使用R讀取并查看數(shù)據(jù)

本篇文章介紹如何使用R語言讀取并查看數(shù)據(jù)，包含一些最基礎(chǔ)的函數(shù)使用方法和說明。后面還會陸續(xù)介紹數(shù)據(jù)清洗，匹配和提取等相關(guān)的操作。

查看函數(shù)幫助

對于新手來說，在使用R時(shí)最重要的是了解不同函數(shù)的使用方法。很多時(shí)候我們都是邊用邊學(xué)的狀態(tài)，拿到一個(gè)函數(shù)如何快速的使用起來，最快捷的方法就是查看函數(shù)的幫助。在R中查看函數(shù)的幫助有兩種方法，第一種是使用help，第二種是直接在函數(shù)前加問好(?)。R會直接顯示出這個(gè)函數(shù)是使用方法，函數(shù)說明和示例。下面是查看具體的代碼和幫助內(nèi)容的截圖。

help(read.csv)
?read.csv

除了使用幫助功能以外，還有一個(gè)重要操作是tab鍵，在輸入函數(shù)的過程中按下tab鍵,R會自動給出推薦的函數(shù)名稱以及參數(shù)，避免很多記憶和重復(fù)輸入的工作。

準(zhǔn)備工作

在R中進(jìn)行任何操作和分析工作之前，先需要讀取數(shù)據(jù)。保存在工作目錄中的數(shù)據(jù)可以直接讀取，非工作目錄的其他位置在讀取時(shí)需要指明路徑。因此第一步工作是了解R的工作目錄。下面是具體的代碼，輸入getwd函數(shù)，R返回當(dāng)前的工作目錄。

#查看工作目錄
getwd()
[1] "C:/Users/Documents"

你也可以對R的工作目錄進(jìn)行更改，使用setwd函數(shù)可以更改工作目錄的路徑。下面是具體的代碼。

#設(shè)置工作目錄
setwd("C:\\Users\\ r")

設(shè)置好工作目錄后，開始讀取數(shù)據(jù)，并創(chuàng)建數(shù)據(jù)表。我們的數(shù)據(jù)在工作目錄下，因此直接讀取并命名為loandata。

#讀取并創(chuàng)建數(shù)據(jù)表
loandata=data.frame(read.csv('loan_data.csv',header = 1))

數(shù)據(jù)概覽

使用dim函數(shù)查看數(shù)據(jù)表的行列數(shù)，loandata包含30行，10列數(shù)據(jù)。

#查看數(shù)據(jù)行列數(shù)
dim(loandata)
[1] 30 10

查看列名稱

使用names函數(shù)查看數(shù)據(jù)表的列名稱，下面列出了loandata數(shù)據(jù)表所有列的列名稱。

names(loandata)

內(nèi)容概覽

還有一種更加直觀查看數(shù)據(jù)的方法，使用數(shù)據(jù)編輯器。在R中使用fix函數(shù)可以調(diào)出數(shù)據(jù)編輯器，數(shù)據(jù)編輯器類似excel的表格界面，在數(shù)據(jù)編輯器中可以對字段的名稱及類型進(jìn)行簡單的修改。

#數(shù)據(jù)編輯器
fix(loandata)

查看數(shù)據(jù)表前10行

在處理的數(shù)據(jù)條目較多時(shí)，可以使用head函數(shù)查看數(shù)據(jù)表。默認(rèn)情況下head函數(shù)顯示數(shù)據(jù)表的前5行數(shù)據(jù)，我們也可以通過設(shè)置參數(shù)n的值來自定義顯示的行數(shù)。下面是代碼和結(jié)果截圖，在代碼中我們設(shè)置n=10來顯示數(shù)據(jù)表的前10行。

#查看數(shù)據(jù)表前10行
head(loandata,n=10)

查看數(shù)據(jù)后10行

Tail函數(shù)與head函數(shù)功能類似，用來顯示數(shù)據(jù)表的后5行數(shù)據(jù)，下面的代碼中我們設(shè)置n=10來顯示數(shù)據(jù)表的后10行。

#顯示數(shù)據(jù)表后10行
tail(loandata,n=10)

查看數(shù)據(jù)類型

Typeof是查看不同字段數(shù)據(jù)類的函數(shù)，下面我們使用這個(gè)函數(shù)查看了代碼數(shù)據(jù)表中貸款金額類型，顯示為double型。

#查看貸款金額列數(shù)據(jù)類型
typeof(loandata$loan_amnt)
[1] "double"

驗(yàn)證數(shù)據(jù)類型

除了直接查看字段的數(shù)據(jù)類型外，還可以對數(shù)據(jù)類型進(jìn)行驗(yàn)證。下面使用is.integer函數(shù)驗(yàn)證貸款金額字段是否為integer型。返回的結(jié)果為FALSE。說明這個(gè)字段不是integer型。

