《R語言實戰》第五章讀書筆記
第五章主要對常用函數進行介紹，並將函數應用在一個實際例子中。
一、數值和字元處理函數
1、數字函數
2、統計函數
例如：求x 的30%和84%分位點
range(x) 求值域
3、數據的標準化
- scale(x,center=TRUE,scale=TRUE)為數據對象x 按列進行中心化(center=TRUE)或標準化(center=TRUE,scale=TRUE)；默認情況下，函數scale()對矩陣或數據框的指定列進行均值為0、標準差為1的標準化：
- 要對每一列進行任意均值和標準差的標準化，可以使用如下的代碼：newdata <- scale(mydata)*SD + M其中的M是想要的均值，SD為想要的標準差。在非數值型的列上使用scale()函數將會報錯。
- 要對指定列而不是整個矩陣或數據框進行標準化，你可以使用這樣的代碼：newdata <- transform(mydata, myvar =scale(myvar)*10+50)，此句將變數myvar標準化為均值50、標準差為10的變數。
4、概率函數
概率函數形如 ：
[dpqr]distribution_abbreviation()
其中第一個字母表示其所指分布的某一方面：
d = 密度函數（density）
p = 分布函數（distribution function）
q = 分位數函數（quantile function）
r = 生成隨機數（隨機偏差）
distribution_abbreviation()為概率分布函數，常用在概率分布函數如下表：
默認情況下為 標準正態分布（均值為0，標準差為1）
5、 設定隨機數種子
runif()函數生成0到1區間服從均勻分布的偽隨機數。但是執行不同次，出現的結果不同，若需要顯示指定一個種子，就用到set.seed()函數。例如，第一次執行runif(5)，生成5個隨機數
第二次再執行一次，結果如下：
當手動設定種子之後，就能顯示相同的結果了
5、 生成多元正態數據
MASS包中的mvrnorm()函數可以獲取來自給定均值向量和協方差陣的多元正態分布的數據，
mvrnorm(n,mean, sigma)其中n是你想要的樣本大小，mean為均值向量，而sigma是方差-協方差矩陣（或相關矩陣）。
例如：從以下參數的三元正態分布中抽取500個觀測，代碼如下：
上面一句代碼表示mydata有500個觀測，3個變數。結果我們取10行顯示如下圖：
7、字元處理函數
其中函數grep(),sub(),strsplit()能夠搜索某個字元串（fixed=TRUE）或者正則表達式(fixed=FALSE),參數fixed默認為FALSE。
8、其他常用的函數有以下：
當這些函數應用在各種數據結構中時，可以對所有數據進行函數運算，也可以對行或者列進行函數運算。例如：
生成0到1區間的12個隨機數矩陣。若mean(c)則是全部12個元素的均值，結果如下：
計算每列的如下：
二、控制流
R語言中的控制流與其他編程語言中的一樣，主要有
1、重複和循環
for結構：for循環重複地執行一個語句，直到某個變數的值不再包含在序列seq中為止
例：Hello被輸出的10次
while結構：while循環重複地執行一個語句，直到條件不為真為止。
I初始為10，執行一次輸出，i減1，直到不大於0時則跳出循環，不同語句之間用分號來分隔。
1、條件執行
if-else結構：
if (cond) statement #當cond為真則執行statement
if (cond) statement1 else statement2 #當cond為真則執行statement1，為假則執行statement2
例如：
ifelse結構：是if-else結構比較緊湊的向量化版本，其語法為：ifelse(cond, statement1, statement2)，若cond為TRUE，則執行第一個語句；若cond為FALSE，則執行第二個語句。例如：
switch結構：switch根據一個表達式的值選擇語句執行。語法為：switch(expr,...)其中的...表示與expr的各種可能輸出值綁定的語句。
三、在R語言中也可以根據需要進行函數的自我編寫，格式為：
myfunction<-function(arg1,arg2,…){StatementsReturn(object)} 例子如下：
其中函數的對象只能在函數中使用，返回對象的數據類型是任意的。
四、整合和重構
1、轉置：即反轉行和列，使用函數t()，行名將變成列名。例子:
2、整合數據
在R中使用一個或多個by變數和一個預先定義好的函數來摺疊（collapse）數據是比較容易的。調用格式為：aggregate(x, by, FUN) 其中x是待摺疊的數據對象，by是一個變數名組成的列表，這些變數將被去掉以形成新的觀測，而FUN則是用來計算描述性統計量的標量函數，它將被用來計算新觀測中的值。
例如：
在這個例子中，將mtcars這個數據框中，以cyl和gear為條件，對數據進行均值的操作。在結果中Group.1和Group.2對應的即為cyl,gear的值，以第一行結果為例子，表示cyl為4和gear為3的所有mpg的值進行均值操作的結果為21.5。
3、reshape2包
1) reshape2包並未包含在R的標準安裝中，在第一次使用它之前需要使用install.packages("reshape2")進行安裝。
2) 融合：數據集的融合是將它重構為這樣一種格式：每個測量變數獨佔一行，行中帶有要唯一確定這個測量所需的標識符變數。必須指定要唯一確定每個測量所需的變數。
原始數據：
以ID和Time進行融合後的結果如下：
3）重鑄
dcast()函數讀取已融合的數據，並使用你提供的公式和一個（可選的）用於整合數據的函數將其重塑。調用格式為：newdata <- dcast(md, formula, fun.aggregate)，其中的md為已融合的數據，formula描述了想要的最後結果，而fun.aggregate是（可選的）數據整合函數。例如：
五、問題解決
第五章一開頭的舉的案例可以通過本章學習的函數進行處理：
題目為：一組學生參加了數學、科學和英語考試。為了給所有學生確定一個單一的成績衡量指標，需要將這些科目的成績組合起來。另外，你還想將前20%的學生評定為A，接下來20%的學生評定為B，依次類推。最後，你希望按字母順序對學生排序。數據如表5-1所示。
解決方法：
此時roster為：
此時y的值為：
此時A級的學生則為大於等於百分數為80%的值（0.74），B則為score的值大於0.44小於0.74，則判斷代碼如下：
此時roster為：
此時的roster為：
最後進行排序：
推薦閱讀：