r语言里new这个是什么意思

2023-02-26 19:17:01Python015

r语言里new这个是什么意思,第1张

r语言里new 是函数，参数是methods，原型是： new(methods)。

它可用来生成一个类（class) 的对象。

methods 提供class的名字，或 class 的定义，对象的具体参数数据等。

函数返回对象的名字。

例如：

t1 <- new("track", x = seq_along(ydata), y = ydata)

t2 <- new("trackCurve", t1, smooth = ysmooth)

setMethod("initialize",

"track",

function(.Object, x = numeric(0), y = numeric(0)) {

if(nargs() >1) {

if(length(x) != length(y))

stop("specified x and y of different lengths")

.Object@x <- x

.Object@y <- y

}

.Object

})

2016-08-23 05:17 砍柴问樵夫

数据缺失有多种原因，而大部分统计方法都假定处理的是完整矩阵、向量和数据框。

缺失数据的分类：

完全随机缺失：若某变量的缺失数据与其他任何观测或未观测变量都不相关，则数据为完全随机缺失（MCAR）。

随机缺失：若某变量上的缺失数据与其他观测变量相关，与它自己的未观测值不相关，则数据为随机缺失（MAR）。

非随机缺失：若缺失数据不属于MCAR或MAR，则数据为非随机缺失（NMAR）。

处理缺失数据的方法有很多，但哪种最适合你，需要在实践中检验。

下面一副图形展示处理缺失数据的方法：

处理数据缺失的一般步骤：

1、识别缺失数据

2、检测导致数据缺失的原因

3、删除包含缺失值的实例或用合理的数值代替（插补）缺失值。

1、识别缺失数据：

R语言中， NA 代表缺失值， NaN 代表不可能值， Inf 和 -Inf 代表正无穷和负无穷。

在这里，推荐使用 is.na ， is.nan ， is.finite ， is.infinite 4个函数去处理。

x<-c(2,NA,0/0,5/0)

#判断缺失值

is.na(x)

#判断不可能值

is.nan(x)

#判断无穷值

is.infinite(x)

#判断正常值

is.finite(x)

推荐一个函数： complete.case() 可用来识别矩阵或数据框中没有缺失值的行！

展示出数据中缺失的行（数据集sleep来自包VIM）

sleep[!complete.cases(sleep),]

判断数据集中有多少缺失

针对复杂的数据集，怎么更好的探索数据缺失情况呢？

mice包中的 md.pattern() 函数可以生成一个以矩阵或数据框形式展示缺失值模式的表格。

备注：0表示变量的列中没有缺失，1则表示有缺失值。

第一行给出了没有缺失值的数目（共多少行）。

第一列表示各缺失值的模式。

最后一行给出了每个变量的缺失值数目。

最后一列给出了变量的数目（这些变量存在缺失值）。

在这个数据集中，总共有38个数据缺失。

图形化展示缺失数据：

aggr(sleep,prop=F,numbers=T)

matrixplot(sleep)

浅色表示值小，深色表示值大，默认缺失值为红色。

marginmatrix(sleep)

上述变量太多，我们可以选出部分变量展示：

x <- sleep[, 1:5]

x[,c(1,2,4)] <- log10(x[,c(1,2,4)])

marginmatrix(x)

为了更清晰，可以进行成对展示：

marginplot(sleep[c("Gest","Dream")])

在这里(左下角)可以看到，Dream和Gest分别缺失12和4个数据。

左边的红色箱线图展示的是在Gest值缺失的情况下Dream的分布，而蓝色箱线图展示的Gest值不缺失的情况下Dream的分布。同样的，Gest箱线图在底部。

2、缺失值数据的处理

行删除法：数据集中含有缺失值的行都会被删除，一般假定缺失数据是完全随机产生的，并且缺失值只是很少一部分，对结果不会造成大的影响。

即：要有足够的样本量，并且删除缺失值后不会有大的偏差！

行删除的函数有 na.omit() 和 complete.case()

newdata<-na.omit(sleep)

sum(is.na(newdata))

newdata<-sleep[complete.cases(sleep),]

sum(is.na(newdata))

