R ：通过 cut + ggplot 迅速画出 按时段 week / month 统计图

见：Plot Weekly or Monthly Totals in R

切 week / month :

log$Month <- as.Date(cut(log$Date,  breaks = "month"))

log$Week <- as.Date(cut(log$Date,  breaks = "week",  start.on.monday = FALSE))

统计并画图：

ggplot(data = log,

  aes(Month, Quantity)) +

  stat_summary(fun.y = sum, # adds up all observations for the month

    geom = "bar") + # or "line"

  scale_x_date(

    labels = date_format("%Y-%m"),

    breaks = "1 month") # custom x-axis labels


用ggplot2画折线图、面积图、直方图等等，笔记：chart_example

R语言数据操作：笔记 chap 9

添加计算的新列：

somedata = transform(somedata, logval = log(val))

划分值域：

sepal = cut(data$length, c(1,5,9,10), include.lowest=TRUE,right=FALSE)

car包,对变量重新编码：

newgroup = recode(group, 'c(1,5)=1; c(2,4)=2; else=3')

stack函数重排数据

data1 data2 data3   =>  values ind (其中ind取值为data1/data2/data3)

unstack转换回来

mydata = unstack(sdata, values~ind)

reshape包：

# obs: subj, time, x, y

mobs = melt(obs)

cast(subj ~ variable + time , data=mobs)

#subj  x_1 x_2 x_3 y_1 y_2 y_3

#后面1-3取值为time的值

cast(subj ~ variable | time, data=mobs)

# $'1' : subj  x y

# $'2' : subj x y

# $'3' :  subj x y

#按time分组

cast(subj ~ variable + time , subset = variable == 'x', data=mobs)

#只取出x的数据，不取y的

 

合并

merge(x,y,all=TRUE)

merge(x,y,all.x=TRUE)

merge(x,y,by.x=cola,by.y=colb)ch(x

找出匹配值的索引

indices = match(x$a, y$a, nomatch=0)

y$a[indices]

R语言数据操作：笔记 chap 8

按地区划分收入高于和低于收入中位数的州的数量：

hiinc = state.x[ , 'income' ] > median(state.x[ , 'income' ])

stateinc = table(state.region , hinnc)

#f_stateinc 共三列：state.region, hinnc, freq(频数)

f_stateinc = as.data.frame(stateinc)

按各列取值去重，算频数：

as.data.frame( table(x) )

添加行合计/列合计：

tt = table(infert$edu, infert$partity)

addmargins(tt,c(1,2))

频率统计：prop.table

按列计算：

sumfun = function(x) c(n=sum(!is.na(x)), mean = mean(x), sd=sd(x))

x = apply(somedata, 2, sumfun)

矩阵每一列除以该列的最大值：

maxes = apply(somedata,2,max)

final = sweep(somedata,2,maxes,"/")

按time和diet分组，求weight的均值：

cweights = aggregate(data$weight,data[c('time','diet')], mean)

cweights = tapply(data$weight, data[c('time', 'diet')], mean)

或

mclick = melt(somedata, measure.var = 'weight')

cast(mclick, diet + time ~ variable, mean)

reshape包

以region为行，求各变量的均值

cast(somedata,region~variable,mean)

以每个变量为一行

cast(somedata,variable~region,mean)

指定变量子集

cast(somedata, region~variable, mean, subset=variable %in% c('population', 'life'))

求各列变量均值、中位数、标准差

cast(somedata, variable~., c(mean,median,sd))

按region汇总各列变量均值、中位数、标准差

cast(somedata, region~variable, c(mean,median,sd))

R语言数据操作：笔记 chap 1 - chap 7

辨认缺失值：is.na

删除带有缺失值的行：na.omit

当所有读入的数据为同一模式时，用scan函数读取较快

read.fwf 读取固定宽度的文件

index = which(veg$va == 2 & veg$vb >=3)

访问mysql：RMySQL

时间窗：range(rdates$Date)

时间间隔：difftime

时间序列：seq(as.Date('1976-7-4'),by='days',length=10)

将字符取值映射为数值取值，可指定是否按顺序：

mons = c ("Mar", "Feb","Jan")

mons = factor(mons, levels=c("Jan", "Feb", "Mar"), ordered=TRUE)

InsectSpray数据框，包含6种喷剂spray(A-F)处理后昆虫的数量count，要根据spray分组求count均值，再按均值大小升序排列spray

InsectSpray$spray = with(InsectSpray, reorder(spray,count,mean))

cut 将数值变量转换成因子：cut(women$weight,3,labels=c('low','med','high'))

时间序列： days = seq(from=as.Date('2012-10-11'), to=as.Date('2012-10-21'),by='day')

按flow升序： new <- old[ order( old[,'flow'] ) , ]

取满足条件的子集中指定的列：subset(dd, b>10,select=c(cola,colb) )

cat 打印输出字符串

按条件拆分字符串（支持正则）： strsplit(somestr, ' ')

替换 gsub

R语言初学者指南：笔记

c, cbind, rbind

dfrm <- data.frame(WC = wincrd,TS=tarsus)

dfrm$WC

read.table

取符合某个条件的行：somedata[ somedata$somecol==1, ]

取符合多个条件的行（或）：somedata[ somedata$somecola==1 | somedata$somecolb==2 | somedata$somecolc==3, ]

取符合多个条件的行（与）：somedata[ somedata$somecola==1 & somedata$somecolb==2 &somedata$somecolc==3, ]

取第六列：somedata[ , 6]

合并：merge

write.table

排序：order

根据B分组计算A的均值：tapply(veg$a, veg$b, mean)

按列求第5-9列元素的均值，输出值为向量：sapply(veg[,5:9], FUN=mean)

按列求第5-9列元素的均值，输出值为列表：lapply(veg[,5:9], FUN=mean)

根据指定条件分组计数：table(deer$sex, deer$year)

z <- function(x,y) {}

连接字符串 paste("a","b", sep=" ")


y <- ifelse(x < 1, -1, 1)  相当于 y <- sign(x - 1)

x <- 10:1 ; x %in% c(4:6) 检查在x数组中取值在c(4,6)集合内的元素 

数据实测：切比雪夫不等式

wiki介绍：切比雪夫不等式

切比雪夫不等式，对任何分布形状的数据都适用。一般而言，切比雪夫不等式給出的上界已無法改進。

也就意味着，这边给出的上界不大可能精确逼近，只是估算。

拿实际数据测了一把：

不等式估算的上界与实际数据计算出来的比例差了0.1：

> p_che

[1] 0.1111111

> p_real

[1] 0.007025371

> p_delta

[1] 0.1040857

 一图胜千言，还是要针对数据分布来选合用的估算方案，只有上界hold不住的