【笔记】金融风控初步（基于R语言实现）第二讲

旌旗十万斩阎罗

收到私信说能否不放图片直接放文字……于是直接放了未排版的文字上来（在论坛里排版实在太困难了，试了两遍都以失败告终），另外里面缺少一些图片，如有需要，可以直接复制粘贴，然后截图插入图片。
笔记截图与下载放在后面。

金融风控第二讲视频连接：http://www.madio.net/thread-265904-1-1.html


R风控主题建模·第二讲（上）

主要内容：R的基本数据类型，R的编程基本知识

一、R的基本数据类型
（前六分钟……没有实际内容……）
关键词：基本数据元素，基本数据类型，读取数据
1、R中具有五种基本的数据类型：
字符：character
数字：numeric(real numbers)
整数：Integer
复数：Complex
二元逻辑：logical(True/False)
其中用得最多的三类：字符，数字，逻辑。
2、字符：在R里对任何内容加上引号，即为字符，成为“字符常量”。
把字符常量赋予一个变量时，这个变量就叫做字符变量。
（1）赋值符号：<-    有时也用等号，不过用前者比较多，防止等号跟比较符号混淆。
Eg. C<-”aaa”
[1]”aaa”
（2）判断一个符号的类型：mode   ←注意不要记混
Eg.mode(c)
[1]”character”
（3）任何一个字符只要加上引号，都是字符（R中不区分单引号和双引号，都是字符）
Eg.d<-‘123’
mode(d)
[1]”character”
3、数字：直接赋值即可
> e<-123
> e
[1] 123
> mode(e)
[1] "numeric"
4、逻辑类型（T & F）
> f<-T
> mode(f)
[1] "logical"
5、注意两种数据类型：
（1）缺失值：R中认为NA代表缺失值，缺失值意味着这个地方有数据但没有给它值，不知道是多少。缺失值的类型是“逻辑类型”
只要缺失值参与的运算，结果全都是缺失值。
（2）NULL：空值，与缺失值不同，没有占位。
比如j<-c(10,12,12,11,NA)长度为5，如果把NA换成NULL，长度即为4。
通常用NA代表缺失值。

（3）判断是否有NA：is.na(a)
上面的“.”——在R里，点任何意义都没有，可以直接忽略或当成下划线，没有取对象运算或者其他含义，只表示分割。
判断上式中那个是缺失：is,na(a)如果是缺失，结果为TRUE，不是缺失结果为F。
判断上式中哪个不是缺失，在前面加否定符号：!is.na(a)
如果把true值部分打印出来：a[!is.na(a)]
6、数据类型的转换与判断：
判断函数用is.数据类型（），转换函数用as.数据类型（）
Eg.数据类型为字符串（character），判断字符串为is.character()，转换为字符串用as.character()

二、数据结构——元素的组合
1、基本数据结构包括：
向量（Vector）：一维的数据组合
矩阵（Matrix）：二维的数据组合
数组（Array）：多维数据组合
因子（Factor）：R特有，统计学中不能用字符参与运算，一般会把字符重新编码，比如性别为男女，但男女不能参与运算，会将男女分别变为1、2，方便运算。R中移在导入数据时，一旦发现字符，会自动转成因子，方便预测。
列表（List）
数据框（Data frame）——在R的实际处理中，大部分都是对数据框进行操作。
2、向量：
把向量当成一维数组。
（1）创建向量函数： c()
直接排列，用逗号分割即可。也可用创建数列的方式创建。
如果想获取数列的元素，只要把脚标列出即可。（脚标的符号是中括号，而函数是小括号）
另外，脚标是从1开始（与C和python的0开始不同）

//作业：在R中怎么创建一个间隔为2的等差数列

vector()函数也可用于创建向量
> x<-vector("numeric",length=10)
> x
[1] 0 0 0 0 0 0 0 0 0 0


TIPS：
在R中查找帮助的方法：在函数前挂一个问号
“?c()”→这样就会显示出关于这个函数的帮助。

3、矩阵：二维数组，有行和列
（1）生成：
函数matrix()，X行Y列，默认排序顺序先列后行
如果要按照行排列，需加标识byrow=TRUE
注意：生成函数的时候要除尽，比如三行三列要给出9个元素
也可以做字符矩阵。

