數據分析社群第二關作業——遲遲未交出的作業

一、數據結構

1、對象的5種基本類型

字元（character）、數值（numeric）、整數（integer）、複數（complex）：1+2i、邏輯（logical：TRUEFALSE）

2、屬性

名稱（name）、維度（dimensions:matrix,array）、類型（class）、長度（length）

二、向量（vector）：

1、創建向量的方式

>x1<-vector(「character」,length=5) x1=chr[1:5] 「」 「」 「」 「」 「」

>x2<-1:4

>x3<-c(1,2,3,4)

> x4<-c("a","b","c","d")

2、改變向量的類型

> as.numeric(x)

[1] 1 2 3 4

> as.character(x)

[1] "1" "2" "3" "4"

> as.logical(x)

[1] NA NA NA NA

3、查詢向量的類型

> class(x)

[1] "numeric"

> class(x1)

[1] "character"

> class(x2)

[1] "integer"

> class(x3)

[1] "numeric"

4、給向量命名

> names(x2)<-c("a","b","c","d")

> x2

a b c d

1 2 3 4

5、總結

（1）向量只包含同一類型的對象

（2）創建向量的方式

A.vector

B.c()

C.[x:y]

（3）查詢向量類型 class（）

（4）給向量命名names（x）<-c()

6、案例練習

（1）創建向量

> name<-c("猴子","李同","王五","張三")

> name

[1] "猴子" "李同" "王五" "張三"

> length(name)

[1] 4

（2）定位元素所處位置

> name[2] （#一定要用方括弧）

[1] "李同"

三、矩陣（matrix）

1、創建矩陣的方式

（1）x<-matrix(1:6,nrow=3,ncol=2) #填充時先列後行

（2）y<-1:6

dim(y)<-c(3,2)

2、查看矩陣的維度

dim(x)

[1] 3 2 （三行兩列）

3、查看矩陣的屬性

attributes(x)

$dim （矩陣的屬性是維度）

[1] 3 2

4、按行合併兩個矩陣（兩個矩陣必須有相同的列）

rbind(x,y)

5、按列合併兩個矩陣（兩個矩陣必須有相同的行）

cbind(x,y)

6、案例練習

> age<-c(29,34,28,52)

> rnames<-c("猴子","李同","王五","張三")

> cnames<-c("age")

> a<-matrix(age,nrow = 4,ncol = 1,byrow=TRUE,dimnames = list(rnames,cnames))

> a

age

猴子 29

李同 34

王五 28

張三 52

四、數組（array）

1、數組與矩陣類似，但是維度可以大於2

2、創建數組的方式

x<-array(1:24,dim=c(4,6))

x1<-array(1:24,dim=c(2,3,4))

X創建了一個4行6列的數組（與矩陣類似）

x1創建了4個2行三列的數組（能不能這樣理解？）

五、數據框

1、存儲表格數據

2、視為各元素長度相同的列表

（1）每個元素代表一列數據

（2）每個元素的長度代表行數

（3）元素類型可以不同

3、創建數據框

> df<-data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c("male","male","female","male"))

> df

id name gender

1 1 a male

2 2 b male

3 3 c female

4 4 d male

4、統計數據框的行數

> nrow(df)

[1] 4

5、統計數據框的列數

> ncol(df)

[1] 3

6、案例練習

（1）創建病例數據框

> patientid<-c("1","2","3","4")

> name<-c("猴子","李同","王五","張三")

> age<-c(29,34,28,52)

> diabetes<-c("1型糖尿病","2型糖尿病","1型糖尿病","2型糖尿病")

> status<-c("較差","好轉","顯著好轉","較差")

> patientdata<-data.frame(patientid,name,age,diabetes,status,stringsAsFactors = FALSE)

> patientdata

patientid name age diabetes status

1 1 猴子 29 1型糖尿病 較差

2 2 李同 34 2型糖尿病 好轉

3 3 王五 28 1型糖尿病 顯著好轉

4 4 張三 52 2型糖尿病 較差

#為什麼要用stringsAsFactors = FALSE？

因為R會自動把字元串string的列辨認成因子

（2）選取數據框中的某一列（$+列名，列名不需要加「」）

> age1<-patientdata$age

> age1

[1] 29 34 28 52

（3）選取數據框中的幾列（用c[]定位，列名要加「」）

> subdata<-patientdata[c("name","status")]

> subdata

name status

1 猴子 較差

2 李同 好轉

3 王五 顯著好轉

4 張三 較差

（4）統計有多少個病人（計算行數）

> patientnumber<-nrow(patientdata)

> patientnumber

[1] 4

（5）查找患「1型糖尿病」的有多少人（不用等號，要用雙等號，結尾要用，）

> type1<-patientdata[patientdata$diabetes=="1型糖尿病",]

> type1

patientid name age diabetes status

1 1 猴子 29 1型糖尿病 較差

3 3 王五 28 1型糖尿病 顯著好轉

（6）計算患「1型糖尿病」的病人人數

> type1number<-nrow(type1)

