数据分析师-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

关于R里因子的问题

R 使用因子表示取值范围是已知集合的分类变量。如果 parse_factor() 函数的 levels 参数被赋予一个已知向量，那么只要存在向量中没有的值，就会生成一条警告：fruit Warning: 1 pars

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

R里的字符串

每个十六进制数表示信息的一个字节： 48 是 H、 61 是 a 等。从十六进制数到字符的这种映射称为编码，这个示例中的编码方式称为 ASCII。 ASCII 可以非常好地表示英文字符，因为它就是美国信息交换标准代码（American Standard Code for Information Interchange）的缩写。对于英语之外的其他语言，事情就变得更加复杂了。计算机发展的早期阶

0.0000

0

5

0

关注作者

收藏

啊啊啊啊啊吖

解析数值似乎是非常直截了当的，但以下 3 个问题增加了数值解析的复杂性。• 世界各地的人们书写数值的方式不尽相同。例如，有些国家使用 . 来分隔实数中的整数和小数部分，而有些国家则使用 ,。• 数值周围经常有表示某种意义的其他字符，如 $1000 或 10%。• 数值经常包含“分组”，以便更易读，如 1 000 000，而且世界各地用来分组的字符也不尽相同。为了解决第一个问题， rea

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

解析向量是个啥

parse_*() 函数族。这些函数接受一个字符向量，并返回一个特定向量，如逻辑、整数或日期向量：str(parse_logical(c("TRUE", "FALSE", "NA")))#> logi [1:3] TRUE FALSE NAstr(parse_integer(c("1", "2", "3")))#> int [1:3] 1 2 3str(parse_date(c("20

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

tidyverse里的readr函数

library(tidyverse)readr 的多数函数用于将平面文件转换为数据框。• read_csv() 读取逗号分隔文件、 read_csv2() 读取分号分隔文件（这在用 , 表示小数位的国家非常普遍）、 read_tsv() 读取制表符分隔文件、 read_delim() 可以读取使用任意分隔符的文件。• read_fwf() 读取固定宽度的文件。既可以使用 fwf_widt

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

使用tibble取子集

迄今为止，所有工具都是作用于整个数据框。如果想要提取单个变量，那么就需要一些新工具，如 $ 和 [[。 [[ 可以按名称或位置提取变量； $ 只能按名称提取变量，但可以减少一些输入：df [1] 0.434 0.395 0.548 0.762 0.254df[["x"]]#>

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

tibble的打印

tibble 的打印方法进行了优化，只显示前 10 行结果，并且列也是适合屏幕的，这种方式非常适合大数据集。除了打印列名， tibble 还会打印出列的类型，这项非常棒的功能借鉴于str() 函数。tibble(a = lubridate::now() + runif(1e3) * 86400,b = lubridate::today() + runif(1e3) * 30,c = 1

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

创建tibble实现简单数据框

tibble 是一种简单数据框，它对传统数据框的功能进行了一些修改，以便更易于使用。 R 是一门古老的语言，其中有些功能在 10 年或 20 年前是适用的，但现在已经过时。在不破坏现有代码的前提下，很难修改 R 的基础功能，因此多数革新都是以扩展包的方式出现的。tidyverse 的核心 R 包之一——tibble 包。library(tidyverse)tibble 是 tidyve

0.0000

0

7

0

关注作者

收藏

阿抽哥哥

Rstudio一直安装不上package咋办啊？

问题图：图中一直转圈说明找不到服务器或者网速太慢了点开“Tools”-> “Global Options”，进入“Packages”在CRAN mirror中选择其他的镜像，例如默认的第一个镜像或者国内镜像试试

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

Python里的切片

使用切片（slicing）来访问特定范围内的元素。为此，可使用两个索引，并用冒号分隔：>>> tag = 'Python web site'>>> tag[9:30]'http://www.python.org'>>> tag[32:-4]'Python web site'切片适用于提取序列的一部分，其中的编号非

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

Python的序列操作-索引

序列中的所有元素都有编号——从0开始递增。你可像下面这样使用编号来访问各个元素：>>> greeting = 'Hello'>>> greeting[0]'H字符串就是由字符组成的序列。索引0指向第一个元素，这里为字母H。不同于其他一些语言， Python没有专门用于表示字符的类型，因此一个字符就是只包含一个元素的字符串。Python将从右（即从最后一个元素）开始往左数，因此1是

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

分组新变量

虽然与 summarize() 函数结合起来使用是最有效的，但分组也可以与 mutate() 和 filter()函数结合，以完成非常便捷的操作。• 找出每个分组中最差的成员：flights_sml %>%group_by(year, month, day) %>%filter(rank(desc(arr_delay)) < 10)#> Source: local data fram

6.8974

1

1

0

关注作者

收藏

啊啊啊啊啊吖

按多个变量分组

当使用多个变量进行分组时，每次的摘要统计会用掉一个分组变量。这样就可以轻松地对数据集进行循序渐进的分析：daily Groups: year, m

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

常用的摘要函数

not_cancelled %>%group_by(year, month, day) %>%summarize(# 平均延误时间：avg_delay1 = mean(arr_delay),# 平均正延误时间：avg_delay2 = mean(arr_delay[arr_delay > 0]))#> Source: local data frame [365 x 5]#>

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

使用管道组合多种操作

假设我们想要研究每个目的地的距离和平均延误时间之间的关系。使用已经了解的 dplyr包功能，你可能会写出以下代码：by_dest

0.0000

0

3

0

关注作者

收藏

阿抽哥哥

Rstudio绘图中pch参数报错

plot(data$Age,data$Income,xlab= "年龄",ylab="收入",main = "年龄与收入的关系",sub = "来自信用卡信息",col = 28,pch=28,cex=1) 报错原因：pch控制符号的类型,可以是1到25的整数,也可以是""里的单个字符，此处pch设置为了28所以报错了。

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

R里的常用创建函数

算术运算符： +、 -、 *、 /、 ^它们都是向量化的，使用所谓的“循环法则”。如果一个参数比另一个参数短，那么前者会自动扩展到同样的长度。当某个参数是单个数值时，这种方式是最有效的： air_time / 60、 hours * 60 + minute 等。算术运算符的另一用途是与我们后面将很快学到的聚集函数结合起来使用。例如， x /sum(x) 可以计算出各个分量在总数中的比例，

0.0000

0

2

0

关注作者

收藏

阿抽哥哥

Rstudio画图为何这么小

问题图：此处函数没有问题，画图前先把Rstudio右下角的画图窗口拉大，在执行代码把图画出来即可

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

添加新变量，我用mutate（）

除了选择现有的列，我们在用R语言做数据分析时还时常需要添加新的列，心裂是现有列的函数，mutate的存在感很强！mutate() 总是将新列添加在数据集的最后，因此我们需要先创建一个更狭窄的数据集，以便能够看到新变量。记住，当使用 RStudio 时，查看所有列的最简单的方法就是使用 View()函数：flights_sml

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

使用select（）选择列

如今，数据集有几百甚至几千个变量已经司空见惯。这种情况下，如何找出真正感兴趣的那些变量经常是我们面临的第一个挑战。通过基于变量名的操作， select() 函数可以让你快速生成一个有用的变量子集。select() 函数对于航班数据不是特别有用，因为其中只有 19 个变量，但你还是可以通过这个数据集了解一下 select() 函数的大致用法：# 按名称选择列select(flights,

0.0000

0

3

0

关注作者

收藏

<1…293294295…340>

CDA考试动态

CDA报考指南