是管道函数啦,就是把左件的值发送给右件的表达式,并作为右件表达式函数的第一个参数。
anscombe_tidy <- anscombe %>%mutate(observation = seq_len(n()))
以上代码等价于
anscombe_tidy=mutate(anscombe,observation = seq_len(n()))
管道函数还是很好哒,好处我就不说了^.^ 自己体会
1.R数据的保存与加载
可通过save()函数保存为.Rdata文件,通过load()函数将数据加载到R中。
[ruby] view plain copy
> a <- 1:10
> save(a,file='d://data//dumData.Rdata')
> rm(a) #将对象a从R中删除
> load('d://data//dumData.Rdata')
> print(a)
[1] 1 2 3 4 5 6 7 8 9 10
2.CSV文件的导入与导出
下面创建df1的数据框,通过函数write.csv()保存为一个.csv文件,然后通过read.csv()将df1加载到数据框df2中。
[ruby] view plain copy
> var1 <- 1:5
> var2 <- (1:5)/10
> var3 <- c("R and","Data Mining","Examples","Case","Studies")
> df1 <- data.frame(var1,var2,var3)
> names(df1) <- c("VariableInt","VariableReal","VariableChar")
> write.csv(df1,"d://data//dummmyData.csv",row.names = FALSE)
> df2 <- read.csv("d://data//dummmyData.csv")
> print(df2)
VariableInt VariableReal VariableChar
1 1 0.1 R and
2 2 0.2 Data Mining
3 3 0.3 Examples
4 4 0.4 Case
5 5 0.5 Studies
3.通过ODBC导入与导出数据RODBC提供了ODBC数据库的连接。
3.1从数据库中读取数据
odbcConnect()建立一个数据库连接,sqlQuery()向数据库发送一个SQL查询,odbcClose()关闭数据库连接。
[ruby] view plain copy
library(RODBC)
connection <- odbcConnect(dsn="servername",uid="userid",pwd="******")
query <- "SELECT * FROM lib.table WHERE ..."
# or read query from file
# query <- readChar("data/myQuery.sql", nchars=99999)
myData <- sqlQuery(connection, query, errors = TRUE)
odbcClose(connection)
sqlSave()和sqlUpdate()用于写入或更新一个ODBC数据库表。3.2从Excel文件中导入与导出数据
[ruby] view plain copy
library("RODBC")
conn<-odbcConnectExcel("D:/data/Amtrak.xls")
Amtrak<-sqlFetch(conn,"Data")
close(conn)
以下选自省心师兄昨天的公众号文章————————
技巧篇06--R语言绘制全网爆火的动态条形图 (qq.com)
————————
install.packages("gifski")
install.packages("devtools")
library(devtools)
install_github("jl5000/barRacer")
library(barRacer)
library(magrittr)
library(ggplot2)
library(dplyr)
data <- read.csv("China_edited_data.csv")
names(data)[c(1,8)] <- c("Province","Date")
data Date)
data <- data[data$Province != "Hubei",] # 去掉湖北数据;
data Date,"-"),function(x) paste(paste(x[3],x[2],sep = "-"),x[1],sep = "-")))
data Date)
COVID19_Data <- data %>% group_by(Province,Date) %>%
summarise(n=sum(Confirmed))
bar_chart_race(COVID19_Data,
cat_col = Province,
val_col = n,
time_col = Date,
max_bars = 20,
duration = 30,
title = "China COVID19 Data")
gganimate::anim_save("COVID19_Data.gif")
————————
缺陷就是极大数与相差甚远的第二数没有类似于坐标轴的隔断。