哈勃私语问题：
一组学生参加了数学、科学和英语考试。为了给所有的学生确定一个单一的成绩衡量指标，需要将这些科目的成绩组合起来。另外，还想将前20%的学生评定为A，接下来20%的学生评定为B，以此类推。最后，希望按字母顺序对学生排序。
Excel中的数据表（自己一个个敲的，最讨厌做的事情TT）
| StuId | StuName | Math | Science | English |
| 1 | John Davis | 502 | 95 | 25 |
| 2 | Angela Williams | 465 | 67 | 12 |
| 3 | Bull Jones | 621 | 78 | 22 |
| 4 | Cheryl Cushing | 575 | 66 | 18 |
| 5 | Reuven Ytzrhak | 454 | 96 | 15 |
| 6 | Joel Knox | 634 | 89 | 30 |
| 7 | Mary Rayburn | 576 | 78 | 37 |
| 8 | Greg England | 421 | 56 | 12 |
| 9 | Brad Tmac | 599 | 68 | 22 |
| 10 | Tracy Mcgrady | 666 | 100 | 38 |
step1：输入数据——R语言导入xlsx
1 #1数据输入
2 install.packages("xlsx")
3 library(xlsx)
4 workbook<-"D:/R语言/code/R语言实战前五章小试身手/StuScore.xlsx"#也可用‘\\’注意转义字符
5 StuScore<-read.xlsx(workbook,1)#1表示sheet1
6 StuScore
step2：数据预处理——将变量进行标准化
因为数学，科学和英语考试的分值不同（均值和标准差均有较大差异），在组合之前要让他们变得可以比较
方法：变量标准化，把每科成绩都用单位标准差表示
tips：
所谓数据的标准化是指中心化之后的数据在除以数据集的标准差，即数据集中的各项数据减去数据集的均值再除以数据集的标准差。 例如有数据集1, 2, 3, 6, 3，其均值为3,其标准差为1.87，那么标准化之后的数据集为(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87,即：-1.069,-0.535,0,1.604,0 数据中心化和标准化的意义是一样的，为了消除量纲对数据结构的影响。
这里使用scale()可以直接实现 > #2数据预处理 > options(digits=2)#限定为2位小数 > afterscale<-scale(StuScore[,3:5]) > afterscale Math Science English [1,] -0.58 1.040 0.20 [2,] -1.02 -0.815 -1.17 [3,] 0.82 -0.086 -0.12 [4,] 0.28 -0.881 -0.54 [5,] -1.15 1.106 -0.86 [6,] 0.98 0.643 0.73 [7,] 0.29 -0.086 1.47 [8,] -1.54 -1.544 -1.17 [9,] 0.56 -0.749 -0.12 [10,] 1.35 1.372 1.57 attr(,"scaled:center") Math Science English 551 79 23 attr(,"scaled:scale") Math Science English 84.7 15.1 9.5
这里，有两个疑问：
1.说好的输出两位小数呢？Science那一栏输出的都是三位小数，怎么回事？
2.这是什么东东？
-
1 attr(,"scaled:center") 2 Math Science English 3 551 79 23 4 attr(,"scaled:scale") 5 Math Science English 6 84.7 15.1 9.5
scale方法中的两个参数center和scale的解释：
1.center和scale默认为真,即T或者TRUE
2.center为真表示数据中心化
3.scale为真表示数据标准化
也就是说：center表示一列数据的均值，scale则表示标准差（有兴趣的同学，可以用Excel的STDEV函数验证一下）
step3:通过函数mean()来计算各行的均值以及获得综合得分，并使用cbind()将其添加到花名册中
> #3在afterscale中计算标准差均值，并将其添加到StuScore
> score<-apply(afterscale,1,mean)#1表示行，mean表示均值函数
> StuScore<-cbind(StuScore,score)
> StuScore
StuId StuName Math Science English score
1 1 John Davis 502 95 25 0.22
2 2 Angela Williams 465 67 12 -1.00
3 3 Bull Jones 621 78 22 0.21
4 4 Cheryl Cushing 575 66 18 -0.38
5 5 Reuven Ytzrhak 454 96 15 -0.30
6 6 Joel Knox 634 89 30 0.78
7 7 Mary Rayburn 576 78 37 0.56
8 8 Greg England 421 56 12 -1.42
9 9 Brad Tmac 599 68 22 -0.10
10 10 Tracy Mcgrady 666 100 38 1.43
Step4:函数quantile()给出学生综合得分的百分位数
quantile(x,probs):求分位数，其中x为待求分位数的数值型向量，probs为一个由[0,1]之间的概率值组成的数值向量
