R语言笔记11：两个重要函数——用来分解数据框的split和用来查看对象的str

写在前面（~(^_^)~）清明小长假休息了三天，回来发现粉丝数破了200，感动嘤嘤嘤（含泪鞠躬感谢大家的关注）。公众号开了一个月，初衷就是分享一只实验狗转生信小白的学习笔记，每天学了啥就发点啥，回头看看真的很乱，有R，有ggplot2，有Linux，对不起大家T.T，有时间了我会把它们整理起来，方便一起学习。

内个，真的谢谢大家的支持还有小伙伴的留言and鼓励（文章虽然没有留言功能但是大家可以直接在后台发消息，我看到会回复的^^），希望大家多多提建议，希望我们可以一起坚持下去~~

----------- 我是正文分割线 -----------

不是一个循环函数，但它和还有等一起使用起来很方便。

的参数是一个向量，和类似，但是并不计算概括统计量。它所做的是接收一个向量或对象x，然后接收一个因子变量f，f用来指定分组的水平（level），x根据f进行分组，分组之后返回一个列表，我们就可以对这些独立的组使用或者了

举例，和前一节的类似，生成三组随机数，然后通过进行分组，

因子变量设置为3，将x向量分解成3组，可以得到以下这个列表，三个元素：

分组之后使用循环函数或者，求每个组中的统计值

结合起来用是这样的：

其实，在这个例子中我们大可不必使用，因为也可以达到完全一样的效果，而且会更加紧凑

最大的好处是它可以用于分解数据框

↓

Splitting a Data Frame

以datasets数据集中的空气质量（airquality）数据集为例，可以看到数据集中包含臭氧、太阳辐射、风力、温度等测量值，以及月份、日期两个测量时间：

假如我们想计算臭氧、辐射、风力、温度等测量值在某个月份内的平均值，那就要先使用对数据进行分类：

首先将整个数据框按月分组，将f因子设置为离散型变量：

然后使用计算不同列的均值，其中使用匿名函数，计算三个变量的均值：

可以看到结果中对每个月份都返回了一个列表，列表中的每个元素是一个长度为3的向量，代表三个变量在这个月中的均值。

的缺点是以列表的形式返回的数据不够紧凑。因为每个向量长度都是3，我们可以通过函数，简化数据，返回一个三行五列的矩阵，如下：

其中一列数据为NA，这是因为原始数据中有很多NA缺失值，所以，结果也是NA。

怎么去除NA？

给函数传递一个参数，从而在每次计算平均值之前先移除每一列的缺失值：

Splitting on More than one Level

还可以用于基于多个水平的分解：

在前面的例子中，我们只有一个因子变量用于分组，如果我们有多个因子变量，比如性别、种族等，这些因子变量组合起来会产生多个水平，这时怎么办？

举例

创建一个数字向量x，包含10个随机数字，创建两个因子变量f1和f2，分别有2个和5个水平：

使用函数，把这两个变量组合起来，就生成了10个水平：

所以使用分解数值向量x：

PS. 我们也可以使用，直接把两个因子作为列表传递给因子变量f：

这时我们可以看到，不是每个水平上都有观测值，这是正常的情况，我们也可以设置不显示这些没有元素的分组，使用参数：

就这样分组完成后，可以使用其他循环函数再进行计算。

上面的结果中，我们用到了一个没见过的函数——，下面介绍一下它。

最重要的查看函数——str()

代表的是structure，用来查看对象内容，是一个简单的诊断函数，可用来替代

我们可以用它来查看大型列表，结构紧凑

我们也可以用它来查看函数功能，显示参数和概要

总之我们可以用查看各种对象。

例如，生成一组含有100个正态随机数字的向量，平均值为2，标准差为4，然后通过函数返回6个概括统计量，分别是最小值、第25百分位数、中位数、平均数、第75百分位数以及最大值，从中粗略的告诉你这个数列的范围以及离散情况：

使用函数，他会告诉你x是一个数值向量，含有100个数字

再例如，生成一个10*10的矩阵，用查看

参考资料：

视频课程 R Programming by Johns Hopkins University：https://www.coursera.org/learn/r-programming/home/welcome

讲义 Programming for Data Science ：https://bookdown.org/rdpeng/rprogdatascience/R