> type1number

[1] 2

#犯錯（用nrow函數時，對象必須是一個數據框，diabetes="1型糖尿病"不是一個獨立的數據框）

> type1number<-nrow(diabetes="1型糖尿病")

> type1number

Error in nrow(diabetes = "1型糖尿病") :

（7）數據框中增加新的病例

第一步：

> patientid<-c("5")

> name<-c("王思聰")

> age<-c(30)

> diabetes<-c("2型糖尿病")

> status<-c("好轉")

> newpatient<-data.frame(patientid,name,age,diabetes,status,stringsAsFactors = FALSE)

> newpatient

patientid name age diabetes status

1 5 王思聰 30 2型糖尿病 好轉

第二步：

> patientdata<-rbind(patientdata,newpatient)

> patientdata

patientid name age diabetes status

1 1 猴子 29 1型糖尿病 較差

2 2 李同 34 2型糖尿病 好轉

3 3 王五 28 1型糖尿病 顯著好轉

4 4 張三 52 2型糖尿病 較差

5 5 王思聰 30 2型糖尿病 好轉

（8）增加數據框中的新的列

第一步：

> intime<-c("2017-7-1","2017-6-25","2017-5-15","2017-3-19","2017-1-9")

第二步：

> patientdata<-cbind(patientdata,intime)

> patientdata

patientid name age diabetes status intime

1 1 猴子 29 1型糖尿病 較差 2017-7-1

2 2 李同 34 2型糖尿病 好轉 2017-6-25

3 3 王五 28 1型糖尿病 顯著好轉 2017-5-15

4 4 張三 52 2型糖尿病 較差 2017-3-19

5 5 王思聰 30 2型糖尿病 好轉 2017-1-9

六、列表（list）

1、l<-list("a",2,10L,3+4i,TRUE)

創建了名稱分別為"a",2,10L,3+4i,TRUEl2<-list(a=1,b=2,c=3)的5個列表

2、l2<-list(a=1,b=2,c=3)

創建了名稱分別為a,b,c的三個列表，列表值分別為1，2，3。

3、l3<-list(c(1,2,3),c(4,5,6,7))

創建了兩個列表，值分別為1，2，3和4，5，6，7

4、x<-matrix(1:6,nrow=2,ncol=3)

dimnames(x)<-list(c("a","b"),c("c","d","e"))

創建了一個2行3列的列表，行名分別為a，b，列名分別為c,d,e。

5、案例練習（#不理解這個練習）

（1）存儲kpi結果

業務指標1：有多少個病人

patientnumber<-nrow(patientdata)

業務指標2：「患1型糖尿病人」的信息

type1<-patientdata[patientdata$diabetes=="1型糖尿病",]

存儲kpi結果

kpi<-list(diabetesType1=type1,number=patientnumber)

Kpi

$diabetesType1

patientid name age diabetes status intime

1 1 猴子 29 1型糖尿病 較差 2017-7-1

3 3 王五 28 1型糖尿病 顯著好轉 2017-5-15

$number

[1] 5

獲取列表中的kpi：病人數目

> number<-kpi[["number"]]

> number[1] 5

七、復盤總結

2017年5月1日加入了數據分析社群，轉眼3個月過去才交出第二關的作業。今天復盤整個過程，分析自己當初走的彎路，揭露自己底層思維中存在的問題。

2017年5月1日到2017年6月20日左右，把時間花在看《深入淺出統計學》和《深入淺出SQL》上，《深入淺出SQL》看了三分之一，感覺自己停留在為了學而學的層次上，因為沒有實踐，覺得學不下去。上知乎找原因，吸取了別的同學的教訓，準備從《R語言實戰》重新開始。

2017年7月初，《R語言實戰》的書到了。可是工作崗位發生改變，自己被安排的前台，每天連續上班9個小時左右，當時已經懷二胎6個月，身體真的吃不消，每天下班回來就是睡覺，沒力氣帶大寶，沒精力學習，就這樣耽擱了1個月的時間。

2017年8月初，重新開始學習，花了半個月看《R語言實戰》這本書的第一二章，聽了猴子老師的live，著手到Rstudio實踐時，發現不知該從何開始。

2017年8月中旬，到慕課網找到《R語言基礎》，跟著老師開始學習。邊學習，便敲代碼，最後，再把猴子老師PPT中的案例演練了一遍。

2017年8月26日，總算完成了作業。

從第一關到第二關經歷了四個月時間，第一是因為遠沒有把學習數據分析當作自己的剛需，第二是因為貪多嚼不爛，參加了兩個社群，運營一個小社群，每天還要看書、學外語，目前已經暫停運營小社群，看書、學外語也是斷斷續續。第三，策略不正確，其實在自己精力不夠用的條件下，可以採取每天學一點的策略。

為自己終於完成了第二關作業而歡喜，為第三關的即將開始而興奮。加油，自己！