1. 首页
  2. 自学中心
  3. 软件
  4. R

R语言(入门小练习篇)

问题:

一组学生参加了数学、科学和英语考试。为了给所有的学生确定一个单一的成绩衡量指标,需要将这些科目的成绩组合起来。另外,还想将前20%的学生评定为A,接下来20%的学生评定为B,以此类推。最后,希望按字母顺序对学生排序。

Excel中的数据表(自己一个个敲的,最讨厌做的事情TT)

 

StuId StuName Math Science English
1 John Davis 502 95 25
2 Angela Williams 465 67 12
3 Bull Jones 621 78 22
4 Cheryl Cushing 575 66 18
5 Reuven Ytzrhak 454 96 15
6 Joel Knox 634 89 30
7 Mary Rayburn 576 78 37
8 Greg England 421 56 12
9 Brad Tmac 599 68 22
10 Tracy Mcgrady 666 100 38

 

step1:输入数据——R语言导入xlsx

1 #1数据输入
2 install.packages("xlsx")
3 library(xlsx)
4 workbook<-"D:/R语言/code/R语言实战前五章小试身手/StuScore.xlsx"#也可用‘\’注意转义字符
5 StuScore<-read.xlsx(workbook,1)#1表示sheet1
6 StuScore

step2:数据预处理——将变量进行标准化

因为数学,科学和英语考试的分值不同(均值和标准差均有较大差异),在组合之前要让他们变得可以比较

方法:变量标准化,把每科成绩都用单位标准差表示

tips:

所谓数据的标准化是指中心化之后的数据在除以数据集的标准差,即数据集中的各项数据减去数据集的均值再除以数据集的标准差。
例如有数据集1, 2, 3, 6, 3,其均值为3,其标准差为1.87,那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87,即:-1.069,-0.535,0,1.604,0

数据中心化和标准化的意义是一样的,为了消除量纲对数据结构的影响。

 

这里使用scale()可以直接实现

 1 > #2数据预处理
 2 > options(digits=2)#限定为2位小数
 3 > afterscale<-scale(StuScore[,3:5])
 4 > afterscale
 5        Math Science English
 6  [1,] -0.58   1.040    0.20
 7  [2,] -1.02  -0.815   -1.17
 8  [3,]  0.82  -0.086   -0.12
 9  [4,]  0.28  -0.881   -0.54
10  [5,] -1.15   1.106   -0.86
11  [6,]  0.98   0.643    0.73
12  [7,]  0.29  -0.086    1.47
13  [8,] -1.54  -1.544   -1.17
14  [9,]  0.56  -0.749   -0.12
15 [10,]  1.35   1.372    1.57
16 attr(,"scaled:center")
17    Math Science English 
18     551      79      23 
19 attr(,"scaled:scale")
20    Math Science English 
21    84.7    15.1     9.5

这里,有两个疑问:

1.说好的输出两位小数呢?Science那一栏输出的都是三位小数,怎么回事?

 

2.这是什么东东?

  1. 1 attr(,"scaled:center")
    2    Math Science English 
    3     551      79      23 
    4 attr(,"scaled:scale")
    5    Math Science English 
    6    84.7    15.1     9.5

    scale方法中的两个参数center和scale的解释:
    1.center和scale默认为真,即T或者TRUE
    2.center为真表示数据中心化
    3.scale为真表示数据标准化

也就是说:center表示一列数据的均值,scale则表示标准差(有兴趣的同学,可以用Excel的STDEV函数验证一下)

step3:通过函数mean()来计算各行的均值以及获得综合得分,并使用cbind()将其添加到花名册中

 1 > #3在afterscale中计算标准差均值,并将其添加到StuScore
 2 > score<-apply(afterscale,1,mean)#1表示行,mean表示均值函数
 3 > StuScore<-cbind(StuScore,score)
 4 > StuScore
 5    StuId         StuName Math Science English score
 6 1      1      John Davis  502      95      25  0.22
 7 2      2 Angela Williams  465      67      12 -1.00
 8 3      3      Bull Jones  621      78      22  0.21
 9 4      4  Cheryl Cushing  575      66      18 -0.38
10 5      5  Reuven Ytzrhak  454      96      15 -0.30
11 6      6       Joel Knox  634      89      30  0.78
12 7      7    Mary Rayburn  576      78      37  0.56
13 8      8    Greg England  421      56      12 -1.42
14 9      9       Brad Tmac  599      68      22 -0.10
15 10    10   Tracy Mcgrady  666     100      38  1.43

