

mean(Station1$SampleDepth)

median(Station1$SampleDepth) #中位数

max(Station1$SampleDepth)

unique(ISIT$Station)

Station2<- ISIT[ISIT$Station==2,] #取出站点1的观察值

> Station2

Station3<- ISIT[ISIT$Station==3,] #取出站点1的观察值

> Station3

阅读┊ 收藏 ┊ 喜欢 ▼ ┊打印┊举报/Report

前一篇：猫城

后一篇：用R语言来搞笑

新浪BLOG意见反馈留言板　欢迎批评指正