tidyverse包-tidyr

chji.txt.png

library(tidyverse)
#读取chji.txt
data_sc<-read_table('chji.txt',skip=1, #skip=1跳过第一行读取文件，因为第一行是中文名
                  col_names=c('stuid','W_politics',
                              'W_chinese','W_english',
                              'L_math','L_physics'))

data_sc.png

ggplot2画箱线图

ggplot(data=data_sc,aes(x='W_politics',y=W_politics))+
  geom_boxplot()

箱线图.png

ggplot(data=data_sc,aes(x='W_politics',y=W_politics))+
  geom_boxplot()+geom_boxplot(aes(x='W_chinese',y=W_chinese))

每个箱线图叠加.png

每个箱线图叠加，一步步操作，这样太麻烦了，换个方法，用tidyverse包里的gather函数，将data_sc宽型数据变成长型数据

#gather:宽型数据变成长型数据
reshape_data<-gather(data_sc,course,score,-stuid)  #k和value构成新数据，k=course为课程，value=score，-stuid去掉这一列不参与构建

reshape_data.png

插个话题，course列里的W_politics也太丑了，如何将course列里的数据分割呢，那就用separate函数

#seprate:拆分列
separate_data<-separate(reshape_data,col=course,sep="_", #col=course要拆分的列，sep="_"按照_拆分
        into=c("subject","course")) #into=c("subject","course")将拆分后得到的新列用subject和course命名

separate_data.png

既然已经将course列拆分了，那么怎么将拆分的数据再合并回去呢
unite函数来完成此任务

#unite:和并列
combine_data<-unite(separate_data,col=course,subject,course, #col=course数据合并后的新列名，将subject和course两列合并
                    sep="_") #两列以_分隔

combine_data.png

ab<-unite(combine_data,col=score,course,score,sep=":")

ab.png

回到正题，现在宽型数据已经变成长型数据了，箱线图码起

#不同科目的成绩比较
ggplot(reshape_data,aes(x=course,y=score,fill=course))+
  geom_boxplot()

不同科目的成绩比较.png

#同学之间的成绩比较
ggplot(reshape_data,aes(x=factor(stuid),y=score,fill=factor(stuid)))+
  geom_boxplot()

同学之间的成绩比较.png

图画完了，我想将长型数据变回宽型数据，spread函数走起

#spread:长型数据变宽型数据
cc<-spread(reshape_data,key=course,value=score) #key=course,将course列里的类别名称转成数据列名，value=score，分数为其向量里的内容

cc.png

有时数据中含有NA缺失值，那我们通过以下几种方法去除含缺失值的行

#读取数据
v_information<-read_csv("vip_information.csv",col_names=T)

v_information.png

#查看出生年月有缺失值的个数
sum(is.na(v_information$csny))
#去除csny向量里含有缺失值的行
drop_csny<-drop_na(v_information,csny)
sum(is.na(drop_csny$csny))

运行图.png

#需要删除多个向量里含有缺失值的行，直接在后面累加
drop_csny<-drop_na(v_information,csny,xb,class)
sum(is.na(drop_csny$class))

运行图.png

抽提向量里的数据

df <- data.frame(x = c(NA, "a.b", "a.d", "b.c", "d.e"))

df.png

df %>% extract(x, c("A", "B"), "([a-z])\\.([a-z])") #x为抽取的列，A,B为新列名
#([a-z])\\.([a-z])为正则表达式，在表达式里[a-z]代表所有的小写字母，\\.点为分隔符

结果图.png