R语言-项目要点小结_r语言项目

1、求matrix或者dataframe的转置均是：t(A)
2、求一个vector的最后一个元素：tail(x,1)
3、将data（matrix或者dataframe或者vector）NA替换为0：data[is.na(data)] <- 0
4、计算程序运行时间：
方法一：

x <- rnorm(1000000)
system.time(density(x)) 
1
2

时间结果中：用户”是消耗在应用程序（非操作系统部分）执行的时间，“系统”是底层操作系统执行 （例如磁盘读写等）部分的时间，“流逝”是经过的总时间（可以认为是前两者的总和）。一般优化时主要关注“用户”的时间。
方法二：

timestart <- Sys.time()
main_function(criterions_file, data_file, result_file)
timeend <- Sys.time()
runningtime <- timeend-timestart
print(runningtime)
1
2
3
4
5

5、将list转化为dataframe的方法：
方法一：do.call与rbind联合使用，结果是list。（推荐）

result <- do.call(rbind, l)
1

方法二：用unlist拆分list后重构矩阵然后转换为data.frame

l <- replicate(
    5,
    list(sample(letters, 4)),
    simplify = FALSE
)
lr <- data.frame(matrix(unlist(l), nrow=5, byrow=T),stringsAsFactors=FALSE)
1
2
3
4
5
6

方法三：lapply 函数和sapply函数

data.frame(matrix(lapply(l,as.character),nrow=5))
data.frame(matrix(t(sapply(l,c)),nrow=5))
1
2

6、发现R语言很神奇的一个地方，利用filter求滑窗均值时，n个1求均值结果虽然是1（看到的是1），但是这个结果只是近似等于1，其实均值介于0.999999999999999(15个9)与0.9999999999999999(16个9)之间。所以有时候会出现1<1的神奇现象。

result <- filter(y/5,rep(1,5),sides = 1)
1

其中，y为一个matrix，5表示窗口长度，side=1表示以当前时间为基准，向前数5个点。
这时，如果要让结果result（matrix或者dataframe）中小于1的数改为0，可以如下编写程序：

result[result < 0.999999999999999] <- 0
# 或者
result[which(result < 0.999999999999999)] <- 0
1
2
3

7、如何确定一个元素位于dataframe或者matrix中的哪一行哪一列？

#arr.ind=T can get row and column location
which(x == 1, arr.ind=T)   
1
2

如何查看多个元素位于dataframe或者matrix中的哪一行哪一列？

set.seed(23)
mat <- matrix(sample(1:5,20,replace=TRUE),ncol=2)
mat
do.call('rbind',sapply(c(2,3,4),function(x) which(mat==x,arr.ind=T)))
1
2
3
4

8、一个字符串template中有形如“[XXXX]”的子串，提取[]中间的字符串如下：

 rule = '\\[([^\\[\\]]+)\\]'
 slotList = unlist(regmatches(template, gregexpr(rule, template, perl=T)))
1
2

字符串操作：

#将&&替换为&
  criterions_groupe <- gsub("&&","&",criterions_groupe)
#将||替换为|，|在正则表达式中是特殊字符，需要加\\转义
  criterions_groupe <- gsub("\\|\\|","\\|",criterions_groupe)
#将[替换为x['，[在正则表达式中是特殊字符，需要加\\转义
  criterions_groupe <- gsub("\\[","x['",criterions_groupe)
#将]替换为']，]在正则表达式中是特殊字符，需要加\\转义
  criterions_groupe <- gsub("\\]","']",criterions_groupe)
#将<-替换为< -，<-在R语言中表示赋值，而< -表示小于一个负数，区别在于中间是否有空格。
  criterions_groupe <- gsub("<-","< -",criterions_groupe)
1
2
3
4
5
6
7
8
9
10

9、R语言中如何将一个字符串转化为命名行执行，y表示字符串：

eval(parse(text = y)
1

10、if~else的简单写法：

 result <- ifelse(result == FALSE, 0, 1)
1

11、关于项目用到的apply家族函数
R语言提供了批量处理函数，可以循环遍历某个集合内的所有或部分元素，以简化操作。这些函数底层是通过C来实现的，所以效率也比手工遍历来的高效。批量处理函数有很重要的apply族函数：lapply sapply apply tapply mapply。apply族函数是高效能计算的运算向量化(Vectorization)实现方法之一，比起传统的for,while常常能获得更好的性能。
apply : 用于遍历数组中的行或列，并且使用指定函数来对其元素进行处理。
lapply : 遍历列表向量内的每个元素，并且使用指定函数来对其元素进行处理。返回列表向量。
sapply : 与lapply基本相同，只是对返回结果进行了简化，返回的是普通的向量。
mapply: 支持传入两个以上的列表。
tapply: 接入参数INDEX，对数据分组进行运算，就和SQL中的by group一样。
【例子1】：

#available_df是数据源，MARGIN=1表示按照行批处理，analysis_engine是一个自己编写的函数，c1=criterions_groupe表示将criterions_groupe赋值给c1，并将c1传入自定义函数analysis_engine中。
result <- apply(available_df, MARGIN=1, analysis_engine, c1=criterions_groupe)
#apply函数中再嵌套sapply函数。
analysis_engine <- function(x,c1){
  merge_result <- sapply(c1, function(y) eval(parse(text = y)))      #matrix
  return(merge_result)
}
1
2
3
4
5
6
7

【例子2】：

criterions_parameters <- sapply(criterions_parameters,function(x) gsub('\\[','',x))
1

【例子3】：

#result是数据源，MARGIN=2表示按照列批处理，integration_engine是自己编写的函数
result <- apply(result, MARGIN=2, integration_engine)   #matrix
1
2

12、利用read.table和read.csv读取数据时，如果表头中含有()或者表头以数字开头，都会出现表头被转义的情况，现象就是表头中出现小数点，解决办法是，在read.csv或者read.table时指定参数check.names = FALSE。