实验四 基本数据管理（一）

实验4 基本数据管理（一）

实验目的：

• 掌握产生不同分布随机数的方法；
• 区分多种排序函数的使用场景以及返回值的含义；
• 掌握条形图的绘制方法。

实验内容：

1.）随机产生一个包含10个元素的整型向量x，将其逆序赋值给向量y。

> x<-trunc(runif(10,10,20))
> x
 [1] 19 18 10 11 11 18 19 15 15 15
> y<-x[length(x):1]
> y
 [1] 15 15 15 19 18 11 11 10 18 19
1
2
3
4
5
6

2.）用函数data.frame()创建一个数据框，第1列名为letters，包含a-h这8个字母，第2列名为numbers,包含1-8数字。

> df<-data.frame(letters=letters[1:8],numbers=c(1:8))
> df
  letters numbers
1       a       1
2       b       2
3       c       3
4       d       4
5       e       5
6       f       6
7       g       7
8       h       8
1
2
3
4
5
6
7
8
9
10
11

3.) 生成一个列表，包含26个字母，数字0-9，和因子1-3

> ls<-list(letters,0:9,factor(1:3))
> ls
[[1]]
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"

[[2]]
 [1] 0 1 2 3 4 5 6 7 8 9

[[3]]
[1] 1 2 3
Levels: 1 2 3

1
2
3
4
5
6
7
8
9
10
11
12

4.) 生成如下矩阵

> x<-matrix(1:40,10,4,byrow = TRUE)
> rownames(x)<-LETTERS[1:10]
> colnames(x)<-paste("sub",1:4,sep = "")
> x
  sub1 sub2 sub3 sub4
A    1    2    3    4
B    5    6    7    8
C    9   10   11   12
D   13   14   15   16
E   17   18   19   20
F   21   22   23   24
G   25   26   27   28
H   29   30   31   32
I   33   34   35   36
J   37   38   39   40

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

5.) 加载R的基础数据集iris，用write.csv()函数把数据集保存到一个csv文件中。

> write.csv(iris,file = "E:/R语言/作业/iris.csv")
1

6.) 对数据集mtcars中的汽车重量wt按照从高到低的顺序进行排序。

> sort(mtcars$wt,decreasing = TRUE)
 [1] 5.424 5.345 5.250 4.070 3.845 3.840 3.780 3.730 3.570 3.570 3.520 3.460 3.440 3.440 3.440 3.435 3.215
[18] 3.190 3.170 3.150 2.875 2.780 2.770 2.620 2.465 2.320 2.200 2.140 1.935 1.835 1.615 1.513

1
2
3
4

7.) 随机生成10个50以内的自然数，使用order函数获取元素的索引在排序后的位置。

> x<-trunc(runif(10,0,50))
> x
 [1] 39 32 37  8 46  5 15 33 28 12
> order(x)
 [1]  6  4 10  7  9  2  8  3  1  5

1
2
3
4
5
6

8.) 设定随机数种子，随机产生10个20以内的自然数，使用rank函数求其秩排序值。

> set.seed(1234)
> x<-trunc(runif(10,0,20))
> x
 [1]  2 12 12 12 17 12  0  4 13 10
> rank(x,ties.method ="average" )
 [1]  2.0  6.5  6.5  6.5 10.0  6.5  1.0  3.0  9.0  4.0

1
2
3
4
5
6
7

9.) 加载R的基础数据集iris，用write.csv()把数据集保存到一个CSV文件中。

a) 使用excel修改文件，把某些属性改为NA。

b) 导入刚才保存的文件到一个新的数据框newdata1

c) 统计新数据框中缺失值的个数

d) 对含有缺失值的行进行处理后，形成另外新的数据框newdata2（即不再包含缺失值）

e) 对newdata1中的缺失值赋值为0，形成新的数据框newdata3

> newdata1<-read.csv("E:/R语言/作业/iris - 副本.csv")
> num<-sum(is.na(newdata1))
> newdata2<-na.omit(newdata1)
> newdata1[is.na(newdata1)]<-0
> newdata3<-newdata1
1
2
3
4
5

10.) 综合实验：（基本数据管理）

a. 首先创建如下图所示的数据框worker

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HARILpcs-1663482602887)(C:/Users/THUNOE~1/AppData/Local/Temp/ksohtml10408/wps1.jpg)]

其中：

• id采用paste函数实现字符串的连接生成
• age采用【25，60】之间的服从均匀分布的随机整数
• salary1采用【4000，8000】之间的服从均匀分布的随机整数
• salary2采用【1500，3000】之间的服从均匀分布的随机整数

