
先回忆一下之前用到的例子。
将其输入R语言中:
age <- c(25, 34, 59, 60, 20) #患者年龄
type <- c(1, 2, 2, 2, 1) #糖尿病类型
status <- c("poor", "improved", "excellent", "poor", "excellent") #病情
comorbidity<- c(TRUE, FALSE, FALSE, TRUE, FALSE) #出现并发症
mydata <- data.frame(age, type, status, comorbidity) #将数据框命名为mydata
查看mydata:
mydata
## age type status comorbidity
## 1 25 1 poor TRUE
## 2 34 2 improved FALSE
## 3 59 2 excellent FALSE
## 4 60 2 poor TRUE
## 5 20 1 excellent FALSE
接下来我们就以mydata为例,介绍一下如何对数据框进行简单的操作。
了解一个数据框
多重线性回归,一般是指有多个自变量X,只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍,两者的差距主要在于自变量X的数量,在只有一个X时,就称简单线性回归。
面对数据,第一步就是要了解它有多少条记录(或多少个case/ observation ),有多少个变量(variable)、分别是哪些。
## 获取数据框的维度(几行、几列)
dim(mydata)
[1] 5 4
## 查看数据框中的所有变量名(列名)
names(mydata)
[1] "age" "type" "status" "comorbidity"
## 查看数据框的整体结构(维度、变量名、数据类型、数据内容)
str(mydata)
'data.frame': 5 obs. of 4 variables:
$ age : num 25 34 59 60 20
$ type : num 1 2 2 2 1
$ status : Factor w/ 3 levels "excellent","improved",..: 3 2 1 3 1
$ comorbidity: logi TRUE FALSE FALSE TRUE FALSE
如何提取数据框中的行和列
多重线性回归,一般是指有多个自变量X,只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍,两者的差距主要在于自变量X的数量,在只有一个X时,就称简单线性回归。
2种方法:
1. 数据框后加[ , ]。逗号前是行,逗号后是列。如果没有指定是哪一行或哪一列,默认为所有行/列。
## 提取第一行
mydata[1,]
age type status comorbidity
1 25 1 poor TRUE
## 提取第一列
mydata[,1]
[1] 25 34 59 60 2
## 提取某几行或某几列
## 提取1~3行
mydata[1:3,]
age type status comorbidity
1 25 1 poor TRUE
2 34 2 improved FALSE
3 59 2 excellent FALSE
## 提取第1和第5行的1、2、4列
mydata[c(1,5),c(1,2,4)]
age type comorbidity
1 25 1 TRUE
5 20 1 FALSE
## 变量很多时,用列名来提取更方便
mydata[c(1,5),c('age','type','comorbidity')]
age type comorbidity
1 25 1 TRUE
5 20 1 FALSE
2. 另一种提取列的方法是,在数据框后加 $,然后再加要提取的列名。
## 提取age这一列
mydata$age
[1] 25 34 59 60 20
获取满足特定条件的数据
多重线性回归,一般是指有多个自变量X,只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍,两者的差距主要在于自变量X的数量,在只有一个X时,就称简单线性回归。
1.提取满足某一个条件的数据。
例如,在病情status这个变量中,有poor, improved 和 excellent这三类,现在想获取病情最稳定、恢复最好的患者信息。也就是说,我们希望获得status为excellent的病例,即选择满足mydata$status=='excellent'的行,以及被选中的行的每一列。
mydata[mydata$status=='excellent',]
age type status comorbidity
3 59 2 excellent FALSE
5 20 1 excellent FALSE
此外,还可进一步提取,例如,想获得病情status为excellent的患者中,并发症comorbidity的情况。换句话说,就是,想提取comorbidity的信息,但这些信息必须是病情最稳定的几位患者的。
## 具体操作如下:先提取comorbidity,再设置status的条件
输入语句:mydata$comorbidity[mydata$status=='excellent']
[1] FALSE FALSE
