R语言学习笔记-数据创建

发表于 | 分类于 | | 热度 °C

一、直接读取文件中的数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
#直接读取.csv文件，本地或网络文件都可以；
data1 <- read.table("https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/1_OneNum.csv", header=TRUE)
head(data1)
price
1    75
2   104
3   369
4   300
5    92
6    64
#对比看一下header=FALSE的结果，列名将被当作第一行，需要特别注意；
data1 <- read.table("https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/1_OneNum.csv", header=FALSE)
head(data2)
V1
1 price
2  75.0
3 104.0
4 369.0
5 300.0
6  92.0
#可以发现，这是一个只有一列的文件，列名为price，9996行；
#此类数据适合作「密度图」
#若要取出price中满足特定条件的数值，可以使用filter()函数，用法如下：
p <- filter(data,price<100)
nrow(p)
#[1] 4799
#也可以直接传递数值，如下：
data %>%
filter( price<300 ) %>%

二、通过函数创建数据

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
#创建数据框
#方法一：手动添加数据，仅在数据量小的情况下，谨慎使用；
var1=c("A","B","C","D","E") #对于string，需要用""括起来；
var2=c(3,5,1,10,8) #对于numeric，不要使用"";
data=data.frame (var1,var2)
head(data)
var1 var2
1    A    3
2    B    5
3    C    1
4    D   10
5    E    8
#也可以使用如下方法创建数据框，效果是相同的；
data <- data.frame (
var1=c("A","B","C","D","E"),
var2=c(3,5,1,10,8)
)
#此类数据有两列，一列为分类变量（categorical variable），一列为数值变量（numeric variable），适合作条形图，如；
ggplot(data,aes(x=var1,y=var2))+geom_bar(stat="identity") #stat="identity表明直接引用数据集里变量的值作为纵坐标的高度；

#方法二：使用rnorm()函数，rnorm(n, mean = 0, sd = 1)，n为产生随机值个数，mean是平均数，sd是标准差；默认平均数为0，标准差为1，呈正态分布；
var1=rnorm(100)
var2=rnorm(100,mean=2,sd=0.5)
head(var1)
[1]  0.7376882  0.9055453 -0.1456011  0.8596800 -1.5881099  1.4858029 #var1在0左右分布；
head(var2)
[1] 3.309464 2.371139 1.848107 2.126949 2.006115 2.082000 #var2在2左右分布；
#创建数据框
data <- data.frame (var1,var2)
head(data)
var1     var2
1  0.7376882 3.309464
2  0.9055453 2.371139
3 -0.1456011 1.848107
4  0.8596800 2.126949
5 -1.5881099 2.006115
6  1.4858029 2.082000
#此类数据有两列，两列都是数值，适合作散点图；

#方法三：使用sample(seq())函数创建数值变量；
data <- data.frame (
var1=sample(seq(1,9),20,replace=T), #replace=T，允许数值重复；
var2=sample(seq(1,30),20,replace=F) #replace=F，数值不能重复；
)
head(data)
var1 var2
1    3   16
2    2    5
3    3   28
4    6   30
5    2   10
6    3   17

#方法四：使用sample()函数创建数值变量；
data <- data.frame (
var1=sample(3:20,30,replace=T), #3－20之间取30个数，允许重复；
var2=sample(21:30,30,replace=T) #21－30之间取30个数，允许重复；
)
head(data)
var1 var2
1   15   21
2   14   21
3   17   27
4   10   29
5    7   27
6   12   24

#方法五：使用LETTERS创建字母；
var1=letters[1:7] #letters取小写字母；
var2=LETTERS[8:14] #LETTERS取大写字母；
var1
[1] "a" "b" "c" "d" "e" "f" "g"
var2
[1] "H" "I" "J" "K" "L" "M" "N"

#方法六：使用abs()函数取绝对值；
var1=abs(rnorm(10,mean=0,sd=3))
var1
2.8804684 1.8650338 0.3870626 1.2668471 5.1131199 4.6320510 2.8822397 0.2476684 7.1651732 3.2236713

#方法七：使用seq()函数创建数值变量；
var1=seq(1,9,length.out=10) # 从1至9，产生10个数，两两之间是等距的；
var2=seq(1,9,2) # 从1至9，以2为间隔产生数列；
var1
1.000000 1.888889 2.777778 3.666667 4.555556 5.444444 6.333333 7.222222 8.111111 9.000000
var2
1 3 5 7 9

#方法八，使用paste()创建分类变量；
var1=paste("sample",seq(1,10),sep="") # 结合字符串与数字，中间没有分隔；
var2=paste("sample",seq(1,10),sep="-") # 结合字符串与数字，中间以－分隔；
var1
"sample1"  "sample2"  "sample3"  "sample4"  "sample5"  "sample6" "sample7"  "sample8"  "sample9"  "sample10"
var2
"sample-1"  "sample-2"  "sample-3"  "sample-4"  "sample-5" "sample-6"  "sample-7"  "sample-8"  "sample-9"  "sample-10"

#方法九，使用mutate()函数向数据框末端追加一列；
data <- data.frame (
var1=rnorm(200,mean=1,sd=1),
var2=rnorm(200,mean=3,sd=0.3)
)
head(data)
var1     var2
1  1.39138057 2.816622
2  1.19333387 3.243189
3 -0.07646219 2.950697
4 -0.39530844 2.954534
5  0.52766461 2.923421
6  0.34335782 2.870595
#下面使用mutate()函数追加新的一列var3;
data <-mutate(data,var3=paste("sample",seq(1,200),sep="")) #mutate()本身并不改变data的值，只会生成一个新的数据框，因此要重新对data赋值；
> head(data)
var1     var2    var3
1  1.39138057 2.816622 sample1
2  1.19333387 3.243189 sample2
3 -0.07646219 2.950697 sample3
4 -0.39530844 2.954534 sample4
5  0.52766461 2.923421 sample5
6  0.34335782 2.870595 sample6

# mutate()也可以结合ifelse()函数追加分类；
var1=sample(1:30,10,replace=T)
var2=sample(31:45,10,replace=T)
data <- data.frame (var1,var2)
var3=ifelse(var1>15,"type1","type2")
data <- mutate(data,var3) # 或者可以写成，
data
var1 var2  var3
1     1   35 type2
2    10   37 type2
3     1   44 type2
4    26   37 type1
5     1   35 type2
6    16   42 type1
7    12   45 type2
8     5   31 type2
9    26   41 type1
10    8   43 type2

#方法十：使用rep()函数添加数值或分类变量；
var1=rep(1:4,3)
var2=rep(1:4,each=3)
var3=rep(1:4,each=3,len=10)
var1
1 2 3 4 1 2 3 4 1 2 3 4
var2
1 1 1 2 2 2 3 3 3 4 4 4
var3
1 1 1 2 2 2 3 3 3 4
#同理，可以结合mutate()和rep()来追加分类变量；
var1=sample(2:50,10,replace=T)
var2=sample(40:60,10,replace=T)
data <- data.frame (var1,var2)
var3=rep(c("class1","class2"),each=5)
data <- mutate(data,var3)
data
var1 var2   var3
1    49   58 class1
2    39   47 class1
3    18   47 class1
4    17   54 class1
5    25   52 class1
6    22   43 class2
7     4   59 class2
8    23   45 class2
9    41   47 class2
10   43   40 class2
------ 本文结束 ------
坚持原创文章分享，您的支持将鼓励我继续创作！