（2）提取矩阵的元素：
[x,y]中，第一个（x）为行，第二个（y）为列
想提取第二行，写[2,]即可，第二列，写[,2]……空着就可以，不用填内容
想取元素，就表明行和列

（3）改写矩阵某个位置的值：
把第二行第二列的值改成10：
可以单独赋值：matrix5[2,2]<-10

4、数组：在R中其实是多维的数组
（1）生成数组的方式与生成矩阵类似，多加一个维度（行，列，层）

几维都可以，只要可以除尽。
（2）提取数据元素同矩阵：
array1[1,1,1]
array1[2,,]
array1[,1:2,]——不管行和层，只取所有1-2列
R中“:”（冒号）表示“到”

5、因子：
（1）将字符数组转换为因子：
f1<-factor(performance)
实际上里面存的是123，不过展示正常。
可以调用levels函数，说明他有几个水平

Eg.做回归的Y必须是因子类型的。

6、数据框：
数据分析常用到“表”，特点：横为观测，纵为变量。
（1）生成：基本生成法，实际几乎不会用到。data.frame()

R的数据框不是简单的表，观测也有标签，将来可以用这种特性抽样等

（2）提取：
如果行数太大，打开会占非常多的内存，如果只想看函数，可以用head()函数
比如head(score,2)……取它的前两行看结构。
如果想看变量，用names()函数

一般提取同矩阵，提取第二行为score[2,]
正常用$运算符，数据框特有，可以直接用变量调取：
调取第二列（English）：score$English

7、列表：
很少自己去产生列表，但要懂得看，因为很多统计模型的输出结果是列表。
列表——将不一样的数据结构通过统一的数据类型输出出来。

R风控主题建模·第二讲（下）
主要内容：R程序控制，R的函数与包，R的时间与日期类型，在R中读取数据

一、R程序控制：
1、一种程序语言的控制都会涉及到三种结构：
顺承结构：程序一行一行执行（默认）
分支结构：有判断，根据是否满足条件决定走不同分支
循环结构：先进行判断，如果满足条件或不满足条件，都可能进入循环，循环体之后再判断，选择是否进入循环，直到不满足条件才输出。
2、R中的控制语句：
if,else：条件控制
for：循环控制（按步循环）
while：条件循环控制（按条件循环）
（1）if控制语法：
if(<condition>) {            ←满足条件
  ## do something
} else {                    ←不满足条件
  ## do something else
}

if(<condition1>) {            ←满足条件一
  ## do something
} else if(<condition2>) {       ←如果不满足条件一，判断条件二
  ## do something different
} else {                     ←不满足条件一，也不满足条件二
  ## do something different
}


（BTW，我编程学的少但是这个大括号的位置简直……反人类……无法习惯……）

（2）for：按步循环，小括号里跟的是循环条件，一般情况下要标后面跟的迭代器。
迭代器：可以连续next运算的对象。向量是迭代器的一种，文件是按行读的，也是迭代器的一种。
for(i in 1:10){               ←i在1:10这个循环体里
print(i)
}
运行后会打印十次，从1打到10.
其中i一般被称为脚标变量，因为一般会取数组的脚标。
循环一般情况下会与数组合并使用，因此常用作脚标。

②嵌套函数：
x <-matrix(1:6, 2, 3)                    ←赋值x，两行三列
for(i in seq_len(nrow(x))) {               ←i代表行，其中函数是取有多少行
  for(j in seq_len(ncol(x))) {              ←j代表列，其中函数是取有多少列
    print(x[i, j])                        ←取第一行，把所有列元素都打印出来等等。
  }
}

两重大括号互相对应，另外，嵌套函数一般不要超过3重，否则会难以理解。

（3）while按条件循环：
while首先会检查条件，如果满足，就执行，不满足，就不执行：
count <-0
while(count < 10) {
  print(count)
  count <-count + 1
}
醒目：判断条件须在循环体里进行修改，如果少count<-count+1这一句，程序就称为死循环，使用时应特别注意。
——出现死循环怎么办？
——运行处有stop红色按钮，点击就可以停止。

