在数据分析中，时间序列是我们必须处理的常见数据之一，它可能还包含日期数据以及其他变量。我们可能想要查找两个时间之间的差异，以检查时间序列改变了多少天或多少周。这可以使用 `difftime` 函数轻松完成。示例> difftime(strptime("25/07/2021", format = "%d/%m/%Y"), + strptime("25/07/2020", format = "%d/%m/%Y"), units="weeks") Time difference of 52.14286 weeks > difftime(strptime("25.07.2021", format = "%d.%m.%Y"), + strptime("25.07.2020", format = "%d.%m.%Y"), units="weeks") Time difference of 52.14286 weeks > difftime(strptime("25.07.2021", format = "%d.%m.%Y"), + strptime("25.07.2020", format = ... 阅读更多

R 中的回归分析输出为我们提供了许多值，但如果我们认为我们的模型足够好，我们可能只想提取系数、标准误差和 t 分数或 p 值，因为这些值最终很重要，特别是系数，因为它们有助于我们解释模型。我们可以使用 delta $ 运算符从回归模型摘要中提取这些值。示例考虑以下数据 −> set.seed(99) > x1 x2 x3 x4 x5 x6 x7 y Regression_Model summary(Regression_Model) Call: lm(formula = y ~ x1 + x2 + x3 + x4 + x5 + x6 + x7) ... 阅读更多

在数据分析中，我们必须处理许多情况，其中一种情况是创建一个新列，其中包含某些行的行总和。这些总和将被重复，以便我们获得等于数据框中行数的总值数。我们可以使用 `rowSums` 和 `rep` 函数来创建这种类型的列。示例考虑以下数据框 −> set.seed(99) > x1 x2 x3 x4 x5 df df x1 x2 x3 x4 x5 1 0.7139625 4 9.321058 0.33297863 4 2 0.9796581 2 4.298837 -1.47926432 11 3 0.5878287 ... 阅读更多

错误“子集数据框时选择未定义的列”意味着 R 不理解在子集数据框时要使用的列。通常，当我们忘记在使用单个方括号进行子集时使用逗号时，就会发生这种情况。示例考虑以下数据框 −> set.seed(99) > x1 x2 x3 x4 x5 df df x1 x2 x3 x4 x5 1 0.7139625 4 9.321058 0.33297863 4 2 0.9796581 2 4.298837 -1.47926432 11 3 0.5878287 3 7.389898 -0.07847958 5 4 0.9438585 4 7.873764 -1.35241100 6 5 0.1371621 2 5.534758 -1.17969925 4 6 0.6226740 4 8.786676 -1.15705659 5 7 -0.3638452 1 ... 阅读更多

当我们有多个列表但它们具有类似类型的数据时，我们可能希望组合或合并这些列表。这将非常有用，因为我们可以使用一个列表名称执行计算，而不是将它们应用于多个列表。我们可以使用 `mapply` 函数组合多个列表。示例考虑以下列表 −> List1 List1 [[1]]   [1] "a" "b" "c" "d" "e" [[2]]   [1]  1   2   3   4   5 [[3]]   [1]  5   4   3   2   1 [[4]]   [1] 25 [[5]]   ... 阅读更多

分类变量有多个类别，但是如果数据集很大并且类别数量也很大，那么识别它们就会有点困难。因此，我们可以提取分类变量的唯一值，这将帮助我们轻松识别分类变量的类别。我们可以通过对 R 数据框的每一列使用 `unique` 来做到这一点。示例考虑以下数据框 −> x1 x2 x3 x4 df df    x1 x2  x3     x4 1  A  5 India     a 2  A  5 India     b 3  A ... 阅读更多

R 数据框可以有大量的分类变量，这些分类变量形成不同的组合。例如，一个变量的一个值可以与另一个变量的两个或多个值链接。此外，一个分类变量可以具有所有唯一类别。我们可以找到尽可能多的变量的这种唯一组合，这可以使用 `unique` 函数完成。示例考虑以下数据框 −> x1 x2 x3 x4 df df x1 x2 x3 x4 1 1 A a 5 2 2 A b 5 3 3 A c 10 ... 阅读更多

创建一个列为列表的数据框并不困难，但是我们需要使用 `I` 来处理列表，以便列表元素不会作为单个列工作。在这里，您将找到创建列表的常用方法，如果我们想将该列表插入我们的数据，则该方法是不正确的，正确的使用方法在最后提到。不正确的方法 −示例> x1 x2 df df      x1 c.1..1. c.2..2. c.3..3. c.4..4. c.5..5. c.6..6. c.7..7. c.8..8. c.9..9. 1     1    1       2       3 ... 阅读更多

使用 ggplot2 的 `ggplot` 函数绘制的条形图显示水平和垂直网格线。如果我们只对条形高度感兴趣，那么我们可能更喜欢删除水平网格线。这样，我们可以拥有 X 轴，帮助我们查看感兴趣变量中不同的类别，并摆脱不必要的信息。这可以通过在 `scale_y_discrete` 函数中将 `breaks` 参数设置为 NULL 来完成。示例考虑以下数据框 −> x y df library(ggplot2)创建包含所有网格线的图 −> ggplot(df, aes(x, y))+ + geom_bar(stat='identity')输出创建没有水平网格线的图 ... 阅读更多

由于使用 data.table 进行的操作有时比数据框快，因此我们可能希望将数据框转换为 data.table 对象。数据框和 data.table 之间的主要区别在于数据框在基础 R 中可用，但要使用 data.table，我们必须安装 data.table 包。我们可以使用 data.table 包中的 `setDT` 函数来完成此操作。示例考虑以下数据框 −> set.seed(1) > x1 x2 x3 x4 x5 df df x1 x2 x3 x4 x5 1  -0.1264538 1.7189774 2 6 9.959193 2   0.6836433  1.5821363 3 4 7.477968 3  -0.3356286 ... 阅读更多