【R语言学习8】R语言高级数据管理方法简介（1）

1数学函数

2统计函数

3概率函数

4字符处理函数

5其他使用函数

6实践示例

问题：一组学生参加了数学、科学和英语考试。为了给所有学生确定一个单一的成绩衡量指标，需要将这些科目的成绩组合起来。另外，你还想将前20%的学生评定为A，接下来20%的学生评定为B，依次类推。最后，你希望按字母顺序对学生排序。数据如图所示。

思考：首先，三科考试的成绩是无法比较的。由于它们的均值和标准差相去甚远，所以对它们求平均值是没有意义的。在组合这些考试成绩之前，必须将其变换为可比较的单元。其次，为了评定等级，需要一种方法来确定某个学生在前述得分上百分比排名。再次，表示姓名的字段只有一个，这让排序任务复杂化了。为了正确地将其排序，需要将姓和名拆开。

解答：

1. 创建roster数据集

2. 由于数学、科学和英语考试的分值不同（均值和标准差相去甚远），在组合之前需要先让它们变得可以比较。这个过程可以使用统计函数中的scale()函数来实现。

3. 通过函数mean()来计算各行的均值以获得综合得分，并使用函数cbind()将其添加到花名册中。

这里需要着重介绍apply()函数：apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维度上。apply()函数的使用格式为：apply(x, MARGIN, FUN, ...)，其中，x为数据对象，MARGIN是维度的下标(MARGIN=1表示行，MARGIN=2表示列)，FUN是由你指定的函数，而...则包括了任何想传递给FUN的参数。如图代码含义为计算z数据集中每一行的均值并返回给score，然后利用cbind()函数合并数据集。

4. 题中前20%的学生评定为A，接下来20%的学生评定为B，依次类推的意思为分别以80%，60%，40%，20%定义等级，即将score按照0.8，0.6，0.4，0.2的百分比划分。如图结果所示，80%的临界点为0.74，60%的零界点为0.44，依此类推。使用quantile()函数实现。

5. 通过使用逻辑运算符，将学生的百分位数排名重编码为一个新的类别型成绩

变量。下面在数据框roster中创建了变量grade。

6. 你将使用函数strsplit()以空格为界把学生姓名拆分为姓氏和名字。

7.使用函数sapply()提取列表中每个成分的第一个元素，放入一个储存名字

的向量Firstname，并提取每个成分的第二个元素，放入一个储存姓氏的向量Lastname。"["是一个可以提取某个对象的一部分的函数——在这里它是用来提取列表name各成分中的第一个或第二个元素的。你将使用cbind()把它们添加到花名册中。由于已经不再需要student变量，可以将其丢弃（在下标中使用–1，roster[,-1]）。

8. 最后，可以使用函数order()依姓氏和名字对数据集进行排序：

本文以《R语言实战》的资料为例，为大家展示了不同的函数代码以及在具体问题中的应用，然而要熟练应用这些函数，必须在日常生活中勤学苦练。同时目前R语言的学习社区发展迅速，很多人制作了包并有详细的解读，如针对具体项目，我们也可参考其官方帮助文档进行学习，而在具体过程中可不必深入研究高级数据管理的方法。

参考资料：

卡巴, 科弗, 高涛, 等. R 语 言 实 战[J]. 2013.