三分钟了解R中的管理数据函数
点
击
蓝
字
★
关
注
我
们
用R处理数据集的过程是分析过程中必不可少的一部分，今天小师妹借鉴《R语言实践》的第五章来一起探讨有关数据管理的内容。
首先了解常用的几种函数
数学函数
统计函数
前文中提到的数学函数和统计函数都比较简单，但是小师妹也建议大家尝试一下加深对各个函数的了解～
概率函数
[dpqr]distribution_abbreviation()
d=密度函数（density）
p=分布函数（distribution function）
q=分位数函数（quantile function）
r=生成随机数（随机偏差）
例如runif（5）就是随机生成5个在[0,1]上均匀分布的随机数。
举例子来探索一下实际操作是怎么应用～
首先设定随机种子
通过set.seed()显示指定这个种子，可以让结果重现，体会这个函数的作用。
生成服从多元正态分布的数据
模拟研究和蒙特卡洛方法中，获取来自给定的均值向量和协方差阵的多元正太分布的数据。MultiRNG包中的draw.d.variate.normal(),可以实现，用法为
draw.d.variate.normal(no.row,d,mean.vec,cov.mat)
nstall.packages("MultiRNG")library(MultiRNG)options(digits=3)set.seed(1234)mean <- c(230.7, 146.7, 3.6)sigma <- matrix(c(15360.8, 6721.2, -47.1,6721.2, 4700.9, -16.5,-47.1, -16.5, 0.3), nrow=3, ncol=3)mydata <- draw.d.variate.normal(500, 3, mean, sigma)#指定想要的均值向量和协方差，随机生成500个伪随观测数值mydata <- as.data.frame(mydata)#转化为数据框的格式names(mydata) <- c("y","x1","x2")#为变量指定名称dim(mydata)head(mydata, n=10)
字符处理函数
常用的数据管理的函数
针对难理解的函数小师妹进行了尝试，其它的就留给你们自己尝试啦～
在数据处理过程中，R也开发了很多包例如reshpae2、tidyr等，但是都是基于基础的函数操作的，对于基础我们还是要理解掌握，然后学起各种各样的包也会得心应手些～
数据分析不会做，别忘了可以借助云平台http://www.biocloudservice.com/home.html
好了今天的分享就到这里啦～如果有问题可以与小师妹一起讨论哦～
★
