第4講：複雜數據處理與分析

01-28

看了這次課程，解決了很多問題，對於真正的使用R來做數據分析提供了比較系統的方法，在此基礎上往下繼續學習就方便多了！本講主要講了四塊內容，解決了一個問題，並演示了如何在Rstudio中建項目。四塊內容如下：

如何編寫函數；
數據處理：使用dpylr進行數據分析,使用ggplot2進行結果展示
如何編寫業務模塊；
如何調試代碼。

解決的一個問題是用nycflight13包中的航班數據分析航班航行距離與延誤時間之間的關係。

1 如何編寫函數

什麼是函數（方法）：在數學中，一個函數是描述每個輸入值對應唯一輸出值的這種對應關係，符號通常為f(x)。在英文中讀作f of x，但在中文中則常讀作fx。其中x為自變數,y=f(x)為因變數（或稱應變數）。包含某個函數所有的輸入值的集合被稱作這個函數的定義域，包含所有的輸出值的集合被稱作值域。

自定義編寫函數例子

編寫函數的模板

控制語句

a.循環語句

用於重複性的工作

1) for循環語句

2) while循環語句

b.條件語句

2、使用dpylr和ggplot2進行數據處理

A：數據預分析步驟

1)理解數據：航班數據

2)數據導入

本文實例導入的是載入包中的數據集，不需要從外部文檔或資料庫導入。

3)數據預處理

a.選擇子集

確定分析目標：航班航行距離與延誤時間的關係

依據分析目標(航班日期、出發延遲時間、到達延遲時間、航行距離)選擇子集

代碼：myFlight<-select(flights,year,month,day,dep_delay,arr_delay,dest)

結果顯示：

b.列名重命名

#列名重命名

myFlight<-rename(myFlight,destination = dest)

c.缺失數據處理

處理前有336,776筆資料

進行處理代碼：myFlight<-filter(myFlight,!is.na(dep_delay),!is.na(arr_delay))

處理後有 327,346筆資料，說明有9430筆資料中dep_delay或arr_delay是缺失的

d.日期值處理

查找某個日期的航班：spdayflight<-filter(myFlight,month==12,day==15)

e.數據類型轉換

f.數據排序

#排序默認是升序排序

myFlight<-arrange(myFlight,dep_delay)

#降序排序

myFlight1<-arrange(myFlight,desc(dep_delay))

4)數據計算

5)數據顯示（結果顯示）

#數據顯示

#散點圖

library("ggplot2")

pointview<-ggplot(delay)+

geom_point(aes(x = dist, y = delay))+

geom_smooth(aes(x = dist, y = delay))

3、如何編寫業務模塊

A:項目：模塊化

1) 視圖模塊（view）

2) 業務邏輯模塊(service)

3) 數據層模塊（db）

4) 公關模塊(util)

5) 公共數據（data）

6) 日誌模塊（log）

7) 數據結果輸出模塊（output）

4、代碼如何調試

1）寫測試模塊，先source要調試的代碼塊

2）使用debug(f)進行調試，把游標放到代碼前面，點點run就可以一步步執行

3）在測試模塊中調用函數進行調試

Browse[2]中可以查看函數中的參數是否正確調用，i沒有找到是因為還沒有執行到裡面。

4）在調試欄中控制調試是如何執行的，也可在控制台使用命令控制

next與命令n同樣的功能

綠色箭頭指示當前執行到的代碼行，所以當前 i 是第一次循環，值為1

多讓for循環執行幾次再查看 i 值，其值變為4

關於調試的研究暫時到此但不為止，在以後的代碼中要不斷實踐，提升代碼質量！

一切都有套路，遵循一定的原則和方法，不斷實踐思考，我們就能真正做好複雜數據的處理分析。