《Learning R》筆記 Chapter 13 Cleaning data 下 dataframe清洗

with和within

with和within都是能夠evaluate an R expression in an environment constructed from data。
with輸出的是expr的結果，within輸出經過改變後的dataframe。

with(data, expr, ...)
within(data, expr, ...)
> x <- head(iris)
> with(x, new = Sepal.Length + Sepal.Width) #這裡的賦值會報錯
Error in eval(substitute(expr), data, enclos = parent.frame()) : 
  argument is missing, with no default
> with(x, Sepal.Length + Sepal.Width)
[1] 8.6 7.9 7.9 7.7 8.6 9.3
> within(x, Sepal.Length + Sepal.Width) #不賦值的話不會有改動
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
#以下省略

但plyr包中的mutate()函式使用起來更加自然。

> mutate(x, new=Sepal.Length + Sepal.Width)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species new
1          5.1         3.5          1.4         0.2  setosa 8.6
2          4.9         3.0          1.4         0.2  setosa 7.9

處理NA

comple.cases()接受dataframe輸入，輸出擁有完整資料（無NA）的rows的序號。
na.omit()則直接剔除NA rows。

melt與dcast

reshape2包中的兩個牛逼函式，能夠在long和wide兩種dataframe form之間相互轉化，long form也是ggplot2繪圖的基礎。

從wide到long：melt()

melt()函式在dataframe中的syntax如下：

melt(data, id.vars, measure.vars, # 原df中的column名稱，id是不改變的變數，measures是要變的變數
  variable.name = "variable", ..., na.rm = FALSE, value.name = "value",#新df中的column
  factorsAsStrings = TRUE)#id和measures長度不定，但合併後就只有variable和value2個col了

使用melt()的效果如下：

> dat.wide=data.frame(name1=LETTERS[1:3],name2=month.abb[1:3],N1=3:5,N2=c(2.3,3.4,4.5))
> dat.wide
  name1 name2 N1  N2
1     A   Jan  3 2.3
2     B   Feb  4 3.4
3     C   Mar  5 4.5
> dat.long <- melt(dat.wide,measure.vars = c('N1','N2'))
  name1 name2 variable value #N1,N2被合併成了1個col：variable
1     A   Jan       N1   3.0 #各自的值被移到col：value中
2     B   Feb       N1   4.0
3     C   Mar       N1   5.0
4     A   Jan       N2   2.3
5     B   Feb       N2   3.4
6     C   Mar       N2   4.5

從long到wide：dcast（）

dcast是melt的反向操作。輸入df，輸入也是df

dcast(data, formula, fun.aggregate = NULL, ..., margins = NULL,
  subset = NULL, fill = NULL, drop = TRUE,
  value.var = guess_value(data))
> dcast(dat.long, name1 + name2 ~ variable)
  name1 name2 N1  N2
1     A   Jan  3 2.3
2     B   Feb  4 3.4
3     C   Mar  5 4.5

排序

sort()函式可以用來排序，預設是增序。用於對字串排序時，可能給出難以預料的結果。
order()函式則預設給出在增序排列下原vector對應元素的相應下標。
將dataframe按照某一列進行排序，可以使用order。

sort(x, decreasing = FALSE, ...)
order(..., na.last = TRUE, decreasing = FALSE,
      method = c("auto", "shell", "radix"))
> x=sample(1:20,10)
> sort(x)
 [1]  2  4  6  7  9 11 13 15 18 20
> order(x)
 [1] 10  8  9  1  2  6  3  4  7  5
> order(x,decreasing = T)
 [1]  5  7  4  3  6  2  1  9  8 10
> iris[order(iris$Sepal.Length),]
    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
14           4.3         3.0          1.1         0.1     setosa
9            4.4         2.9          1.4         0.2     setosa
39           4.4         3.0          1.3         0.2     setosa
43           4.4         3.2          1.3         0.2     setosa
42           4.5         2.3          1.3         0.3     setosa
4            4.6         3.1          1.5         0.2     setosa

plyr包中的arrange()函式提供了更為直接的dataframe排序方式：

> arrange(iris, Sepal.Length) #效果同上

rank()函式提供了秩。

函式化程式設計

包括Negate Filter Position Find Map Reduce
大致瞭解即可