加入 Gitee

与超过 1200万开发者一起发现、参与优秀开源项目，私有仓库也完全免费：）

该仓库未声明开源许可证文件（LICENSE），使用请关注具体项目描述及其代码上游依赖。

克隆/下载

第二期.md 4.56 KB

# 第二期 程序控制与数据操作流

[查看代码](main.R)

## 推荐图书

- [《R for Data Science》](http://r4ds.had.co.nz/)
- 《R 语言编程指南》
- 《R 实战》
- 其他推荐见：https://shixiangwang.gitee.io/geek-r-tutorial/expand-reading.html

## 其他资料

- [R 语言简介](r-language-introduction.pdf)
- [数据分析基础](data-analytics-introduction.pdf)
- [小抄-基础r](base-r.pdf)
- [小抄-基础编程](R-Programming.pdf)
- [小抄-数据导入](data-import.pdf)
- [小抄-tidyverse基础](Tidyverse.pdf)
- [小抄-数据转换和处理](data-transformation.pdf)

## R 编程基础

- https://shixiangwang.gitee.io/geek-r-tutorial/base.html

内容：

- 基础语法
- 控制与循环结构
- 函数与包
- 数据读取和保存
    - `read.*`与 `write.*`
    - `load` 与 `save`
    - `readRDS` 与 `saveRDS`

## 数据操作流程

- 放本小抄在身边，随时查阅

### Tidyverse

- https://github.com/tidyverse/

- 数据导入 `read_*`

- 管道 `%>%`

- `x %>% f(y)` > `f(x, y)`

- 筛选

- 行筛选 `slice`, `filter`, `sample_n`, `sample_frac`, `top_n`, `distinct`
    - 列筛选 `select`
        - `contains`
        - `num_range`
        - `starts_with`
        - `ends_with`
        - `one_of`
        - `matches`
    - 排序 `arrange`

- 行列增加/更新

- `mutate`, `transmute`
    - `mutate_`
    - `add_row`
    - `add_column`
    - `rename`
    - `rownames_to_column`, `column_to_rowname`           
    - 向量化函数
        - 基本的数学和比较逻辑运算符 `+ - * / > < ==`
        - 偏移 `dplyr::` `lag` `lead`
        - 聚合 `dplyr::` `cumall` `cumany` `cummax` `cummean` `cummin` `cumprod` `cumsum`
        - 排序 `dplyr::` `cume_dist` `dense_rank` `min_rank` `ntile` `percent_rank` `row_number`
        - 其他 `dplyr::` `between` `case_when` `coalesce` `if_else` `na_if` `pmax` `pmin` `recode` `recode_factor`

- 汇总

- 简单汇总 
        - `count`                                                                                                                                                                         
        - `summarize`
    - 分组汇总 `group_by`, `ungroup`
    - 汇总函数
        - 计数 `dplyr::` `n` `n_distinct` `base::sum(!is.na())`
        - 位置 `mean`, `meadian`
        - 逻辑值 `mean`, `sum`
        - 位置 `dplyr::` `first` `last` `nth`
        - 排序 `quantile` `min` `max`
        - 分布 `IQR` `mad` `sd` `var`

- 合并

- `bind_rows`
    - `bind_cols`
    - `semi_join`
    - `anti_join`
    - `left_join`, `right_join`, `inner_join`, `full_join`
    - `intersect`
    - `setdiff`
    - `union` 
    - `setequal` 辅助查看两个数据集是否相同（不管行序）

- 变异动词 (`_at`, `_if`, `_all`)

- `filter_*`
    - `select_*`
    - `summarize_*`
    - `arrange_*`
    - ...

- 字符处理

- `substr`
    - `stringr`包与正则表达式略微复杂，可以单独讲一次

- 转换 **tidyr**
    - Tidy 数据格式

![image-20200527160518635](%E7%AC%AC%E4%BA%8C%E6%9C%9F.assets/image-20200527160518635.png)

![Following three rules makes a dataset tidy: variables are in columns, observations are in rows, and values are in cells.](%E7%AC%AC%E4%BA%8C%E6%9C%9F.assets/tidy-1.png)

- `tibble`
        - `tribble`, `enframe`
        - `as_tibble`, `is_tibble`

- 缺失值
        - `drop_na`
        - `fill`
        - `replace_na`
        
    - 长转宽 `pivot_wider`, `spread`

![image-20200527160608769](%E7%AC%AC%E4%BA%8C%E6%9C%9F.assets/image-20200527160608769.png)

- 宽转长 `pivot_longer`, `gather`

![Pivoting `table4` into a longer, tidy form.](%E7%AC%AC%E4%BA%8C%E6%9C%9F.assets/tidy-9.png)