代码实现：

> id<-paste("BH",1:5,sep = "")
> province<-c("Hebei","Henan","Shandong","Shanxi","Guizhou")
> gender<-c("F","M","F","M","F")
> age<-trunc(runif(5,25,60))
> salary1<-trunc(runif(5,4000,8000))
> salary2<-trunc(runif(5,1500,3000))
> worker<-data.frame(id,province,gender,age,salary1,salary2)
> worker
   id province gender age salary1 salary2
1 BH1    Hebei      F  27    5680    2351
2 BH2    Henan      M  25    7652    1834
3 BH3 Shandong      F  29    4152    1722
4 BH4   Shanxi      M  36    4481    2191
5 BH5  Guizhou      F  26    5153    1823
1
2
3
4
5
6
7
8
9
10
11
12
13
14

b. 创建新变量

通过创建新变量方法，得到如下新的数据框（增加一列sum）

> worker$sum<-worker$salary1+worker$salary2
> worker
   id province gender age salary1 salary2  sum
1 BH1    Hebei      F  27    5680    2351 8031
2 BH2    Henan      M  25    7652    1834 9486
3 BH3 Shandong      F  29    4152    1722 5874
4 BH4   Shanxi      M  36    4481    2191 6672
5 BH5  Guizhou      F  26    5153    1823 6976
1
2
3
4
5
6
7
8

c. 变量的重编码

对年龄字段进行重编码，将age中年龄<30的重编码为Young,年龄>=30 and 年龄<40的重编码为Middle,年龄>=40的重编码为elder，结果如下图所示

> x<-worker$age
> worker$age<-ifelse(x<30,"young",ifelse(x>=30 & x<40,"middle","elder"))
> worker
   id province gender    age salary1 salary2  sum
1 BH1    Hebei      F  young    5680    2351 8031
2 BH2    Henan      M  young    7652    1834 9486
3 BH3 Shandong      F  young    4152    1722 5874
4 BH4   Shanxi      M middle    4481    2191 6672
5 BH5  Guizhou      F  young    5153    1823 6976

1
2
3
4
5
6
7
8
9
10

d. 数据排序，可以使用order()函数对数据框进行排序，默认为升序，在排序变量前加一个减号，可以降序排列

按照salary1变量对worker升序排列，结果放在newdata1中

> newdata1<-worker[order(worker$salary1),]
> newdata1
   id province gender    age salary1 salary2  sum
3 BH3 Shandong      F  young    4152    1722 5874
4 BH4   Shanxi      M middle    4481    2191 6672
5 BH5  Guizhou      F  young    5153    1823 6976
1 BH1    Hebei      F  young    5680    2351 8031
2 BH2    Henan      M  young    7652    1834 9486

1
2
3
4
5
6
7
8
9

按照salary2变量对worker降序排列，结果放在newdata2中

> newdata2<-worker[order(-worker$salary2),]
> newdata2
   id province gender    age salary1 salary2  sum
1 BH1    Hebei      F  young    5680    2351 8031
4 BH4   Shanxi      M middle    4481    2191 6672
2 BH2    Henan      M  young    7652    1834 9486
5 BH5  Guizhou      F  young    5153    1823 6976
3 BH3 Shandong      F  young    4152    1722 5874

1
2
3
4
5
6
7
8
9

e. 从数据框中选取特定子集

使用subset()提取出女性数据，结果放在newdata3中

> newdata3<-subset(worker,worker$gender=="F")
> newdata3
   id province gender   age salary1 salary2  sum
1 BH1    Hebei      F young    5680    2351 8031
3 BH3 Shandong      F young    4152    1722 5874
5 BH5  Guizhou      F young    5153    1823 6976

1
2
3
4
5
6
7

11.)完成11.1.5气泡图的代码实现，将图形截图，并给出结论。

attach(mtcars)
r<-sqrt(disp/pi)
symbols(wt,mpg,circles = r,inches = 0.30,
        fg="white",bg="lightblue",
        main = "Bubble Plot with point size proportional to displacement",
        ylab = "Miles Per Gallon",
        xlab = "Weight of Car(1bs/1000)")
text(wt,mpg,rownames(mtcars),cex=0.6)
detach(mtcars)

1
2
3
4
5
6
7
8
9
10

随着每加仑汽油所行驶里程的增加，车重和发动机排量都逐渐减少。

12.) 绘制如下分组条形图：(附：matlab代码)（选做）

%paper8 ranking of eight methods on the best values, the mean values and
%the worst values
x1=[1.91	0.41	0.98	3.97	2.70	2.72]; % AE of best values
x2=[3.08	0.90	1.23	5.63	4.81	4.75 ]; % AE of mean values
x3=[4.81	1.75	1.48	7.49	8.29	8.09]; % AE of worst values
y=[x1',x2',x3'];
p=bar(y');
set(gca,'xticklabel',{'AE of best profit','AE of mean profit','AE of worst profit'});
ylabel('AE value (Average Error)');
xlabel('The performance comparison of six methods ');
legend(p(1:3),'MS','SLMS','MMVO','location','best');
ah=axes('position',get(gca,'position'),...
           'visible','off');
legend(ah,p(4:6),'BGSA','BHTPSO','BHTPSO-QI','location','best');
1
2
3
4
5
6
7
8
9
10
11
12
13
14

x1<-c(1.91,0.41,0.98,3.97,2.70,2.72)#AE of best values
x2<-c(3.08,0.90,1.23,5.63,4.81,4.75)
x3<-c(4.81,1.75,1.48,7.49,8.29,8.09)
y<-cbind(x1,x2,x3)
colnames(y)<-c('AE of best profit','AE of mean profit','AE of worst profit')
rownames(y)<-c('MS','SLMS','MMVO','BGSA','BHTPSO','BHTPSO-QI')
barplot(y,
        xlab = "The performance comparison of six methods",
        ylab = "AE value (Average Error)",
        col = c("#332b81","#0a75df","#07a5c0","#7ac078","#efba41","#fcf909"),
        legend.text = rownames(y),
        beside = TRUE)
1
2
3
4
5
6
7
8
9
10
11
12