[R] 第6篇 資料操作 (下)

R 的資料操作

介紹 subset()，subset 中傳入條件及要選擇的 column。

> name <- c("A", "B", "C", "D", "E")
> age <- c(21, 19, 24, 21, 22)
> gender <- c("M", "F", "M", "M", "F")
> room <- c("201", "511", "210", "211", "508")
> df <- data.frame(name, age, gender, room)
> df
  name age gender room
1    A  21      M  201
2    B  19      F  511
3    C  24      M  210
4    D  21      M  211
5    E  22      F  508
> newDf <- subset(df, age > 20 & gender == "M", select = name:gender)
> newDf
  name age gender
1    A  21      M
3    C  24      M
4    D  21      M

隨機取樣，可利用 sample，sample 中第一個傳入欲選擇的 row，第二為要取樣的數目，第三為同一 row 是否可以重複選取。若不能重複選取，但是取樣的數目又大於 row 數，就會報錯。

> df
  name age gender room
1    A  21      M  201
2    B  19      F  511
3    C  24      M  210
4    D  21      M  211
5    E  22      F  508
> df[sample(1:nrow(df), 2, replace=FALSE), ]
  name age gender room
4    D  21      M  211
3    C  24      M  210
> df[sample(1:nrow(df), 2, replace=TRUE), ]
  name age gender room
3    C  24      M  210
2    B  19      F  511
> df[sample(1:nrow(df), 10, replace=TRUE), ]
    name age gender room
5      E  22      F  508
5.1    E  22      F  508
5.2    E  22      F  508
5.3    E  22      F  508
2      B  19      F  511
1      A  21      M  201
1.1    A  21      M  201
1.2    A  21      M  201
1.3    A  21      M  201
5.4    E  22      F  508
> df[sample(1:nrow(df), 10, replace=FALSE), ]
Error in sample.int(length(x), size, replace, prob) : 
  cannot take a sample larger than the population when 'replace = FALSE'