R语言data manipulation学习笔记之创建变量、重命名、数据融合

taoyan：R语言中文社区特约作家，伪码农，R语言爱好者，爱开源。

个人博客: https://ytlogos.github.io/

公众号：生信大讲堂

往期回顾

R语言可视化学习笔记之相关矩阵可视化包ggcorrplot

R语言学习笔记之相关性矩阵分析及其可视化

ggplot2学习笔记系列之利用ggplot2绘制误差棒及显著性标记

ggplot2学习笔记系列之主题（theme）设置

用circlize包绘制circos-plot

利用gganimate可视化R-Ladies发展情况

一篇关于国旗与奥运会奖牌的可视化笔记

利用ggseqlogo绘制seqlogo图

数据分析中数据处理也就是data manipulation是十分繁琐的，为此我将在博客里特意建一个分类：Data Manipulation。本文将讲讲如何在R语言中创建变量、重命名以及merge。

create a dataset

fy <- c(2010,2011,2012,2010,2011,2012,2010,2011,2012)

company <- c("Apple","Apple","Apple","Google","Google","Google","Microsoft","Microsoft","Microsoft")

revenue <- c(65225,108249,156508,29321,37905,50175,62484,69943,73723)

profit <- c(14013,25922,41733,8505,9737,10737,18760,23150,16978)

companiesData <- data.frame(fy, company, revenue, profit)

head(companiesData)

##     fy   company revenue profit

## 1  2010   Apple   65225  14013

## 2  2011   Apple  108249  25922

## 3  2012   Apple  156508  41733

## 4  2010  Google   29321   8505

## 5  2011  Google   37905   9737

## 6  2012  Google   50175  10737

接下来我们需要查看数据集的结构，用str()函数查看

str(companiesData)

## 'data.frame':    9 obs. of  4 variables:

##  $ fy     : num  2010 2011 2012 2010 2011 ...

##  $ company: Factor w/ 3 levels "Apple","Google",..: 1 1 1 2 2 2 3 3 3

##  $ revenue: num  65225 108249 156508 29321 37905 ...

##  $ profit : num  14013 25922 41733 8505 9737 ...

可以看到年份fy这里是是数值型，我们需要更改为因子型，方便后期处理

companiesData$fy <- factor(companiesData$fy, ordered = TRUE)

现在数据已经整理过好了，下面我们来添加变量，比如我们可以看看各个公司的利润率

companiesData$margin <- (companiesData$profit/companiesData$revenue)*100

#查看数据

head(companiesData)

##     fy company revenue profit   margin

## 1 2010   Apple   65225  14013 21.48409

## 2 2011   Apple  108249  25922 23.94664

## 3 2012   Apple  156508  41733 26.66509

## 4 2010  Google   29321   8505 29.00651

## 5 2011  Google   37905   9737 25.68790

## 6 2012  Google   50175  10737 21.39910

小数点位数太多了，这里我们保留一位

companiesData$margin <- round(companiesData$margin, 1)

head(companiesData)

##     fy company revenue profit margin

## 1 2010   Apple   65225  14013   21.5

## 2 2011   Apple  108249  25922   23.9

## 3 2012   Apple  156508  41733   26.7

## 4 2010  Google   29321   8505   29.0

## 5 2011  Google   37905   9737   25.7

## 6 2012  Google   50175  10737   21.4

这样我们就创建了一个新的变量margin，当然也可以删除变量，只要复制需要删除的变量NULL就行了。

#delete variable margin

companiesData$margin <- NULL

head(companiesData)

##     fy company revenue profit

## 1 2010   Apple   65225  14013

## 2 2011   Apple  108249  25922

## 3 2012   Apple  156508  41733

## 4 2010  Google   29321   8505

## 5 2011  Google   37905   9737

## 6 2012  Google   50175  10737

再顺便介绍一下transform函数，用于创建变量，transform的格式如下

dataFrame <- transform(dataFrame, newColumn = oldColumn1 + oldColumn2)

companiesData <- transform(companiesData, margin=round((profit/revenue)*100), 1)

head(companiesData)

##     fy company revenue profit margin X1

## 1 2010   Apple   65225  14013     21  1

## 2 2011   Apple  108249  25922     24  1

## 3 2012   Apple  156508  41733     27  1

## 4 2010  Google   29321   8505     29  1

## 5 2011  Google   37905   9737     26  1

## 6 2012  Google   50175  10737     21  1

接下来讲一下merge，主要是merge函数，它要求进行融合的两个数据集需要有共同的变量即id，使用格式如下：

finaldt <- merge(dataset1, dataset2, by="id")

这里我们再创建一个数据集用于merge

#creat another dataset

company <- c("Apple","Google","Microsoft")

ava1 <- c(1,2,3)

data2 <- data.frame(company, ava1)

head(data2)

##     company ava1

## 1     Apple    1

## 2    Google    2

## 3 Microsoft    3

数据集data2与数据集companiesData具有共同的变量company(id)

#merge the two dataset

newdata <- merge(companiesData, data2, by="company")

这样就得到一个完整的数据集了，当然添加行、列还有两个很有用的函数：rbind()以及cbind(),这里就不介绍了 最后讲一下重命名，其实很简单

companiesData$company <- c("A", "A", "A", "G", "G", "G", "M", "M", "M")

head(companiesData)

##     fy company revenue profit margin X1

## 1 2010       A   65225  14013     21  1

## 2 2011       A  108249  25922     24  1

## 3 2012       A  156508  41733     27  1

## 4 2010       G   29321   8505     29  1

## 5 2011       G   37905   9737     26  1

## 6 2012       G   50175  10737     21  1

#rename the colname

colnames(companiesData) <- c("Year", "Com", "Rev", "Pro", "Mar")

seessioninfo

 sessionInfo()

## R version 3.4.0 (2017-04-21)

## Platform: x86_64-w64-mingw32/x64 (64-bit)

## Running under: Windows 8.1 x64 (build 9600)

##

## Matrix products: default

##

## locale:

## [1] LC_COLLATE=Chinese (Simplified)_China.936

## [2] LC_CTYPE=Chinese (Simplified)_China.936

## [3] LC_MONETARY=Chinese (Simplified)_China.936

## [4] LC_NUMERIC=C

## [5] LC_TIME=Chinese (Simplified)_China.936

##

## attached base packages:

## [1] stats     graphics  grDevices utils     datasets  methods   base

##

## loaded via a namespace (and not attached):

##  [1] compiler_3.4.0  backports_1.1.0 magrittr_1.5    rprojroot_1.2

##  [5] tools_3.4.0     htmltools_0.3.6 yaml_2.1.14     Rcpp_0.12.11

##  [9] stringi_1.1.5   rmarkdown_1.5   knitr_1.16      stringr_1.2.0

## [13] digest_0.6.12   evaluate_0.10

公众号后台回复关键字即可学习

回复 R                  R语言快速入门及数据挖掘 
回复 Kaggle案例  Kaggle十大案例精讲（连载中）
回复 文本挖掘      手把手教你做文本挖掘
回复 可视化          R语言可视化在商务场景中的应用 
回复 大数据         大数据系列免费视频教程 
回复 量化投资      张丹教你如何用R语言量化投资 
回复 用户画像      京东大数据，揭秘用户画像
回复 数据挖掘     常用数据挖掘算法原理解释与应用
回复 机器学习     人工智能系列之机器学习与实践
回复 爬虫            R语言爬虫实战案例分享