- 拓展表格
        - `expand`
        - `complete`
        
    - 分割和连接
        - `separate`
        - `separate_rows`
        - `unite`

- 数据导出

- `write_*`

### data.table 与 base

- 数据导入 `fread`
- 数据导出 `fwrite`
- data.table 语法 `dt[i, j, by]`
- 数据过滤与合并等操作与 R 基础语法一致，也可以使用 tidyverse 处理
    - 整数索引
    - 逻辑索引
    - 命名索引
- 进一步的学习参考小抄、文档和《R 语言编程指南》

## 本期未讲述的内容？？？

- 正则表达式与字符串处理：`base` 与 `stringr`
- 列表处理与迭代计算： `purrr`
- 统计建模： `stats` 与 `broom`
- 绘图：`graphics` 与 `ggplot2`
- 函数编程：`apply`家族和`purrr`等

## 后几期主题

开发：

-   devtools
-   usethis
-   testthat
-   roxygen2 与 roxytest

一键复制编辑原始数据按行查看历史

提交于 2021-06-20 17:06 . update

第二期程序控制与数据操作流

推荐图书

《R for Data Science》
《R 语言编程指南》
《R 实战》
其他推荐见：https://shixiangwang.gitee.io/geek-r-tutorial/expand-reading.html

其他资料

R 编程基础

https://shixiangwang.gitee.io/geek-r-tutorial/base.html

内容：

基础语法
控制与循环结构
函数与包
数据读取和保存
- read.*与 write.*
- load 与 save
- readRDS 与 saveRDS

数据操作流程

放本小抄在身边，随时查阅

Tidyverse

https://github.com/tidyverse/
数据导入 read_*
管道 %>%
- x %>% f(y) > f(x, y)
筛选
- 行筛选 slice, filter, sample_n, sample_frac, top_n, distinct
- 列筛选 select
  - contains
  - num_range
  - starts_with
  - ends_with
  - one_of
  - matches
- 排序 arrange
行列增加/更新
- mutate, transmute
- mutate_
- add_row
- add_column
- rename
- rownames_to_column, column_to_rowname
- 向量化函数
  - 基本的数学和比较逻辑运算符 + - * / > < ==
  - 偏移 dplyr:: lag lead
  - 聚合 dplyr:: cumall cumany cummax cummean cummin cumprod cumsum
  - 排序 dplyr:: cume_dist dense_rank min_rank ntile percent_rank row_number
  - 其他 dplyr:: between case_when coalesce if_else na_if pmax pmin recode recode_factor
汇总
- 简单汇总
  - count
  - summarize
- 分组汇总 group_by, ungroup
- 汇总函数
  - 计数 dplyr:: n n_distinct base::sum(!is.na())
  - 位置 mean, meadian
  - 逻辑值 mean, sum
  - 位置 dplyr:: first last nth
  - 排序 quantile min max
  - 分布 IQR mad sd var
合并
- bind_rows
- bind_cols
- semi_join
- anti_join
- left_join, right_join, inner_join, full_join
- intersect
- setdiff
- union
- setequal 辅助查看两个数据集是否相同（不管行序）
变异动词 (_at, _if, _all)
- filter_*
- select_*
- summarize_*
- arrange_*
- ...
字符处理
- substr
- stringr包与正则表达式略微复杂，可以单独讲一次
转换 tidyr
- Tidy 数据格式
  - tibble
  - tribble, enframe
  - as_tibble, is_tibble
- 缺失值
  - drop_na
  - fill
  - replace_na
- 长转宽 pivot_wider, spread
- 宽转长 pivot_longer, gather
- 拓展表格
  - expand
  - complete
- 分割和连接
  - separate
  - separate_rows
  - unite
数据导出
- write_*

data.table 与 base

数据导入 fread
数据导出 fwrite
data.table 语法 dt[i, j, by]
数据过滤与合并等操作与 R 基础语法一致，也可以使用 tidyverse 处理
- 整数索引
- 逻辑索引
- 命名索引
进一步的学习参考小抄、文档和《R 语言编程指南》

本期未讲述的内容？？？

正则表达式与字符串处理：base 与 stringr
列表处理与迭代计算： purrr
统计建模： stats 与 broom
绘图：graphics 与 ggplot2
函数编程：apply家族和purrr等

后几期主题

开发：

devtools
usethis
testthat
roxygen2 与 roxytest

1

https://gitee.com/ShixiangWang/Workshop.git

git@gitee.com:ShixiangWang/Workshop.git

ShixiangWang

Workshop

Workshop

master