Chapter05 高级数据管理1

5.2.3 概率函数
1. 设定随机数种子
在每次生成伪随机数的时候，函数都会使用一 个不同的种子，因此也会产生不同的结果。 你可以通过函数set.seed()显式指定这个种 子，让结果可以重现（reproducible）。代 码清单5-2给出了一个示例。这里的函数 runif()用来生成0到1区间上服从均匀分布 的伪随机数。
FUN可为任意R函数，这也包括你自行编写的 函数（参见5.4节），所以apply()是一种很 强大的机制。 apply()可把函数应用到数组的某个维度上， 而lapply()和sapply()则可将函数应用到列 表（list）上。你将在下一节中看到sapply （它是lapply的更好用的版本）的一个示例。
第5章高级数据管理
本章内容
数学和统计函数 字符处理函数 循环和条件执行 自编函数 数据整合与重塑
5.1 一个数据处理难题
5.2 数值和字符处理函数
作为数据处理基石的函数，它们可分为数值 （数学、统计、概率）函数和字符处理函数 5.2.1 数学函数
5.2.2 统计函数
代码清单5-1。这段代码演示了计算某个 数值向量的均值和标准差的两种方式
5.2.4 字符处理函数
ห้องสมุดไป่ตู้
5.2.5 其他实用函数
5.2.6 将函数应用于矩阵和数据框
R函数的诸多有趣特性之一，就是它们可以应用到一 系列的数据对象上，包括标量、向量、矩阵、数组 和数据框。代码清单5-4提供了一个示例。 R中提供了一个apply()函数，可将一个任意函数“应 用”到矩阵、数组、数据框的任何维度上。apply 函数的使用格式为： 其中，x为数据对象，MARGIN是维度的下标，FUN 是由你指定的函数，而...则包括了任何想传递给 FUN的参数。在矩阵或数据框中，MARGIN=1表 示行，MARGIN=2表示列。请看代码清单5-5中 的例子。
2. 生成多元正态数据
在模拟研究和蒙特卡洛方法中，你经常需要获取来自 给定均值向量和协方差阵的多元正态分布的数据。 MASS包中的mvrnorm()函数可以让这个问题变 得很容易。其调用格式为：
其中n是你想要的样本大小，mean为均值向量，而 sigma是方差协方差矩阵（或相关矩阵）。在代 码清单5-3中，你将从一个参数如下所示的三元正 态分布中抽取500个观测。
5.3 数据处理难题的一套解决方案
5.1节中提出的问题是：将学生的各科考试成 绩组合为单一的成绩衡量指标、基于相对名 次（前20%，下20%，等等）给出从A到F 的评分、根据学生姓氏和名字的首字母对花 名册进行排序。代码清单5-6给出了一种解 决方案。
步骤1 原始的学生花名册已经给出了。options(digits=2)限定了输出小数点后数字的位 数，并且让输出更容易阅读。 步骤2 由于数学、科学和英语考试的分值不同（均值和标准差相去甚远），在组合之前 需要先让它们变得可以比较。一种方法是将变量进行标准化，这样每科考试的成绩 就都是用单位标准差来表示，而不是以原始的尺度来表示了。这个过程可以使用 scale()函数来实现： 步骤3 然后，可以通过函数mean()来计算各行的均值以获得综合得分，并使用函数 cbind()将其添加到花名册中： 步骤4 函数quantile()给出了学生综合得分的百分位数。可以看到，成绩为A的分界点为 0.74，B的分界点为0.44，等等。 步骤5 通过使用逻辑运算符，你可以将学生的百分位数排名重编码为一个新的类别型成 绩变量。下面在数据框roster中创建了变量grade。 步骤6 你将使用函数strsplit()以空格为界把学生姓名拆分为姓氏和名字。把strsplit()应 用到一个字符串组成的向量上会返回一个列表： 步骤7 你可以使用函数sapply()提取列表中每个成分的第一个元素，放入一个储存名字 的向量，并提取每个成分的第二个元素，放入一个储存姓氏的向量。"["是一个可以提取 某个对 象的一部分的函数——在这里它是用来提取列表name各成分中的第一个或第二个元素的。 你将 使用cbind()把它们添加到花名册中。由于已经不再需要student变量，可以将其丢弃 （在下标 中使用-1） 步骤8 最后，可以使用函数order()依姓氏和名字对数据集进行排序：