（4）repeat：执行无限循环，很少使用，唯一结束语句是break
（5）next：跳过指定的循环，直接到循环体外面重新执行。
（6）总结：
在R里，能不用循环就不用循环，因为R循环的效率非常低，尤其是while和for，一般来讲，过程控制语句apply函数更加有用，效果相当于循环。
（下节课会讲apply）

二、R的函数与包
1、函数：满足一种功能的一种语言，如果常用，可以把这段程序用括号括起来，并用function()
函数把函数体赋给一个函数f，方便执行，还可以往里传递参数。
书写时没有特别要求。
2、参数配置举栗： sd是计算标准差

以上各种方式都能得出正确结果，但不建议打乱次序

Tips：除了使用？帮助之外，查看函数参数还可以用args()函数
举栗：args(lm)
function (formula, data, subset, weights, na.action, method = "qr", model = TRUE, x = FALSE, y = FALSE, qr= TRUE, singular.ok= TRUE, contrasts = NULL, offset, ...)
函数在定义的时候，有的后面不跟等号，有的后面跟等号。
——不跟等号，说明没有默认值，跟等号说明有默认值。

3、定义函数格式
f<-function(a,b=1,c=2,d=NULL){
}
举栗：（参数可以被使用，也可以不使用）
f <-function(a, b) {
  a^2
}
f(2)
## [1] 4
上述函数不会用到参数b，所以调用f(,2)会产生错误，如果输入f(2)，会提示参数，但不会产生实际影响。
如果参数通过等号赋值，顺序可以随意换，比如f(b=3,a=2)也会出现正确结果4

4、包：已经写好的R的函数。

三、R的日期与时间类型：
1、一般情况下，程序会将日期与时间转换为数字存储，日期会存储为XX天，时间会存储为XX秒。
在R里，日起被代表为日期类，时间被代表为“POSIXct”或者“POSIXIt类”
日期起始计算时间为：1970-01-01。
0值代表这一天。
2、日期常数赋值as.Date()
x <-as.Date("1970-01-01")
x
## [1] "1970-01-01"
unclass(x)
## [1] 0
unclass(as.Date("1970-01-02"))
## [1] 1

可以做加减法：
x1<-as.Date("1970-01-01")
x2<-as.Date("1970-01-02")
x2-x1
Time difference of 1 days

3、时间变量可以用as.POSIXIt或as.POSIXct生成。

系统时间：
today <-Sys.time()
today

> format(today, format="%B %d %Y")
[1] "六月 03 2016"
> p <-as.POSIXlt(today)
> names(unclass(p))
[1] "sec"    "min"    "hour"   "mday"   "mon"    "year"  
[7] "wday"   "yday"   "isdst"  "zone"   "gmtoff"
> p$sec
[1] 1.834683

四、在R中读取数据
读取数据的函数：read.table，read.csv（数值本身以逗号分割），读取二维表数据
1、read.table：数据本身以table键分割。
读数据方式：方法一：通过绝对路径来读取，比如
tab <- read.table("D:/R/hsb2.txt",header=TRUE)
tab
注意："D:/R/hsb2.txt"用的是反斜杠，而不是系统路径中的\

tips：设置工作路径：setwd(“D:/R”)
设置后读取数据时，会自动来这个路径查找。
csv格式的数据：占地空间小

2、安装foreign包后可以读外部数据：
#install.packages("foreign")
library(foreign)
spss1<-read.spss("D:/R/hsb2.sav",to.data.frame = TRUE)
stata1<-read.dta("D:/R/hsb2.dta")

3、安装openxlsx包后可以读excel数据：
#install.packages("openxlsx")
library(openxlsx)
data=read.xlsx("hsb2.xlsx",sheet=1)

tips：清除控制台的命令：ctrl+L
多行脚本变成注释的快捷键：ctrl+shift+c

----------------------------------------------------------------------
笔记截图：













金融风控初步第二讲笔记.pdf (774.58 KB, 下载次数: 2)

2016-6-9 17:58 上传

点击文件名下载附件
下载积分: 体力 -2 点

yi982323

不错不错，给赞一个