Step4:函数quantile()给出学生综合得分的百分位数

quantile(x,probs):求分位数,其中x为待求分位数的数值型向量,probs为一个由[0,1]之间的概率值组成的数值向量

1 > afterquantile<-quantile(score,c(.8,.6,.4,.2))
2 > afterquantile
3   80%   60%   40%   20% 
4  0.60  0.21 -0.18 -0.50

step5:使用逻辑运算符,把score转为等级(离散型)

 1 > #5使用逻辑运算符,把score转为等级(离散型)
 2 > StuScore$grade[score>=afterquantile[1]]<-"A"
 3 > StuScore$grade[score<afterquantile[1]&&score>=afterquantile[2]]<-"B"
 4 > StuScore$grade[score<afterquantile[2]&&score>=afterquantile[3]]<-"C"
 5 > StuScore$grade[score<afterquantile[3]&&score>=afterquantile[4]]<-"D"
 6 > StuScore$grade[score<afterquantile[4]]<-"E"
 7 > StuScore
 8    StuId         StuName Math Science English score grade
 9 1      1      John Davis  502      95      25  0.22     B
10 2      2 Angela Williams  465      67      12 -1.00     E
11 3      3      Bull Jones  621      78      22  0.21     B
12 4      4  Cheryl Cushing  575      66      18 -0.38     E
13 5      5  Reuven Ytzrhak  454      96      15 -0.30     E
14 6      6       Joel Knox  634      89      30  0.78     B
15 7      7    Mary Rayburn  576      78      37  0.56     B
16 8      8    Greg England  421      56      12 -1.42     E
17 9      9       Brad Tmac  599      68      22 -0.10     E
18 10    10   Tracy Mcgrady  666     100      38  1.43     B

Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字

1 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字
2 > name<-strsplit((StuScore$StuName)," ")
3 Error in strsplit((StuScore$StuName), " ") : non-character argument
4 > name
5 [1] "Jim"  "Tony" "Lisa" "Tom"

 

这里出错了,原因很明确,没有字符型的参数传入,反应过来,原来是用execl导入的时候,StuName那一列默认的是什么类型的呢?我们来检测一下

 1 > is.numeric(StuScore$StuName)
 2 [1] FALSE
 3 > is.logical(StuScore$StuName)
 4 [1] FALSE
 5 > is.character(StuScore$StuName)
 6 [1] FALSE
 7 > is.complex(StuScore$StuName)
 8 [1] FALSE
 9 > help(type)
10 > typeof(StuScore$StuName)
11 [1] "integer"

因此,我们把他改为字符型

 1 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字
 2 > StuScore$StuName<-as.character(StuScore$StuName)
 3 > is.character(StuScore$StuName)
 4 [1] TRUE
 5 > name<-strsplit(StuScore$StuName," ")
 6 > name
 7 [[1]]
 8 [1] "John"  "Davis"
 9 
10 [[2]]
11 [1] "Angela"   "Williams"
12 
13 [[3]]
14 [1] "Bull"  "Jones"
15 
16 [[4]]
17 [1] "Cheryl"  "Cushing"
18 
19 [[5]]
20 [1] "Reuven"  "Ytzrhak"
21 
22 [[6]]
23 [1] "Joel" "Knox"
24 
25 [[7]]
26 [1] "Mary"    "Rayburn"
27 
28 [[8]]
29 [1] "Greg"    "England"
30 
31 [[9]]
32 [1] "Brad" "Tmac"
33 
34 [[10]]
35 [1] "Tracy"   "Mcgrady"

Step7:把name分成Firstname和LastName,加入到StuScore中

 1 > #7把name分成Firstname和LastName,加入到StuScore中
 2 > FirstName<-sapply(name,"[",1)
 3 > LastName<-sapply(name,"[",2)
 4 > StuScore<-cbind(FirstName,LastName,StuScore[,-1])
 5 > StuScore
 6    FirstName LastName LastName         StuName Math Science English score grade
 7 1       John    Davis    Davis      John Davis  502      95      25  0.22     B
 8 2     Angela Williams Williams Angela Williams  465      67      12 -1.00     E
 9 3       Bull    Jones    Jones      Bull Jones  621      78      22  0.21     B
10 4     Cheryl  Cushing  Cushing  Cheryl Cushing  575      66      18 -0.38     E
11 5     Reuven  Ytzrhak  Ytzrhak  Reuven Ytzrhak  454      96      15 -0.30     E
12 6       Joel     Knox     Knox       Joel Knox  634      89      30  0.78     B
13 7       Mary  Rayburn  Rayburn    Mary Rayburn  576      78      37  0.56     B
14 8       Greg  England  England    Greg England  421      56      12 -1.42     E
15 9       Brad     Tmac     Tmac       Brad Tmac  599      68      22 -0.10     E
16 10     Tracy  Mcgrady  Mcgrady   Tracy Mcgrady  666     100      38  1.43     B
17 >