1 > afterquantile<-quantile(score,c(.8,.6,.4,.2)) 2 > afterquantile 3 80% 60% 40% 20% 4 0.60 0.21 -0.18 -0.50
step5：使用逻辑运算符，把score转为等级（离散型）
> #5使用逻辑运算符，把score转为等级（离散型）
> StuScore$grade[score>=afterquantile[1]]<-“A”
> StuScore$grade[score<afterquantile[1]&&score>=afterquantile[2]]<-“B”
> StuScore$grade[score<afterquantile[2]&&score>=afterquantile[3]]<-“C”
> StuScore$grade[score<afterquantile[3]&&score>=afterquantile[4]]<-“D”
> StuScore$grade[score<afterquantile[4]]<-“E”
> StuScore
StuId StuName Math Science English score grade
1 1 John Davis 502 95 25 0.22 B
2 2 Angela Williams 465 67 12 -1.00 E
3 3 Bull Jones 621 78 22 0.21 B
4 4 Cheryl Cushing 575 66 18 -0.38 E
5 5 Reuven Ytzrhak 454 96 15 -0.30 E
6 6 Joel Knox 634 89 30 0.78 B
7 7 Mary Rayburn 576 78 37 0.56 B
8 8 Greg England 421 56 12 -1.42 E
9 9 Brad Tmac 599 68 22 -0.10 E
10 10 Tracy Mcgrady 666 100 38 1.43 B
Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字
1 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字 2 > name<-strsplit((StuScore$StuName)," ") 3 Error in strsplit((StuScore$StuName), " ") : non-character argument 4 > name 5 [1] "Jim" "Tony" "Lisa" "Tom"
这里出错了，原因很明确，没有字符型的参数传入，反应过来，原来是用execl导入的时候，StuName那一列默认的是什么类型的呢？我们来检测一下
1 > is.numeric(StuScore$StuName) 2 [1] FALSE 3 > is.logical(StuScore$StuName) 4 [1] FALSE 5 > is.character(StuScore$StuName) 6 [1] FALSE 7 > is.complex(StuScore$StuName) 8 [1] FALSE 9 > help(type) 10 > typeof(StuScore$StuName) 11 [1] "integer"
因此，我们把他改为字符型
1 > #Step6:使用strsplit()以空格为界把学生姓名拆分为姓氏和名字 2 > StuScore$StuName<-as.character(StuScore$StuName) 3 > is.character(StuScore$StuName) 4 [1] TRUE 5 > name<-strsplit(StuScore$StuName," ") 6 > name 7 [[1]] 8 [1] "John" "Davis" 9 10 [[2]] 11 [1] "Angela" "Williams" 12 13 [[3]] 14 [1] "Bull" "Jones" 15 16 [[4]] 17 [1] "Cheryl" "Cushing" 18 19 [[5]] 20 [1] "Reuven" "Ytzrhak" 21 22 [[6]] 23 [1] "Joel" "Knox" 24 25 [[7]] 26 [1] "Mary" "Rayburn" 27 28 [[8]] 29 [1] "Greg" "England" 30 31 [[9]] 32 [1] "Brad" "Tmac" 33 34 [[10]] 35 [1] "Tracy" "Mcgrady"
Step7：把name分成Firstname和LastName，加入到StuScore中
1 > #7把name分成Firstname和LastName，加入到StuScore中 2 > FirstName<-sapply(name,"[",1) 3 > LastName<-sapply(name,"[",2) 4 > StuScore<-cbind(FirstName,LastName,StuScore[,-1]) 5 > StuScore 6 FirstName LastName LastName StuName Math Science English score grade 7 1 John Davis Davis John Davis 502 95 25 0.22 B 8 2 Angela Williams Williams Angela Williams 465 67 12 -1.00 E 9 3 Bull Jones Jones Bull Jones 621 78 22 0.21 B 10 4 