#驗(yàn)證貸款金額字段的數(shù)據(jù)類型 is.integer(loandata$loan_amnt) [1] FALSE

更改數(shù)據(jù)類型

查看或驗(yàn)證完數(shù)據(jù)類型后，還可以更改數(shù)據(jù)類型。下面我們使用as.integer函數(shù)將貸款金額字段由之前的double型改為integer型。

#更改貸款金額字段為integer型
loandata$loan_amnt=as.integer(loandata$loan_amnt)

再次使用typeof函數(shù)查看貸款金額列的數(shù)據(jù)類型，現(xiàn)在顯示為integer型。

#查看貸款金額列數(shù)據(jù)類型
typeof(loandata$loan_amnt)
[1] "integer"

查看字段

使用數(shù)據(jù)表名稱，$符號和列名稱可以直接查看特定列中的內(nèi)容，例如查看loandata表中的term字段。后面的很多操作都會使用到。

#查看貸款數(shù)據(jù)表中的期限列
loandata$term

描述統(tǒng)計(jì)

完成了數(shù)據(jù)表的導(dǎo)入，查看和修改數(shù)據(jù)類型操作后，我們可以開始對數(shù)據(jù)進(jìn)行一些簡單的統(tǒng)計(jì)和計(jì)算工作。R中的summary是描述統(tǒng)計(jì)函數(shù)，可以對整個(gè)數(shù)據(jù)表或某一類提供描述統(tǒng)計(jì)報(bào)告。

直接將表面寫在summary函數(shù)中，可以得到整個(gè)數(shù)據(jù)表的描述統(tǒng)計(jì)報(bào)告，這里只包含數(shù)值類型的字段，非數(shù)值類型的字段無法進(jìn)行描述統(tǒng)計(jì)。

#對數(shù)據(jù)表進(jìn)行描述統(tǒng)計(jì)
summary(loandata)

輸入數(shù)據(jù)表和字段名稱可以得到特定字段的描述統(tǒng)計(jì)報(bào)告。下面是對代碼數(shù)據(jù)表中的貸款金額進(jìn)行描述統(tǒng)計(jì)的結(jié)果。描述統(tǒng)計(jì)報(bào)告中給出了貸款金額的最大值，最小值，中位數(shù)和四分位數(shù)等數(shù)據(jù)。

#對數(shù)據(jù)表進(jìn)行描述統(tǒng)計(jì)
summary(loandata)

關(guān)鍵指標(biāo)計(jì)算

除了描述統(tǒng)計(jì)外，還可以對數(shù)據(jù)表進(jìn)行計(jì)算。首先是最基本的求和和計(jì)數(shù)。Sum是求和函數(shù)，在sum函數(shù)中輸入制定的列就可以獲得求和結(jié)果。下面是對貸款數(shù)據(jù)表中的貸款金額進(jìn)行求和。

#對貸款金額字段求和
sum(loandata$loan_amnt)
[1] 233925

Length是R中的計(jì)數(shù)函數(shù)，下面代碼對用戶ID字段進(jìn)行計(jì)數(shù)。數(shù)據(jù)表中共有30個(gè)用戶ID。

#對貸款金額字段進(jìn)行計(jì)數(shù)
length(loandata$member_id)
[1] 30

Unique是唯一值函數(shù)，配合計(jì)數(shù)函數(shù)length可以對唯一值進(jìn)行計(jì)算。下面的代碼中先對用戶ID進(jìn)行排重，然后進(jìn)行計(jì)數(shù)。

#對用戶ID字段取唯一值并進(jìn)行計(jì)數(shù)
length(unique(loandata$member_id))
[1] 30

不同字段間也可以進(jìn)行計(jì)算，并生成新的字段添加在數(shù)據(jù)表中。下面通過貸款利息和貸款金額字段相除獲得貸款利率字段，保留兩位小數(shù)添加在原貸款數(shù)據(jù)表中。

#貸款利率=貸款利息/貸款金額
loan_int=round((loandata$total_rec_int)/(loandata$loan_amnt),digits = 2)
#將貸款利率列合并到貸款數(shù)據(jù)表中，并查看前5行數(shù)據(jù)
head(cbind(loandata,loan_int))

下面的代碼表示了貸款金額與貸款金額列的匯總值進(jìn)行計(jì)算，獲得每一筆貸款金額在總金額中的占比，并將這個(gè)貸款金額占比數(shù)據(jù)保留兩位小數(shù)后添加到原數(shù)據(jù)表中。

#貸款金額占比=貸款金額/貸款金額匯總
loan_percent=round((loandata$loan_amnt)/sum(loandata$loan_amnt),digits = 2)
#將貸款金額占比合并到貸款數(shù)據(jù)表中
loandata=cbind(loandata,loan_percent)
#查看新生成的貸款數(shù)據(jù)表
head(loandata)