数据可视化-基于R语言-第一章-1.4R语言数据处理

[zemise]

# 一、数据读取和保存

# 1. 读取外部数据
# 读取含有标题的csv格式数据
table1_1 <- read.csv("data/table1_1.csv")
# 读取不含标题的csv格式数据
table1_1 <- read.csv("data/table1_1.csv", header = FALSE)
# 如果数据已被保存为R格式，可直接用load函数
# 假定table1_1已经是R格式数据
# load("path/table1_1.RData")

# 2. 保存数据
# 将数据保存成csv格式，并存放在指定的路径中
write.csv(table1_1, file = "path/table1_1.csv")
# 将数据保存成R格式
save(table1_1, file = "path/table1_1.RData")

# 二、随机数和数据抽样
# 1. 生成随机数
# 产生10个标准正态分布随机数
rnorm(10)
# 产生10个均值为50，标准差为5的正态分布随机数
rnorm(10,50,5)
# 在0~100之间产生10个均匀分布随机数
runif(10,0,100)
# 产生10个自由度为15的卡方分布随机数
rchisq(10, 15)

# 2. 数据抽样
# 1～20的数据
N <- 1:20
N
# 无放回抽取10个数据
n1 <- sample(N, size = 10)
n1
# 有放回抽取10个数据，有放回就代表能抽到一样的数
n2 <- sample(N, size = 10, replace = TRUE)
n2

# 再比如
Ncols <- c("black", "red", "green", "blue", "yellow")
ncols <- sample(Ncols, size = 8, replace = TRUE)
ncols

# 三、生成频数分布表
# 1. 类别数据频数分布表
# 1.1 一维列联表
# note: 
# - 在这里需要注意下，教材资源给出的数据文件似乎是在Windows上保存的
# - 但是在macOS上，直接读取会报错，简单的处理办法就是打开数据文件，另存为一份
# - 在终端里输入file -I <filename>指令，可以大致判断编码格式
# - 再使用fileEncoding = "编码格式"，也有可能解决问题，但我没有成功

# 下方使用了相对路径，如果要设置绝对路径，可以用setpwd("path")
data1_1 <- read.csv("data/data1_1.csv")
# 生成满意度的一维表
myTable1_1 <-table(data1_1$满意度); myTable1_1
# 将myTable1_1 转换为百分比表
prop.table(myTable1_1)*100

# 1.2 二维列联表
# 生成性别和满意度的二维列联表
myTable1_2 <-table(data1_1$性别,data1_1$满意度)
myTable1_2
# 为列联表添加边际和
addmargins(myTable1_2)

# 1.3 多维列联表
# 当有两个以上类别变量时，通常讲一个或多个变量按“列”摆放，其余变量按“行”摆放
# 生成三维列联表（列变量为“满意度”）
myTable1_3 = ftable(data1_1, row.vars = c("性别", "网购次数"), col.vars = "满意度")
myTable1_3

# 也可以将多个变量放在列的位置，其余变量放在行的位置
# 生成三维列联表（列变量为“性别”和“满意度”）
myTable1_4 = ftable(data1_1, row.vars = c("网购次数"), col.vars = c("性别", "满意度"))
myTable1_4

# 使用vcd包中的structable函数可以创建形式多样的多维列联表
install.packages("vcd")
# vcd Loading required package: grid
install.packages("grid")
library(vcd)
# 以默认参数运行
structable(data1_1)
# 上述写法等价于
structable(~性别+网购次数+满意度, data = data1_1)
# 上述写法等价于
structable(data1_1, direction = c("v","h","v"))
# 换个写法则生成不同形式的列联表
structable(性别+网购次数~满意度, data = data1_1)
# 如果想将满意度放在列，其他两个变量放在行，则
structable(data1_1, direction = c("h","h","v"))


# 2. 数值数据类别化
# 生成数值数据的频数分布表，需要先将其类别化，即转化为类别数据，在生成频数分布表
data1_2 <- read.csv("data/data1_2.csv")
# 将销售额转化成向量
v = as.vector(data1_2$销售额)
# 分成间隔为30的组，上限不封闭，列出频数分布表
# R基础包base的cut函数可以将数据分组，breaks是要分的组数；labels是生成组的标签
# right为是否包含上限值；dig.lab设置区间使用的数字位数
d <- table(cut(v, breaks= 30*(17:24), right = FALSE, dig.lab = 4))
# 组织成数据框
dd <-data.frame(d)
# 为频数分布表增加百分比，并重新命名变量
# 计算频数百分比，结果保留2位小数
percent <- round(dd$Freq/sum(dd$Freq)*100, 2)
# 组织成数据框
df <-data.frame(dd, percent)
# 重新命名并组织成频数分布表
mytable<-data.frame(分组=df$Var1, 频数=df$Freq, 频数百分比=df$percent)
mytable

# 使用cut函数生成频数分布表
# 分组间隔为50，并生成频数分布表
d = table(cut(v, breaks = c(500, 550, 600, 650, 700, 750), right = FALSE))
# 组织成数据框
dd = data.frame(d)
# 计算频数百分比，结果保留2位显示
percent = round(dd$Freq/sum(dd$Freq)*100, 2)
# 组织成数据框
df = data.frame(dd, percent)
# 重新命名并整理成频数分布表
mytable = data.frame(分组=df$Var1, 频数=df$Freq, 频数百分比=percent)
mytable

# 更简单的方法，使用DescTools包里的Freq函数分组并生成频数分布表
data1_2 = read.csv("data/data1_2.csv")
install.packages("DescTools")
library(DescTools)
# 使用默认分组，包含上限值
tab = Freq(data1_2$销售额); tab

# 使用Rreq函数生成频数分布表，指定组距 = 20
# 指定组距20，不包含上限
tab1 = Freq(data1_2$销售额, breaks = c(500, 520, 540, 560, 580, 600, 620, 640, 660, 680, 700, 720), right = FALSE)
# 重新命名频数分布表中的变量
tab2 = data.frame(分组=tab1$level, 频数=tab1$freq, 频数百分比=tab1$perc*100, 累计频数= tab1$cumfreq, 累计百分比=tab1$cumperc*100)
# 用print函数定义输出结果的小数位数
print(tab2, digits = 3)

# 四、数据类型的转换
# 1. 将变量转换成向量
table1_1 <- read.csv("data/table1_1.csv")
# 将表中统计学分数转换成向量
vector1 <- as.vector(table1_1$统计学)
# 将表中统计学和数学分数合并转换成一个向量
vector2 <- as.vector(c(table1_1$统计学, table1_1$数学))
vector1; vector2

# 2. 将数据框转换成矩阵
# 将table1_1中的第2列～第4列转换成矩阵mat
mat <- as.matrix(table1_1[, 2:4])
# 矩阵的行名为table1_1第1列的名称
rownames(mat) = table1_1[,1]
mat

# 3. 将列联表转换成数据框
# 如果数据本身就是列联表形式，也就可以将其转换为较原始的数据框形式
# DescTools包中的Untable函数能很容易的完成这种转换
library(DescTools)
# 将列联表转换成数据框
df <- Untable(myTable1_3)
# 显示前3行和后3行
head(df,3);tail(df,3)

# 将列联表转化成带有类别频数的数据框
data1_1 <- read.csv("data/data1_1.csv")
# 生成列联表（也可以使用table函数生成列联表）
tab <- ftable(data1_1)
# 将列联表转换为带有类别频数的数据框
df <- as.data.frame(tab); df