R一些语法

1.读文件： 读CSV文件：

U <-read.csv(("G:/JD_data/data/JData_User.csv"),header=TRUE) //不加header默认False，即就是数据框的列名为V1，V2... //header=TRUE,第一列为列名

2.随机抽样

sample(x, size, replace = FALSE, prob = NULL) //replace 是否放回抽样 //prob 所抽取元素的概率 //x里面抽size个数据 可以用于数据框的随机提取某几行数据

3.读取数据框信息 （1）数据框行数：nrow （2）数据框列数：ncol （3）转化为矩阵：data.matrix()

4.合并数据框 （1）横向合并

merge(x = df1, y = df2, by = "某列", all = TRUE) //inner merge(x = df1, y = df2, by = "CustomerId", all.x = TRUE) //left(以x为主) merge(x = df1, y = df2, by = "CustomerId", all.y = TRUE) //right（以y为主） merge(x = df1, y = df2, by = NULL) //outer（相当于笛卡尔积）

（2）纵向合并 rbind（df1，df2）

plyr包中可以将两个列数不同的数据框进行垂直合并（纵向合并），没有该列的用NA填充，代码：

library("plyr") df.new <- rbind.fill(df1,df2)

5.数据框去重

df1 <- df1[!duplicated(df1),] //去掉所有重复的行 df1 <- df1[!duplicated(df1[,c(2,3)]),] //去掉第2和第3列重复的行

6.缺失值处理 NA：代表缺失值 NaN：代表不可能的值 Inf：代表正无穷 -Inf：代表负无穷

is.na（）：识别缺失值 is.nan（）：识别不可能值 is.infinite（）：无穷值

complete.cases（）可用来识别矩阵或数据框中没有缺失值的行，若每行都包含完整的实例，则返回TRUE的逻辑向量，若每行有一个或多个缺失值，则返回FALSE；

df1 <- test[complete.cases(df1),] //可以去掉含有缺失值的行

7.分组求和

a=data.frame(customer=c('a','b','a','m','a','b'),consumption=1:6) a customer consumption 1 a 1 2 b 2 3 a 3 4 m 4 5 a 5 6 b 6 tapply(a$consumption,a$customer,sum) a b m 9 8 4 tapply(a$consumption,a$customer,length) a b m 3 2 1

利用两列的关系进行分组求和

a=data.frame(customer=c('a','b','a','m','a','b'),consumption=1:6,groups=c('A','B','A','B','A','B')) aggregate(a$consumption, list(a$customer,a$groups), sum) Group.1 Group.2 x 1 a A 9 2 b B 8 3 m B 4

8.最大值 （1）找最大值：max() （2）找最大值的下标：which.max()

9.数据中心化（标准化，最小-最大规范化）

即就是将数据映射到[0,1]之间：

公式： x-min(x) / max(x)-min(x)

for(i in 1:ncol){ df1[,i]=(df1[,i]-min(df1[,i]))/(max(df1[,i])-min(df1[,i]))}