语言扩展包数据加工厂plyr视频教程3课

R七种之数据plyr讲师R七种之数据DATAGURU专业数据分析社区plyr——第3周法律【】和幻灯片为炼数成金网络课程的教学资料，所有资料只能在课程内使用，不得在课程以外范围散播，违者将可能被法律和经济责任。课程详情

炼数成金培训http:

DATAGURU专业数据分析社区R七种之数据plyr讲师关注炼数成金企业提供全面的数据价值资讯，涵盖商业智能与数据分析、大数据、企业信息化、数字化技术等，各种高性价比课程信息，赶

出您

机关注吧！DATAGURU专业数据分析社区R七种之数据plyr讲师案例分析baseball案例ozone案例DATAGURU专业数据分析社区R七种之数据plyr讲师Baseball数据集职业棒球球手15年或以上的击球记录Baseball数据集包含了全id：棒球选手year：记录的年份rbi：runsbatted

in，该球员在某一赛季的击球的跑垒得分ab：number

of

times

at

bat，击球次数head(baseball,5)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseball求某一选手职业生涯时间baberuth

<-

subset(baseball,

id

==

"ruthba01")baberuth

<-

transform(baberuth,

cyear

=

year

-

min(year)+

1)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseball求所有选手的职业生涯时间baseball

<-

ddply(baseball,.(id),

transform,cyear

=

year

-

min(year)

+

1)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseball生成所有人的rbi/ab的时间序列图并保存到pdf中baseball

<-

subset(baseball,

ab

>=

25)xlim

<-

range(baseball$cyear,

na.rm=TRUE)ylim

<-

range(baseball$rbi

/

baseball$ab,

na.rm=TRUE)plotpattern

<-

function(df)

{qplot(cyear,

rbi

/

ab,

data

=

df,

geom

=

"line",

xlim

=xlim,

ylim

=

ylim)}pdf("paths.pdf",

width

=

8,

height

=

4)d_ply(baseball,

.(reorder(id,

rbi

/

ab)),

failwith(NA,

plotpattern),.print=TRUE)dev.off()DATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseballDATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseball对ruthba01做线性回归model

<-

function(df)

{lm(rbi

/

ab

~

cyear,

data

=

df)}model(baberuth)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseball对所有选手做线性回归bmodels

<-

dlply(baseball,

.(id),

model)rsq

<-

function(x)

summary(x)$r.squaredbcoefs

<-

ldply(bmodels,

function(x)

c(coef(x),

rsquare

=

rsq(x)))names(bcoefs)[2:3]

<-

c("intercept",

"slope")head(bcoefs,5)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseball查看线性方程拟合效果hist(bcoefs$rsquare,breaks=20,col="black")DATAGURU专业数据分析社区R七种之数据plyr讲师案例：baseball找出拟合得较好的模型baseballcoef

<-

join(baseball,

bcoefs,

by

=

"id",type="inner")subset(baseballcoef,

rsquare

>

0.999)$idmatch_df(baseball,subset(baseballcoef,

rsquare

>

0.999),on="id")DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone数据集介绍：Ozone数据集是一个三维数组，记录了24×24个空间网格内，从月，共72个时间点上，

洲每月的平均臭氧水平。前两维分别表示纬度和经度，第三维表示时间。年月到年DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone研究位置（1,1）在不同时点臭氧水平的变化。方法一：按照所有时间点画出折线图value

<-

ozone[1,

1,

]time

<-

1:72

/

12plot(c(1:72),value,main=NULL,xlab="time",ylab="value",type="l")box(bty="l")grid(nx=NA,ny=NULL,lty=1,lwd=1,col="gray")DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone方法二：对不同年份按时点画出折线图plot(value[1:12],type="b",pch=19,lwd=2,xaxt="n",col="black",xlab="month",ylab="value")axis(1,at=1:12,labels=c("Jan",

"Feb",

"Mar",

"Apr",

"May","Jun",

"Jul",

"Aug",

"Sep",

"Oct",

"Nov",

"Dec"))lines(value[13:24],col="red",type="b",pch=19,lwd=2)lines(value[25:36],col="orange",type="b",pch=19,lwd=2)lines(value[37:48],col="purple",type="b",pch=19,lwd=2)lines(value[49:60],col="blue",type="b",pch=19,lwd=2)lines(value[61:72],col="green",type="b",pch=19,lwd=2)legend("bottomright",legend=c("1995","1996","1997","1998","1999","2000"),lty=1,lwd=2,pch=rep(19,6),col=c("black","red","orange","purple","blue","green"),ncol=1,bty="n",cex=1.2,text.col=c("black","red","orange","purple","blue","green"),inset=0.01)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：OzoneDATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone对位置（1,1），以月份为自变量，做一个稳健线性回归month.abbr

<-

c("Jan",

"Feb",

"Mar",

"Apr",

"May","Jun",

"Jul",

"Aug",

"Sep",

"Oct",

"Nov",

"Dec")month

<-

factor(rep(month.abbr,

length

=

72),

levels

=

month.abbr)year

<-

rep(1:6,

each

=

12)library("MASS")deseas1

<-

rlm(value

~

month

-

1)summary(deseas1)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone画出残差图DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone观察稳健回归模型的系数coef(deseas1)稳健回归方程DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone对所有24×24=576个位置做稳健线性回归deseasf

<-

function(value)

rlm(value

~

month

-

1,

maxit

=

50)models

<-

alply(ozone,

1:2,

deseasf)用failed

无法实现稳健线性回归的位置failed

<-

laply(models,

function(x)

!x$converged)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone提取所有模型的系数和残差coefs

<-

laply(models,

coef)dimnames(coefs)[[3]]

<-

month.abbrnames(dimnames(coefs))[3]

<-

"month"deseas

<-

laply(models,

resid)dimnames(deseas)[[3]]

<-1:72names(dimnames(deseas))[3]

<-"time"coefs是一个三维数组，记录了所有24×24个位置中每个位置的12个系数>dim(coefs)[1]

24

24

12deseas是一个三维数组，记录了所有24×24个位置中每个位置的72个残差dim(deseas)[1]

24

24

72DATAGURU专业数据分析社区R七种之数据plyr讲师案例：OzoneDATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozonecoefs_df

<-

melt(coefs)head(coefs_df)coefs_df

<-

ddply(coefs_df,

.(lat,

long),

transform,

avg

=

mean(value),std

=

value/max(value))head(coefs_df)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozonedeseas_df

<-

mehead(deseas_df)eseas)DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozonecoef_limits

<-

range(coefs_df$value)coef_mid

<-

mean(coefs_df$value)monthsurface

<-

function(mon){df

<-

subset(coefs_df,

month

==mon)qplot(long,

lat,

data

=

df,

fill

=

value,

geom="tile")

+scale_fill_gradient(limits

=

coef_limits,low

=

"lightskyblue",

high

=

"yellow")}DATAGURU专业数据分析社区R七种之数据plyr讲师案例：Ozone以下两幅图分别展现了1月与7月的区域差异。months