均值/中位数等填充：这种方法简单粗暴，如果填充值对结果影响不怎么大，这种方法倒是可以接受，并且有可能会产生令人满意的结果。

方法1：

newdata<-sleep

mean(newdata$Dream,na.rm = T)

newdata[is.na(newdata$Dream),"Dream"]<-1.972

方法2：

Hmisc包更加简单，可以插补均值、中位数等，你也可以插补指定值。

library(Hmisc)

impute(newdata$Dream,mean)

impute(newdata$Dream,median)

impute(newdata$Dream,2)

mice包插补缺失数据：链式方程多元插值，首先利用mice函数建模再用complete函数生成完整数据。

下图展示mice包的操作过程：

mice()：从一个含缺失值的数据框开始，返回一个包含多个完整数据集对象（默认可以模拟参数5个完整的数据集）

with()：可依次对每个完整数据集应用统计建模

pool()：将with()生成的单独结果整合到一起

library(mice)

newdata<-sleep

data<-mice(newdata,m = 5,method='pmm',maxit=100,seed=1)

在这里，m是默认值5，指插补数据集的数量

插补方法是pmm：预测均值匹配，可以用methods(mice)查看其他方法

maxit指迭代次数，seed指设定种子数（和set.seed同义）

概述插补后的数据：

summary(data)

在这上面可以看到数据集中变量的观测值缺失情况，每个变量的插补方法， VisitSequence 从左至右展示了插补的变量，预测变量矩阵（PredictorMatrix）展示了进行插补过程的含有缺失数据的变量，它们利用了数据集中其他变量的信息。（在矩阵中，行代表插补变量，列代表为插补提供信息的变量，1

和0分别表示使用和未使用。）

查看整体插补的数据：

data$imp

查看具体变量的插补数据：

data$imp$Dream

最后，最重要的是生成一个完整的数据集

completedata<-complete(data)

判断还有没有缺失值，如果没有，结果返回FLASE

anyNA(completedata)

针对以上插补结果，我们可以查看原始数据和插补后的数据的分布情况

library(lattice)

xyplot(data,Dream~NonD+Sleep+Span+Gest,pch=21)

图上，插补值是洋红点呈现出的形状，观测值是蓝色点。

densityplot(data)

图上，洋红线是每个插补数据集的数据密度曲线，蓝色是观测值数据的密度曲线。

stripplot(data, pch = 21)

上图中，0代表原始数据，1-5代表5次插补的数据，洋红色的点代表插补值。

下面我们分析对数据拟合一个线性模型：

完整数据：

library(mice)

newdata<-sleep

data<-mice(newdata,m = 5,method='pmm',maxit=100,seed=1)

model<-with(data,lm(Dream~Span+Gest))

pooled<-pool(model)

summary(pooled)

fim指的是各个变量缺失信息的比例，lambda指的是每个变量对缺失数据的贡献大小

缺失数据（在运行中，自动会行删除）：

lm.fit <- lm(Dream~Span+Gest, data = sleep，na.action=na.omit)

summary(lm.fit)

完整数据集和缺失数据集进行线性回归后，参数估计和P值基本一直。缺失值是完全随机产生的。如果缺失比重比较大的话，就不适合使用行删除法，建议使用多重插补法。

kNN插值法： knnImputation函数使用k近邻方法来填充缺失值。对于需要插值的记录，基于欧氏距离计算k个和它最近的观测。接着将这k个近邻的数据利用距离逆加权算出填充值，最后用该值替代缺失值。

library(DMwR)

newdata<-sleep

knnOutput <- knnImputation(newdata)

anyNA(knnOutput)

head(knnOutput)

R语言XML文件

XML是万维网上使用标准ASCII文本，内部网和其他地方共享文件格式和数据的文件格式。它代表可扩展标记语言(XML)。与HTML类似，它包含标记标签。但与标记标签描述页面结构的HTML不同，标记标签描述了文件中包含的数据的含义。

可以使用“XML”包读取R中的xml文件，使用以下命令安装此软件包。

install.packages("XML")

准备XML文件数据

通过将以下数据复制到文本编辑器(如记事本)中来创建XMl文件。使用.xml扩展名保存文件，并将文件类型选为所有文件(*.*)。创建一个XML文件：input.xml，内容如下 -

