www.a000000.com_sunbet官网下载_太阳集团娱乐网放2138 当前位置:首页>www.a000000.com_sunbet官网下载_太阳集团娱乐网放2138>正文

www.a000000.com_sunbet官网下载_太阳集团娱乐网放2138

发布时间:2019-03-20

原标题:R语言学习 第九篇:plyr包

“启奏天帝!”一个金甲力士走进来,对着纪丹青言道:“殿外地府阴极大帝求见!”

威廉希尔_英国威廉希尔_英国威廉希尔中文网

“大人,真的要动老魔?”一路上林风急于赶路,此时突然停下来,两者之间反差明显有些大,一旦停下来对付九幽老怪,如果一切顺利倒好,如果不是,难免给自己惹上麻烦。
而隐娘的本事原本最多与她相当,不知为何,修为竟也开始突飞猛进。傍晚时她们几个师姐妹聚在一起互相比试,她之所以会落得伤痕累累,固然是因为红线对她毫不留情,但另一方面,却也是因为她的本事确实是不及灵凝和隐娘。

“刚才那一种滋味,我很喜欢。”艾斯德斯嫣然一笑,这个时候的她哪里有一点超s女王的样子,完全就是一个堕入爱河的正常女人的表现罢了。

在数据分析中,整理数据的本质可以归纳为:对数据进行分割(Split),然后应用(Apply)某些处理函数,最后将结果重新组合(Combine)成所需的格式返回,简单描述为:Split - Apply - Combine,各个步骤的作用是:

  • Split:把要处理的数据分割成小片断,常用的函数是split(),subset();
  • Apply:对每个小片断独立进行操作,常用的是apply家族函数,plyr包核心函数;
  • Combine:把片断重新组合,常用的函数是unlist()函数。

这个过程可以通过Base包的apply家族函数来实现,apply家族函数包括了apply、sapply、lapply、tapply、aggregate等,可以应用于数据分析的各个阶段。 

plyr包是apply家族函数的升级版本,使用plyr包可以实现:在一个函数内同时完成“Split - Apply - Combine”,并且,plyr包实现R类型(vector, list, data.frame)之间的分组变换,基本上可以取代Base包中的apply家族函数。

plyr包对核心函数的命名采用统一的格式:**ply,所有的函数名都由5个字符组成,且最后三个字符是ply,函数名的第一个字符代表输入数据的类型,第二个字符代表输出数据的类型,R类型的简写是:

  • d:data.frame
  • l:list
  • a:array,vector,matrix
  • r:代表replicate,重复多次
  • m:多输入
  • _:舍弃输出结果

这种统一的命名格式,使得plyr包的函数更容易记忆和使用,但是,plyr包不是预装于R语言中,使用之前,需要加载和引用plyr包:

install.packages("plyr")
library(plyr)

一,plyr包函数

plyr包用于在R中实现split-apply-combine的模式,这中模式在数据分析中是极其常见的,通过把数据分解为小的分片,然后在分片上做操作,最后把结果组合在一起,以解决复杂的分析问题。因此,当遇到复杂的数据分析问题时,一般都需要把复杂的问题分组,然后在每个分组上做操作,最终把每个分组上的结果组合到一起。plyr包的函数很多,除了**ply的核心函数之外,还有一些辅助函数,在处理数据时,都十分有用。

1,ddply

plyr包中最常用的函数是ddply()函数,该函数对数据框进行操作,对每一行调用一个函数,并返回数据框类型:

ddply(.data, .variables, .fun = NULL, ...)

参数注释:

  • .data:函数处理的数据框;
  • .variables:要进行拆分的变量名称,传递变量的格式是: .(col_name),就是把进行分组的变量名包含在.()中;
  • .fun:应用到每行的函数
  • ...:传递到fun的其他参数

对于参数fun,有两种赋值方式:

第一种: 如果使用colwise()函数,那么这使ddply函数把参数fun应用于每一列,除了参数.variable指定的数据列之外,例如:

ddply(diamonds,.(color),colwise(mean))

第二种: 使用summarize函数对指定的列执行操作,更为灵活,例如:

> ddply(diamonds,.(color),summarize,avg_price=mean(price),avg_carat=mean(carat))
  color avg_price avg_carat
1     D  3169.954 0.6577948
2     E  3076.752 0.6578667
.....

2,each函数

plyr包的each()函数,能够把多个函数整合到一个函数中,每一个函数必须只能返回一个数值:

each(...)

使用each()函数,可以使函数aggregate()同时调用多个函数:

> aggregate(cbind(price,carat)~cut+color,diamonds,each(mean,sum))
         cut color   price.mean    price.sum   carat.mean    carat.sum
1       Fair     D     4291.061   699443.000    0.9201227  149.9800000
2       Good     D     3405.382  2254363.000    0.7445166  492.8700000
......

3,rename函数

按照名字对变量重命名:

rename(x, replace, warn_missing = TRUE, warn_duplicated = TRUE)

参数注释:

  • x: 重命名的对象
  • replace:命名的向量,格式是:c(new_name=old_name,...)

使用rename函数对数据框的变量进行重命名,例如:

rename(mtcars, c("disp" = "displacement"))

4,arrange函数

按照数据框的变量对数据框排序,注意,arrange()函数不会保留行名称(row.names)

arrange(df, ...)

