R语言数据分析与挖掘-R语言数据操作基础

R语言数据类型011R语言数据对象02R语言文本处理03R语言数据类型201PAGE3数据类型判断及转换R语言中用来存储数据的类型有多种，包括数值型（numeric）、整数型（integer）、逻辑型（logical）、日期型（Date）、字符型（character）、复数型（complex）。类型辨别转换数值型(numeric)is.numeric()as.numeric()整数型

(integer)eger()eger()逻辑型(logical)is.logical()as.logical()日期型(Date)is.Date()

as.Date()字符型(character)is.character()as.character()复数型(complex)plex()plex()空值(NULL)is.null()as.null()可以通过methods(is)命令来查看所有类型判断函数，methods(as)命令查看所有的类型转换函数。PAGE4日期类型数据处理R语言的基础包中提供了两种类型的时间数据，一类是Date日期数据，它存储的是天，不包括时间和时区信息，另一类是POSIXct/POSIXlt类型数据，其中包括了日期、时间和时区信息。函数功能描述ISOdate()用数字直接生成日期对象,

得到的是一个POSIXct对象ISOdatetime()用数字直接生成日期对象,

允许继续加入小时、分钟、秒数信息Sys.Date()返回系统当前的日期Sys.time()返回系统当前的日期和时间Sys.timezone()返回系统当前所在的时区date()返回系统当前的日期和时间(返回的值为字符串)as.Date()将字符串形式的日期转换为日期格式format()将日期变量转换成指定格式的字符串as.POSIXlt()将字符串转化为包含时间及时区的日期变量strptime()将字符型变量转化为包含时间的日期变量strftime()将日期变量转换成指定格式的字符型变量difftime()计算两个日期变量间隔的秒数、分钟数、小时数、天数、周数weekdays()取日期变量所处的星期几months()取日期变量所处的月份quarters()取日期变量所处的季度PAGE5日期或时间格式含义format()函数将日期/时间输出为字符串，各种日期/时间格式含义如下：格式含义示例%d数字表示的日期（0~31）01~31%a缩写的星期名Mon/周一%A非缩写星期名Monday/星期一%w数字表示的星期几0~6(0为周日)%b缩写的月份Jan/1月%B非缩写月份January/一月%m月份（01~12）01~12%y两位数的年份19%Y四位数的年份2019%H24小时制小时（00~23）00~23%I12小时制小时（01~12）01~12%pAM/PM(上午/下午)指示AM/PM(上午/下午)%M十进制分钟（00~60）00~60%S十进制秒（00~60）00~60R语言数据对象602PAGE7R语言数据对象R语言拥有许多用于存储数据的对象类型，常用数据对象包括向量(vector)、矩阵(matrix)和数组(array)、因子(factor)、列表(list)和数据框(data.frame)。它们在存储数据的类型、创建方式、结构复杂度，以及用于定位和访问其中个别元素的标记等方面均有所不同。多样化的数据对象赋予了R灵活处理数据的能力。R语言文本处理803PAGE9基本文本处理基本文本处理包括字符串元素个数统计、字符串的合并及拆分、字符串的提取和替换以及字符编码转换等操作。基础包中的文本处理函数如下：PAGE10grep函数族grep函数族中的grep、grepl、regexpr、gregexpr等函数的匹配规则均可以使用正则表达式。函数作用grep()查找功能，返回匹配结果的下标集grepl()查找功能，返回是否匹配的逻辑向量regexpr()返回匹配向量包括字符的位置及匹配长度(只匹配第一次出现的)，不匹配返回-1“match.length”给出匹配文本长度的整数向量（或-1）gregexpr()返回匹配列表包含字符的位置及匹配长度(匹配多次)，不匹配字符返回-1，每个元素的格式与regexpr的返回值相同regexec()返回匹配列表包含字符的位置及匹配长度(只匹配第一次出现的)，不匹配返回-1参数描述pattern正则表达式x,text字符向量或字符对象ignore.case逻辑值，FALSE表示大小写敏感、TRUE表示大小写不敏感perl逻辑值，是否使用perl风格的正则表达式，FALSE表示不使用，TRUE表示使用value逻辑值，FALSE返回匹配元素的下标，TRUE返回匹配的元素值fixed逻辑值，FALSE表示正则表达式匹配，TRUE为精确匹配useBytes逻辑值，FALSE表示按字符匹配，TRUE表示按字节匹配invert逻辑值，FALSE查找匹配值，TRUE返回不匹配元素的下标或值（根据value值）PAGE11常用正则表达式转义符基本文本处理包括字符串元素个数统计、字符串的合并及拆分、字符串的提取和替换以及字符编码转换等操作。基础包中的文本处理函数如下：转义字符作用\f换页符\n换行符\r回车符\t制表符（tab）\v垂直制表符.可以匹配任何单个的字符、字母、数字甚至.字符本身。同一个正则表达式允许使用多个.字符。但不能匹配换行\\

转义字符，如果要匹配就要写成“\\(\\)”|表示可选项，即|前后的表达式任选一个^取非匹配$放在句尾，表示一行字符串的结束()提取匹配的字符串，(\\s*)表示连续空格的字符串[]选择方括号中的任意一个{}前面的字符或表达式的重复次数。如{3,6}表示重复的次数不能小于3，不能多于6，否则都不匹配*匹配零个或任意多个字符或字符集合，也可以没有匹配+

匹配一个或多个字符，至少匹配一次?匹配零个或一个字符\d任何一个数字字符，等价于[0-9]\D任何一个非数字字符，等价于^[0-9]\w任何一个字母、数字字符（大小写均可以）或下划线字符\W任何一个非字母、数字或字符下划线字符\s任何一个空白字符（等价于[\f\n\r\t\v]）\S

任何一个非空白字符（等价于[^\f\n\r\t\v]）PAGE12字符串提取、替换和拆分在对文本进行处理时，经常需要截取字符串某一部分，此时可用substr()和substring()函数实现，如果对提取的字符串进行重新赋值，也可用于字符串替换。其函数基本形式为：substr(x,start,stop)substring(text,first,last=1000000L)substr(x,start,stop)<-valuesubstring(text,first,last=1000000L)<-value参数说明x/test字符串或者字符串向量start/first预读取/替换字符串的第一个下标（起始位置）stop/last预读取/替换字符串的最后一个下标（结束位置），last