Cheryl Cushing Cushing Cheryl Cushing 575 66 18 -0.38 E 11 5 Reuven Ytzrhak Ytzrhak Reuven Ytzrhak 454 96 15 -0.30 E 12 6 Joel Knox Knox Joel Knox 634 89 30 0.78 B 13 7 Mary Rayburn Rayburn Mary Rayburn 576 78 37 0.56 B 14 8 Greg England England Greg England 421 56 12 -1.42 E 15 9 Brad Tmac Tmac Brad Tmac 599 68 22 -0.10 E 16 10 Tracy Mcgrady Mcgrady Tracy Mcgrady 666 100 38 1.43 B 17 >
Step8：order排序
1 > #8order()排序 2 > StuScore[order(LastName,FirstName),] 3 FirstName LastName LastName StuName Math Science English score grade 4 4 Cheryl Cushing Cushing Cheryl Cushing 575 66 18 -0.38 E 5 1 John Davis Davis John Davis 502 95 25 0.22 B 6 8 Greg England England Greg England 421 56 12 -1.42 E 7 3 Bull Jones Jones Bull Jones 621 78 22 0.21 B 8 6 Joel Knox Knox Joel Knox 634 89 30 0.78 B 9 10 Tracy Mcgrady Mcgrady Tracy Mcgrady 666 100 38 1.43 B 10 7 Mary Rayburn Rayburn Mary Rayburn 576 78 37 0.56 B 11 9 Brad Tmac Tmac Brad Tmac 599 68 22 -0.10 E 12 2 Angela Williams Williams Angela Williams 465 67 12 -1.00 E 13 5 Reuven Ytzrhak Ytzrhak Reuven Ytzrhak 454 96 15 -0.30 E 14 >
虽然是照着书本上做的，但是，代码必须要自己敲一遍，过程中遇到的一些小问题也解决了，就算菜鸟简单入门。这样样例还可以继续拓展，把R语言实战前5章的内容尽可能用一边，可以绘制一些图，等等，本文还会继续更新。
Step9:为ScienceScore绘制条形图
根据不同的分数等级，显示不同的颜色。
1 #为StuScore绘制分组条形图
2 install.packages("vcd")
3 library(vcd)
4 fill_colors<-c() #不同的等级，不同的颜色显示
5 for(i in 1:length(StuScore$Science)){
6 if(StuScore$Science[i]==100){
7 fill_colors<-c(fill_colors,"red")
8 }else if(StuScore$Science[i]<100&&StuScore$Science[i]>=80){
9 fill_colors<-c(fill_colors,"yellow")
10 }else if(StuScore$Science[i]<80&&StuScore$Science[i]>=60){
11 fill_colors<-c(fill_colors,"blue")
12 }else{
13 fill_colors<-c(fill_colors,"green")
14 }
15 }
16 barplot(StuScore$Science, #条形图
17 main="Science Score",
18 xlab="Name",ylab="ScienceScore",
19 col=fill_colors,
20 names.arg=(paste(substr(FirstName,1,1),".",LastName)), #设定横坐标名称
21 border=NA, #条形框不设置边界线
22 font.main=4,
23 font.lab=3,
24 beside=TRUE)
25 legend(x=8.8,y=100, #左上角点的坐标
26 cex=.8, #缩放比例
27 inset=5,
28 c("Excellent","Good","Ordinary","Bad"),
29 pch=c(15,16,17,19), #图例中的符号
30 col=c("red","yellow","blue","green"),
31 bg="#821122", #背景色
32 xpd=TRUE, #可以在绘图区之外显示
33 text.font=8,
34 text.width=.6,
35 text.col=c("red","yellow","blue","green")
36 )
遇到的问题说明：
起初在设置了20行的名称时，显示了全名，因此出现了一下情况：
因为名称太挤，显示不出来。
解决办法有三：
- 保存img时，增大像素值；
- 把名词改为简写，即John Davis——>J.Davis
- 把名称倾斜，与水平线呈一定的夹角
- 利用cex.names=.8对条形图的表情进行微调（减小字号）
由于3没有找到相应的设置参数，所以这里采用了第二种方法。
最后的效果图：
未经允许不得转载：哈勃私语 » R语言（入门小练习篇）
本文共6876个字 创建时间：2015年8月8日20:02