例如,按照变量cyl和disp,对数据框mtcars进行排序:

# sort mtcars data by cylinder and displacement
mtcars[with(mtcars, order(cyl, disp)), ]
# Same result using arrange: no need to use with(), as the context is implicit
arrange(mtcars, cyl, disp)

5,mutate函数

对数据框进行转换,或增加新的变量,或替换已经存在的变量,该函数和transfrom函数十分相似,不过,mutate()函数是递进式的,这使得后期的转换可以使用早期创建的变量。

# Things transform can"t do
mutate(airquality, Temp = (Temp - 32) / 1.8, OzT = Ozone / Temp)

6,name_rows函数

在设计时,没有plyr函数会保留行名称(row names)。如果想保留行名称,可以使用name_rows()把行名称转换为显式的列值,在执行为相应的plyr操作之后,再使用name_rows把列值转换为行名称。

name_rows(df)

参数df :数据框对象,拥有 rownames,或者显式的列名 .rownames

二,拆分-应用-组合

在R语言中,分组聚合可以通过三步实现:拆分-应用-合并(Split-Apply-Combine)。例如,对玩家的游戏成绩进行统计和分析,创建示例数据:

> players_scores <- data.frame(
     player=rep(c("Tom","Dick","Jim"),times=c(2,5,3)),
     score=round(runif(10,1,100),-1)
 )

1,分组数据

计算每个玩家的平均得分,首先对玩家分组,需要用到split()函数,按照特定的字段对数据进行分组:

split(x, f, drop = FALSE, ...)

参数注释:

  • x:数据框或向量,是被分组的数据;
  • f:因子类型,按照f对x进行分组;

函数的返回值是一个列表对象,每一个列表项都是包含分组数据的向量。

例如,split(score,player)函数的作用是按照player字段把数据框中的score拆分成一组,也就是说,player 相同的score是同一个分组,填充到同一个列表项中:

> (scores_by_player <- with(players_scores,split(score,player)))
$Dick
[1] 70 20 30 70 70

$Jim
[1] 80 90 50

$Tom
[1] 80 90

2,应用函数

当数据分割之后,对每个分组计算平均分。使用lapply()函数,对于每个列表项,应用mean()函数,计算单个列表项的平均值,例如:

list_mean_by_player <- lapply(scores_by_player,mean)

3,组合数据

组合数据是为了显示数据,在显示最终的数据时,通常把列表转换为向量。lapply()函数返回的结果是一个列表对象,每一个列表项都是一个向量,因此可以使用unlist()函数,把列表转换为向量,例如:

> unlist(list_mean_by_player)
    Dick      Jim      Tom 
52.00000 73.33333 85.00000 

三,使用apply家族函数实现分组聚合

在apply家族函数中,每个函数都用于特定的数据类型:

  • apply函数只能用于矩阵,
  • lapply函数能够用于向量和列表(list),其工作原理是把一个函数应用于一个列表中的每个元素上,并且把结果作为列表返回;
  • sapply处理列表,返回向量。
  • mapply函数,把调用的函数应用到多个列表的每一个元素中。
  • tapply函数用于分组聚合运算,在研究数据时,有时需要对数据按照特定的字段进行分组,然后统计各个分组的数据,这就是SQL语法中的分组聚合。

在数据分析中,使用Base包实现”拆分-应用-合并“ 显得十分繁琐,可以使用tapply()函数一次完成所有的三个步骤,一气呵成:

with(players_scores,tapply(score,player,mean))

tapply()函数常用的参数共有三个,第一个参数是数据框对象或向量,第二个参数是因子列表,也就是分组字段,第三个参数是指对单个分组应用的函数:

tapply(X, INDEX, FUN = NULL, ...)

by()函数和aggregate()函数是tapply()函数的包装函数,功能相同,接口稍微不同。

by(data, INDICES, FUN, ..., simplify = TRUE)
aggregate(x, by, FUN, ..., simplify = TRUE, drop = TRUE)

四,使用plyr包实现分组聚合

函数daply的作用是分割数据框,对每个分组应用聚合函数,最后把每个分组的聚合值组合起来,以数组的形式返回:

daply(.data, .variables, .fun = NULL, ...)

参数注释:

  • .data:数据框,存储用于分析的数据;
  • .variables:分组字段,指定分组字段的格式是  .(col_name);
  • .fun:应用于每个分组的函数,有两种方式,上文有详细介绍。

为了计算每个player的平均得分,可以使用daply()函数,例如,

unlist(daply(players_scores,.(player),summarize,varScore=mean(score)))

在示例中,daply()函数返回的类型是list,通过unlist()函数转换为向量。至于为什么返回的是list,而不是数组,我也很疑惑。

 

参考文档:

plyr reference manual

R语言-数据整形之plyr包 R语言中plyr包

编辑:扁道宗丁

发布时间:2019-03-20 00:53:19

当前文章://kt84q.html

优乐娱乐|优乐娱乐平台 - 欢迎您! 华宇娱乐 新宝GG娱乐主管 集结号安卓手机最新版 

责任编辑:伯道通