R語言重要資料集分析研究—— 資料集本身的分析技巧

標籤：需求   產生   研究   ima   小數   dataset   根據   類型   排序   

  資料集本身的分析技巧

          王立敏

          文章來源：網路

1.資料集

資料集，又稱為資料集、資料集合或資料集合，是一種由資料所組成的集合。

Data set(或dataset)是一個資料的集合，通常以表格形式出現。每一列代表一個特定變數。每一行都對應於某一成員的資料集的問題。它列出的價值觀為每一個變數，如身高和體重的一個物體或價值的隨機數。每個數值被稱為資料資料。對應於行數，該資料集的資料可能包括一個或多個成員。

2.資料分析

資料結構

建立向量和矩陣

函數c(), length(), mode(), rbind(), cbind()

求平均值，和，連乘，最值，方差，標準

函數mean(), sum(), min(), max(), var(), sd(), prod()

協助

函數help()

產生向量

seq()

產生字母序列letters

建立向量

Which()函數，rev()函數，sort()函數

產生矩陣

函數matrix()

矩陣運算

函數t()，矩陣加減

矩陣運算

矩陣相乘，函數diag()

矩陣求逆，函數rnorm()，solve()

解線性方程組

函數solve(a,b)

3.怎樣建立資料集

資料集通常是由資料構成的一個矩形數組，行表示觀測，列表示變數。

R中有許多用於儲存資料的結構，包括標量、向量、數組、資料框和列表。

在R中，對象（object）是指可以賦值給變數的任何事物，包括常量、資料結構、函數、甚至是圖形。因子（factor）是名義型變數或有序型變數，在R中被特殊地儲存和處理。

R中的資料結構

 

 

4.分析技巧

首先分析常值內容，格式思考如何抽取，檔案有三種類型answer,comment,vote，因此在開始的時候根據前面幾個字元先判斷檔案類型。

接著根據需求構造對象和方法，並構造對象list來儲存抽取出來的資訊。

具體的抽取方法是使用者split字元將文本劃分為數組，然後用相同的方法再繼續劃分直到獲得所需的關鍵字並將其存入split中

擷取的得到的所有作者和姓名的答案數量，回複數量，並儲存結果，若有相同作者，根據回複是否為空白來判斷答案或者回複並計數
最後結果存入新的list中，格式，作者，姓名和答案數量回複數量，最後構造comparator來比較子來排序，根據寫作數量升序，若相同按照答案排序，以及統計總量。答案總數，回複總數。

求取平均每個作者寫的答案數量和回複數。要注意的是結果用小數表示。

R語言重要資料集分析研究——  資料集本身的分析技巧