分析学优势:R语言基础 基于r语言的dea分析

各位想学习R语言、机器学习、深度学习的朋友，想寻求相关方面资料的朋友，可以向我咨询。请文末留言。

R语言：免费、开源、使用广泛、简单易用、可视化效果好。

在美国以外的地区，使用R语言先运行Sys.setlocale("LC_ALL","C")语句，避免出现某些格式问题。

ls()：查看当前面板变量名。

names(读取文件的存储名)，如poll=read.csv("polling.csv"), names(poll)

rm(变量名1，变量名2，……)：移除变量1，变量2……

？函数名：查看函数的帮助的页面，如?sqrt

getwd()：获取当前工作路径。

setwd(绝对路径)：设置工作路径。

写.csv格式的文件：write.csv(目标变量，预保持的文件名.csv)

安装包：install.packages(包名)，如install.packages("caTools")

使用包：library(包名)，如library(caTools)

R语言中常见的几个基本函数：（以polling.csv文件为例）

poll=read.csv("polling.csv")

str(poll)：查看poll数据框的变量名，变量名类型，对象个数，变量个数。

summary(poll)：查看poll数据框各变量的统计学量，sd(poll$age)，age变量的方差。

重要：若数据有缺失值，用mean,sum,sd函数计算时要添加na.rm=TRUE，如mean(poll$ages,na.rm=TURE)。

mean(TRUE)：1

mean(FALSE)：0，若传入mean()函数的为TRUE,TRUE,FALSE，则输出为0.6666667，即计算TRUE的频率。

which.max()：求最大值的下标；which.min()求最小值的小标。

subset(poll,age>60)：提取poll数据框的子集，满足age>60的对象。

table(poll$Regions，na.rm=TRUE)：统计poll变量各Region出现的频数。

table(poll$Sex, poll$Region)：显示结果为矩阵形式，行代表poll$Sex,列代表poll$Region。

tapply(limited$Info.On.Internet, limited$Smartphone, summary，na.rm=TRUE)：第三个参数（summary，mean，sum……）作用于第一个参数，以第二个参数分类；表示以不同的limited$Smartphone分类，计算summary(limited$Info.On.Internet)。

sort(tapply(is.na(CPS$MetroAreaCode), CPS$State, mean))：对tapply()的结果排序，相当于对CPS数据集的不同State变量，求MetroAreaCode为TRUE的平均值。

例sort(tapply(CPS$Country == "India", CPS$MetroArea, sum, na.rm=TRUE))

is.na(CPS$MetroAreaCode)：在CPS$MetroAreaCode的缺失值处，返回TRUE，无缺失值返回FALSE。

重要：若数据有缺失值，用mean,sum,sd……函数计算时要添加na.rm=TRUE，如mean(poll$ages,na.rm=TURE)。

比较大小符号的使用情况：如poll$age>60，则返回值为TRUE与FALSE。as.numeric(poll$age>60)将TRUE与FALSE转换成1和0；常与mean()函数使用，如mean(poll$age>60)。

常见画图函数：

plot(X,Y,xlab=,ylab=,main=,col=,ylim=c(0,210)):横轴X，纵轴Y，col图像颜色，ylim为y轴范围，c(0,210)为vector；vector创建的方法为c("China","USA")。

如plot(CocaCola$Date[301:432], CocaCola$StockPrice[301:432], type="l", col="red", ylim=c(0,210))

lines(X,Y,col=)：在上图的基础上新增其它数据的图。

如lines(ProcterGamble$Date, ProcterGamble$StockPrice, col="blue")

abline(v=as.Date(c("2000-03-01")), lwd=2) ：在X为“2000-03-01"处添加垂直线，查看相应位置线的位置。

plot(CocaCola$Date[301:432], CocaCola$StockPrice[301:432],xlab = "Date",ylab = "StockPrice",type="l",main = "StockPrice VS date of Five Countires", col="red", ylim=c(0,210))

lines(ProcterGamble$Date[301:432], ProcterGamble$StockPrice[301:432], col="blue")

lines(IBM$Date[301:432], IBM$StockPrice[301:432], col="green")

lines(GE$Date[301:432], GE$StockPrice[301:432], col="purple")

lines(Boeing$Date[301:432], Boeing$StockPrice[301:432], col="orange")

abline(v=as.Date(c("2000-03-01")), lwd=2)

股价随时间的变化图

hist(CocaCola$Date[301:432]，xlab=,main=,xlim=c(0,100),breaks=200)：直方图，有利于理解数据的分布，"CocaCola$Date[301:432]"欲画图的数据，breaks矩形的个数，每个矩形的宽度=总宽度/breaks。

hist(poll$Age,xlab = "Age",ylab = "Frequency",main = "Histogram of Age",xlim = c(0,150),breaks = 10)

年龄直方图

boxplot(USDA$Sugar, ylab = "Sugar (g)", main = "Boxplot of Sugar")：盒图。

boxplot(Y~X)：Y为纵轴，X为横轴。

boxplot(WHO$CellularSubscribers~WHO$Region,xlab="Region",ylab="Life Expectancy",main="Life Expectancy of Countries by Region")

LifeExpectancy和Region盒图

创建vector：A=c(2,3,4,5)，A的下标从[1]开始，可认为创建的为列vector。

seq(0,100,2)序列：0，2，4，6，……，100。

创建dataframe：data.frame(vector1,vector2,……)。

合并两个dataframe：rbind(dataframe1,dataframe2)。

Country = c("Brazil", "China", "India","Switzerland","USA")

LifeExpectancy = c(74,76,65,83,79)

dataframe1 = data.frame(Country, LifeExpectancy)

dataframe1$Population = c(199000,1390000,1240000,7997,318000)

dataframe以Country,LifeExpectancy,Population为变量，在数据框的第一行，可使用生成.csv文件的如下命令write.csv(dataframe3,"dataframe3.csv")查看。

##

Country = c("Australia","Greece")

LifeExpectancy = c(82,81)

Population = c(23050,11125)

dataframe2 = data.frame(Country, LifeExpectancy, Population)

##

dataframe3=rbind(dataframe1,dataframe2)

查看dataframe3中的变量，先读取文件df=read.csv(""dataframe3.csv"")，再df["Country"]，若df$Country则显示比较麻烦。

将两个数据框中的变量进行匹配：CPS = merge(CPS, MetroAreaMap, by.x="MetroAreaCode", by.y="Code", all.x=TRUE)：其中MetroAreaCode来自于数据框CPS，Code来自于数据框MetroAreaMap，根据相应对象进行匹配；all.x=TRUE表示对CPS中相应的每一行都进行匹配。

将数据集中日期格式转换成R中的日期格式：

as.Date(strptime(日期变量，日期变量的格式))

如DateConvert = as.Date(strptime(mvt$Date, "%m/%d/%y %H:%M"))；DateConvert[1]显示第一个时间。

或IBM$Date = as.Date(IBM$Date, "%m/%d/%y")

提取月份和周再为mvt新增两个变量：mvt$Month = months(DateConvert)；mvt$Weekday = weekdays(DateConvert)。