R语言数据处理与日期时间操作全解析

### R语言数据处理与日期时间操作全解析 #### 1. 列表和数据框操作 在处理列表和数据框时，我们常常需要对列表的每个元素或数据框的每一行、每一列进行操作。例如，我们可能想知道每列中有多少缺失值。 `apply()` 函数可用于矩阵，但不能用于列表（因为列表没有维度）。对于数据框，`apply()` 会先将其转换为矩阵，只有当所有列类型相同时，这种转换才有意义，否则结果可能出乎意料。 ```R # 创建数据框 dd <- data.frame (a = c(TRUE, FALSE), b = c(1, 123), cc = c("a", "b"), stringsAsFactors = FALSE) # 使用 apply 函数 apply (dd, 1, function (x) x) ``` 上述代码中，由于数据框 `dd` 有字符列，`apply()` 将整个数据框转换为字符矩阵。 `sapply()` 和 `lapply()` 是更通用的操作函数。`lapply()` 总是返回列表，而 `sapply()` 会尝试将输出转换为向量或矩阵。 ```R # 使用 sapply 返回数据框各列的类 sapply (mydf2, class) ``` 当对数据框的行进行操作时，`apply()` 可能会失败，而 `sapply()` 和 `lapply()` 能提供解决方案。 ```R # 使用 sapply 识别包含数字 1 的行 sapply (1:2, function (i) any (dd[i,] == 1)) ``` #### 2. 拆分、应用、合并策略 `apply()` 函数家族遵循 “拆分 - 应用 - 合并” 策略。`tapply()` 函数可对向量执行此操作，我们也可以通过 `split()` 和 `sapply()` 或 `lapply()` 显式实现。 ```R # 创建数据框 age <- data.frame (Age = c(35, 37, 56, 24, 72, 65), Spouse = c(34, 33, 49, 28, 70, 66), Gender = c("F", "M", "F", "M", "F", "F")) # 按性别拆分年龄列 split (age$Age, age$Gender) # 计算各性别年龄的平均值 sapply (split (age$Age, age$Gender), mean) ``` `split()` 还可对数据框进行操作，生成数据框列表，然后我们可以对每个数据框应用函数。 ```R # 按性别拆分数据框 split (age, age$Gender) # 对拆分后的数据框应用 summary 函数 lapply (split (age, age$Gender), summary) ``` #### 3. 全数值数据框 全数值数据框（列均为逻辑或数值类型）在转换为矩阵时能保留列的数值性质，也可进行转置或使用矩阵下标访问。 R 提供了 `as.matrix()` 和 `as.data.frame()` 函数用于数据框和矩阵之间的转换。 #### 4. 便捷函数 为提高代码可读性，我们鼓励使用长名称的对象和列名，但这可能导致代码冗长。`with()` 和 `within()` 函数可简化操作。 ```R # 使用 with 函数进行计算 with (CustPayment2016, JanDebt + FebPurch - FebPmt) # 使用 within 函数添加新列 CustPayment2016 <- within (CustPayment2016, FebDebt <- JanDebt + FebPurch - FebPmt) ``` `subset()` 和 `transform()` 函数可帮助我们更轻松地进行子集提取和转换操作，但使用时需注意，它们更适合交互式使用。 ```R # 使用 subset 函数提取子集 subset(d, Price > 0) # 使用 transform 函数进行转换 transform(d, new_col = col1 + col2) ``` `magrittr` 包中的 `%>%` 函数提供了 “管道” 功能，使代码更易读。 ```R # 使用管道符号进行计算 (8 - 3) %>% sqrt %>% log %>% cos ``` #### 5. 数据框的重新排序、去重和采样 数据框可使用 `order()` 函数进行重新排序。 ```R # 按 ID 和 Date 对数据框排序 ord <- with(cust, order (ID, Date)) cust <- cust[ord,] ``` `unique()` 函数可返回数据框的非重复行，`duplicated()` 可返回逻辑向量，指示哪些行是重复的。 ```R # 去除数据框的重复行 unique(mydf) ``` 对于大数据集，可使用 `sample()` 函数进行随机采样。 ```R # 从数据框中采样 200 行 sam <- sample(nrow(mydf), 200) mydf[sam,] ``` #### 6. 日期和时间对象 在数据清洗中，日期和时间处理是常见需求。我们需要进行日期算术运算，提取日期的日、周几、月、季度或年等信息。 ##### 6.1 日期格式化 R 中最简单的日期类是 `Date`，`as.Date()` 函数可将文本转换为 `Date` 对象。 ```R # 将整数转换为 Date 对象 dvec <- as.Date (c(0, 17250:17252), origin = "1970-01-01") # 使用格式字符串将文本转换为 Date 对象 as.Date (c("Feb 29, 2016", ```