</EMPLOYEE>

<DEPT>Operations</DEPT>

</EMPLOYEE>

<NAME>Michelle</NAME>

</EMPLOYEE>

</EMPLOYEE>

<DEPT>Finance</DEPT>

</EMPLOYEE>

</EMPLOYEE>

<NAME>Simon</NAME>

<DEPT>Operations</DEPT>

</EMPLOYEE>

<DEPT>Finance</DEPT>

</EMPLOYEE>

</RECORDS>

XML

读取XML文件

R使用xmlParse()函数来读取xml文件，它作为列表存储在R中。

# Load the package required to read XML files.

library("XML")

# Also load the other required package.

library("methods")

# Give the input file name to the function.

result <- xmlParse(file = "input.xml")

# Print the result.

print(result)

当我们执行上述代码时，会产生以下结果 -

<?xml version="1.0"?>

</EMPLOYEE>

<DEPT>Operations</DEPT>

</EMPLOYEE>

<NAME>Michelle</NAME>

</EMPLOYEE>

</EMPLOYEE>

<DEPT>Finance</DEPT>

</EMPLOYEE>

</EMPLOYEE>

<NAME>Simon</NAME>

<DEPT>Operations</DEPT>

</EMPLOYEE>

<DEPT>Finance</DEPT>

</EMPLOYEE>

</RECORDS>

Shell

获取XML文件中存在的节点数

# Load the packages required to read XML files.

library("XML")

library("methods")

# Give the input file name to the function.

result <- xmlParse(file = "input.xml")

# Exract the root node form the xml file.

rootnode <- xmlRoot(result)

# Find number of nodes in the root.

rootsize <- xmlSize(rootnode)

# Print the result.

print(rootsize)

当我们执行上述代码时，会产生以下结果 -

output

[1] 8

第一个节点的详细信息

下面来看看如何解析文件的第一条记录，它将给出对顶级节点中存在的各种元素的详细信息。

# Load the packages required to read XML files.

library("XML")

library("methods")

# Give the input file name to the function.

result <- xmlParse(file = "input.xml")

# Exract the root node form the xml file.

rootnode <- xmlRoot(result)

# Print the result.

print(rootnode[1])

当我们执行上述代码时，会产生以下结果 -

$EMPLOYEE

</EMPLOYEE>

attr(,"class")

[1] "XMLInternalNodeList" "XMLNodeList"

Shell

获取节点的其它元素

# Load the packages required to read XML files.

library("XML")

library("methods")

# Give the input file name to the function.

result <- xmlParse(file = "input.xml")

# Exract the root node form the xml file.

rootnode <- xmlRoot(result)

# Get the first element of the first node.

print(rootnode[[1]][[1]])

# Get the fifth element of the first node.

print(rootnode[[1]][[5]])

# Get the second element of the third node.

print(rootnode[[3]][[2]])

当我们执行上述代码时，会产生以下结果 -

<NAME>Michelle</NAME>

Shell

XML转到数据帧

为了在大文件中有效处理数据，我们以xml文件的形式读取数据作为数据帧。然后处理数据帧进行数据分析。

# Load the packages required to read XML files.

library("XML")

library("methods")

# Convert the input xml file to a data frame.

xmldataframe <- xmlToDataFrame("input.xml")

print(xmldataframe)

当我们执行上述代码时，会产生以下结果 -

ID NAME SALARY STARTDATE DEPT

1 1 Rick 623.3 1/1/2012 IT

2 2 Dan 515.2 9/23/2013 Operations

3 3 Michelle611 11/15/2014 IT

4 4 Ryan729 5/11/2014 HR

5 5 Gary 843.25 3/27/2015Finance

6 6 Nina578 5/21/2013 IT

7 7Simon 632.8 7/30/2013 Operations

8 8 Guru 722.5 6/17/2014Finance

Shell

由于数据现在已经转为数据帧，所以我们可以使用数据帧相关函数来读取和操作文件。

缺失数据变量文件函数

# 上一篇：新加坡rubylandcomplex属于新加坡北部嘛

# 下一篇：推荐几个适合新手练手的Python项目

推荐阅读

热门文章

最新发布

标签列表

r语言里new这个是什么意思

给您推荐相同类型的内容：