Step8:order排序

 1 > #8order()排序
 2 > StuScore[order(LastName,FirstName),]
 3    FirstName LastName LastName         StuName Math Science English score grade
 4 4     Cheryl  Cushing  Cushing  Cheryl Cushing  575      66      18 -0.38     E
 5 1       John    Davis    Davis      John Davis  502      95      25  0.22     B
 6 8       Greg  England  England    Greg England  421      56      12 -1.42     E
 7 3       Bull    Jones    Jones      Bull Jones  621      78      22  0.21     B
 8 6       Joel     Knox     Knox       Joel Knox  634      89      30  0.78     B
 9 10     Tracy  Mcgrady  Mcgrady   Tracy Mcgrady  666     100      38  1.43     B
10 7       Mary  Rayburn  Rayburn    Mary Rayburn  576      78      37  0.56     B
11 9       Brad     Tmac     Tmac       Brad Tmac  599      68      22 -0.10     E
12 2     Angela Williams Williams Angela Williams  465      67      12 -1.00     E
13 5     Reuven  Ytzrhak  Ytzrhak  Reuven Ytzrhak  454      96      15 -0.30     E
14 >

 

虽然是照着书本上做的,但是,代码必须要自己敲一遍,过程中遇到的一些小问题也解决了,就算菜鸟简单入门。这样样例还可以继续拓展,把R语言实战前5章的内容尽可能用一边,可以绘制一些图,等等,本文还会继续更新。

为ScienceScore绘制条形图

根据不同的分数等级,显示不同的颜色。

 

 1 #为StuScore绘制分组条形图
 2 install.packages("vcd")
 3 library(vcd)
 4 fill_colors<-c()                            #不同的等级,不同的颜色显示
 5 for(i in 1:length(StuScore$Science)){
 6   if(StuScore$Science[i]==100){
 7     fill_colors<-c(fill_colors,"red")
 8   }else if(StuScore$Science[i]<100&&StuScore$Science[i]>=80){
 9     fill_colors<-c(fill_colors,"yellow")
10   }else if(StuScore$Science[i]<80&&StuScore$Science[i]>=60){
11     fill_colors<-c(fill_colors,"blue")
12   }else{
13     fill_colors<-c(fill_colors,"green")
14   }
15 }
16 barplot(StuScore$Science,                            #条形图
17         main="Science Score",
18         xlab="Name",ylab="ScienceScore",
19         col=fill_colors,
20         names.arg=(paste(substr(FirstName,1,1),".",LastName)),   #设定横坐标名称
21         border=NA,                      #条形框不设置边界线        
22         font.main=4,                
23         font.lab=3,
24         beside=TRUE)
25 legend(x=8.8,y=100,                       #左上角点的坐标
26     cex=.8,                                 #缩放比例
27     inset=5,
28     c("Excellent","Good","Ordinary","Bad"),
29     pch=c(15,16,17,19),                       #图例中的符号
30     col=c("red","yellow","blue","green"),   
31     bg="#821122",                          #背景色
32     xpd=TRUE,                              #可以在绘图区之外显示
33     text.font=8,
34     text.width=.6,
35     text.col=c("red","yellow","blue","green")
36     )

 

遇到的问题说明:

起初在设置了20行的名称时,显示了全名,因此出现了一下情况:

031139541495962

因为名称太挤,显示不出来。

解决办法有三:

  1. 保存img时,增大像素值;
  2. 把名词改为简写,即John Davis——>J.Davis
  3. 把名称倾斜,与水平线呈一定的夹角
  4. 利用cex.names=.8对条形图的表情进行微调(减小字号)

由于3没有找到相应的设置参数,所以这里采用了第二种方法。

最后的效果图:

031200384151764

联系作者:

Brad(Bowen Xu)
E-Mail : max_xbw@163.com

原创文章,作者:xsmile,如若转载,请注明出处:http://www.17bigdata.com/r%e8%af%ad%e8%a8%80%ef%bc%88%e5%85%a5%e9%97%a8%e5%b0%8f%e7%bb%83%e4%b9%a0%e7%af%87%ef%bc%89/

联系我们

在线咨询:点击这里给我发消息

邮件:23683716@qq.com

跳至工具栏