【R】《R语言与数据挖掘》第三章上机记录

1047521767

                                                            【R】《R语言与数据挖掘》第三章上机记录
# ?! q# z* r. _* F书籍：《R语言与数据挖掘》
#（1）查看数据集中CO2的变量名称，并将Treatment的名称更改为Treat
library(reshape)
CO2
! h( t: `2 Y0 t9 W! b2 BCO2 <- rename(CO2,c(Treatment = "Treat"))
# I0 M% P8 s! s/ u# ]+ q  T
0 ]1 x, N% e& c% v#（2）检验CO2中是否存在缺失值，若有，检测缺失值的位置并删除含有缺失值的行
> anyNA(CO2)
6 ]. R5 y( p  q9 b& n: v; F[1] FALSE
6 u% ?/ B  [% x# X% u# A#检测所在行：complete.case(CO2) 删除：CO2[comeplete.case(CO2),]
" _4 T/ E& {7 B& ^6 f# {
& _# v9 u; r$ M8 Z) j#(3)对变量utake按从小到大和从大到小排序，并对数据集CO2按照uptake排序（从大到小和从小到大）
+ F6 g$ ^& C2 ?  o3 \/ E- o, Z#篇幅问题删除部分输出数据
# z" P1 I& W! L5 v  z> sort(CO2$uptake,decreasing = TRUE) #从大到小
/ p# C* k- `0 ?& }! i: x  L [1] 45.5 44.3 43.9 42.9 42.4 42.1 41.8 41.4 41.4 40.6 40.3 39.7
/ R; w0 L+ n- \  b[13] 39.6 39.2 38.9 38.8 38.7 38.6 38.1 37.5 37.2 37.1 35.5 35.4
[25] 35.3 35.0 34.8 34.6 34.0 32.5 32.4 32.4 32.4 31.8 31.5 31.1
/ c3 \. |; q2 N- K[37] 30.9 30.6 30.4 30.3 30.0 28.5 28.1 27.9 27.8 27.3 27.3 26.2
% n0 t7 O/ m. o) G[49] 25.8 24.1 22.2 22.0 21.9 21.0 19.9 19.5 19.4 19.2 18.9 18.9
- ^/ u+ u3 y3 M6 E# Q% D. y> sort(CO2$uptake,decreasing = FALSE)
7 V; o7 _. v$ b& i8 Y0 w7 L& H [1]  7.7  9.3 10.5 10.6 10.6 11.3 11.4 12.0 12.3 12.5 13.0 13.6
[13] 13.7 14.2 14.4 14.9 15.1 16.0 16.2 17.9 17.9 17.9 18.0 18.1
[25] 18.9 18.9 19.2 19.4 19.5 19.9 21.0 21.9 22.0 22.2 24.1 25.8
6 r9 y- ~+ f5 B, g% X; E; `[37] 26.2 27.3 27.3 27.8 27.9 28.1 28.5 30.0 30.3 30.4 30.6 30.9
[49] 31.1 31.5 31.8 32.4 32.4 32.4 32.5 34.0 34.6 34.8 35.0 35.3

; z' W% `0 S8 c# e/ ~> CO2[order(CO2$uptake),]
   Plant        Type      Treat conc uptake
71   Mc2 Mississippi    chilled   95    7.7
29   Qc2      Quebec    chilled   95    9.3
64   Mc1 Mississippi    chilled   95   10.5
0 h$ g, x; i3 k! s43   Mn1 Mississippi nonchilled   95   10.6
1 j1 A3 g/ N& p! J78   Mc3 Mississippi    chilled   95   10.6
57   Mn3 Mississippi nonchilled   95   11.3
7 i! h8 F" y7 R
> CO2[order(-CO2$uptake),]
& L9 H4 x+ o) w& G' X( Z   Plant        Type      Treat conc uptake
- p) Z* n  }/ }4 M2 @21   Qn3      Quebec nonchilled 1000   45.5
14   Qn2      Quebec nonchilled 1000   44.3
( ~! D  A3 C3 t( P20   Qn3      Quebec nonchilled  675   43.9
) Y6 x) S& e+ `  x' V/ _* t19   Qn3      Quebec nonchilled  500   42.9
* V5 V/ l, |; B8 u7 v35   Qc2      Quebec    chilled 1000   42.4
3 N/ r* Z2 G0 d2 p8 J5 L
#（4）将CO2随机分成两组数据，第一组和第二组比例为6：4
* [; T. {' k- U/ fn <- sample(2,84,replace = TRUE,prob = c(0.6,0.4))
(sample1 <- CO2[n == 1,])
(sample2 <- CO2[n == 2,])
0 G. g- _* a& D: k7 f  M' \
3 l: |8 U  P2 y* o% k$ `#（5）应用tapply()函数，计算不同植物（Plant）对应的uptake的平均值
tapply(CO2$uptake,CO2$Plant,mean)

#（6）应用aggegate()函数，计算不同植物（Plant）、不同类型（Type）对应的uptake的平均值
aggregate(CO2$uptake,by = list(CO2$Plant,CO2$Type),FUN = mean)
. S8 A# R% h$ b$ \* v$ Y' J% r4 ?. W. Y
) w7 @% v: ~2 N) d. |* @$ p#（7）应用lapply()函数，同时计算con和uptake的均值
8 {9 g4 O1 |" zlapply(c(CO2$conc,CO2$uptake),mean)

; V  ^+ Z* d+ p2 T#（8）使用grep()函数，查找出植物名称（Plant）中含有”Qn“的行的位置，并将这些行储存于变量Plant_Qn中
Plant_Qn <- grep("Qn",CO2$Plant,fixed = FALSE)
& M1 U. \3 K0 y5 M" `Plant_Qn
3 o6 w! |) @2 ^9 y7 |, R
#（9）使用gsub()函数，将CO2中植物名称（Plant）中的字符串”Qn“改为”QN“


( U2 h2 d7 o2 ?( Q3 ]9 J#编写函数stat，函数同时计算均值、最大值、最小值、标准差、峰度、偏度
. ?: u, [. l5 x#生成自由度为2的t分布的一百个随机数t，并通过stat函数计算……
gsub("[t]","t",CO2$Plant)
( O) `: n. Z# k$ g2 y
$ Y$ Y9 V0 Q: z. u* nlibrary(fBasics)
stat <- function(x)
) F( p: N/ R% q{
  if(!is.numeric(x))
  {
    stop("the input data must be numeric!\n")
$ F+ B' ?" @8 z; D; I" [5 ?% Z  }
+ Y3 ?: x1 g4 K3 [5 a  if(length(x) == 1)
& J6 l+ I5 D( k2 t) U  {
    stop("can not compute sd for one number!\n")
  }
  max1 <- max(x)
  min1 <- min(x)
  mean1 <- mean(x)
  skewness1 <- skewness(x)
  T2 [5 _0 P$ A3 b% }- A' }  y  kurtosis1 <- kurtosis(x)
  answer <- c(max1,min1,mean1,skewness1,kurtosis1)
  return(answer)
}

, f+ c4 u, p: i: g8 [t <- rt(100,2)
stat(t)
* m. Z% y& L( ?. C


+ i4 B/ c5 G: S1 l/ a8 o6 U