2.提取满足多个条件的数据。
例如,想提取年龄age大于等于20岁,且小于35岁的病例。在R中,用&这个符号表达『并且』。用一个小竖杠 | 表达『或者』。
mydata[mydata$age>=20 & mydata$age<35,]
age type status comorbidity
1 25 1 poor TRUE
2 34 2 improved FALSE
5 20 1 excellent FALSE
3.subset()函数,既可用来选择行,也可选择列,当然也可以用来提取满足特定条件的内容。
# 选择行/满足特定条件的行
subset(mydata, mydata$age>=20 & mydata$age<35)
age type status comorbidity
1 25 1 poor TRUE
2 34 2 improved FALSE
5 20 1 excellent FALSE
# 选择列
subset(mydata, select = c('age','status'))
age status
1 25 poor
2 34 improved
3 59 excellent
4 60 poor
5 20 excellent
有缺失数据怎么办
多重线性回归,一般是指有多个自变量X,只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍,两者的差距主要在于自变量X的数量,在只有一个X时,就称简单线性回归。
由于原来的数据框中没有缺失数据,这里我们来构造一个新的记录(observation),让这个记录中全部都是缺失值。
mydata[6,] <- NA
mydata
age type status comorbidity
1 25 1 poor TRUE
2 34 2 improved FALSE
3 59 2 excellent FALSE
4 60 2 poor TRUE
5 20 1 excellent FALSE
6 <NA> <NA> <NA> <NA>
1. 只保留无缺失的observations。如果希望将无缺失版本的数据框保存起来,要记得把na.omit(mydata)的结果赋值给新的对象。
mydata_no_NA <- na.omit(mydata)
mydata_no_NA
age type status comorbidity
1 25 1 poor TRUE
2 34 2 improved FALSE
3 59 2 excellent FALSE
4 60 2 poor TRUE
5 20 1 excellent FALSE
2. 查看哪个数据为缺失值。需要用到2个函数,这里提醒大家,如果R的语句太复杂,那么可以先从最中心的部分读起,一层括号一层括号地向外扩展。
例如,下面的语句,可以先看最中间的is.na(mydata$age),意思是对age这列中的每个数据进行一次检验,返回『是否为缺失值』的逻辑型结果,即TRUE 或者 FALSE。再看which()这个函数,它返回的是前面这一串TRUE和FALSE中,出现TRUE的顺序号。
从下面的结果我们可以看到,只有第6个数据是TRUE。
which(is.na(mydata$age))
[1] 6
is.na(mydata$age)
[1] FALSE FALSE FALSE FALSE FALSE TRUE
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08LSTM 输出不确定的成因、影响与应对策略 长短期记忆网络(LSTM)作为循环神经网络(RNN)的一种变体,凭借独特的门控机制,在 ...
2025-07-07统计学方法在市场调研数据中的深度应用 市场调研是企业洞察市场动态、了解消费者需求的重要途径,而统计学方法则是市场调研数 ...
2025-07-07CDA数据分析师证书考试全攻略 在数字化浪潮席卷全球的当下,数据已成为企业决策、行业发展的核心驱动力,数据分析师也因此成为 ...
2025-07-07剖析 CDA 数据分析师考试题型:解锁高效备考与答题策略 CDA(Certified Data Analyst)数据分析师考试作为衡量数据专业能力的 ...
2025-07-04SQL Server 字符串截取转日期:解锁数据处理的关键技能 在数据处理与分析工作中,数据格式的规范性是保证后续分析准确性的基础 ...
2025-07-04CDA 数据分析师视角:从数据迷雾中探寻商业真相 在数字化浪潮席卷全球的今天,数据已成为企业决策的核心驱动力,CDA(Certifie ...
2025-07-04CDA 数据分析师:开启数据职业发展新征程 在数据成为核心生产要素的今天,数据分析师的职业价值愈发凸显。CDA(Certified D ...
2025-07-03从招聘要求看数据分析师的能力素养与职业发展 在数字化浪潮席卷全球的当下,数据已成为企业的核心资产,数据分析师岗位也随 ...
2025-07-03Power BI 中如何控制过滤器选择项目数并在超限时报错 引言 在使用 Power BI 进行数据可视化和分析的过程中,对过滤器的有 ...
2025-07-03把握 CDA 考试时间,开启数据分析职业之路 在数字化转型的时代浪潮下,数据已成为企业决策的核心驱动力。CDA(Certified Da ...
2025-07-02