r語言dataframe變為數值型

一、讀取dataframe

在r語言中，讀取數據最常用的函數是read.csv和read.table。這兩個函數都可以讀取csv和txt兩種格式的文件，將數據讀入到r語言中，存儲為dataframe類型。下面是一個簡單的讀取csv文件的例子：

data <- read.csv("example.csv") 

二、查看dataframe

在讀取數據之後，我們通常需要查看一下數據的基本情況，包括緯度、變數類型、缺失值等等。

1. 緯度

通過dim函數可以查看數據的緯度，即行數和列數：

dim(data) 

2. 變數類型

可以通過str函數查看數據框中每個變數的類型、名稱、第一個觀測值；

str(data) 

如果要查看數據框中某個變數的類型，可以使用class函數：

class(data$Column1) 

3. 缺失值

我們需要查看一下數據框中是否存在缺失值，可以使用sum和is.na函數來查看：

sum(is.na(data)) # 總缺失值數 
sum(is.na(data$Column1)) # Column1列的缺失值數 

三、將數據框轉為數值型

通常，我們在處理數據時需要將數據框中的某些列轉為數值型，以便進行數值計算。下面介紹一些方法：

1. as.numeric()

as.numeric()函數可以將一個向量或者數據框的某一列轉為數值型。

data$Column1_numeric <- as.numeric(data$Column1) 

需要注意的是，如果在數據框中存在非數值類型的缺失值（例如字元型”NA”），使用as.numeric()函數轉換會返回NA：

example_vec <- c(1, 2, 3, "NA", 4, 5) 
as.numeric(example_vec) # 將返回有關警告和NA 

為了解決這個問題，可以先將NA替換成0，再將vector轉為數值型：

 example_vec[example_vec == "NA"] <- "0" 
 example_vec <- as.numeric(example_vec) 

2. sapply()

sapply函數可以在數據框中批量進行列的轉換，例如將所有列都轉為數值型：

df_num <- sapply(data, as.numeric) 

需要注意的是，如果數據框中某些列是非數值型的，會存在警告信息，但不會影響轉換結果。

3. apply()

apply函數可以對數據框的某行或某列進行操作。對於轉換數據類型的需求，可以使用apply函數，比如將整個數據框轉為數值型（注意，在含有缺失值的列中，apply函數默認將缺失值視為最小值，可能會影響結果）：

data_num <- apply(data, 2, as.numeric) 

四、刪除dataframe中的空值、重複項

1. 刪除空值

對於含有缺失值的數據框，可以使用na.omit()函數刪除含有缺失值的行：

data_clean <- na.omit(data) 

如果只要刪除某列含有缺失值的行，可以這樣做：

data_clean <- data[-which(is.na(data$Column1)),] 

其中[-which(is.na(data$Column1)),]表示刪除data中Column1列中含有NA的行。

2. 刪除重複項

可以使用unique()函數刪除所有列都完全相同的重複行：

data_unique <- unique(data) 

如果只想針對某一列來刪除重複項，可以使用duplicated()函數：

data_dump <- data[!duplicated(data$Column1),] 

五、數據reshape

reshape是一個重要的數據處理步驟，它可以將數據從一種形式轉換為另一種形式。

1. reshape()

reshape函數可以將數據從長格式轉換成寬格式（或者從寬格式轉換成長格式）。下面是一個從長格式轉換為寬格式的例子：

library(reshape2) 
data_new <- reshape(data, idvar = "Column1", timevar = "Column2", direction = "wide") 

其中，idvar參數指定變數名或者下標，默認將不作處理; timevar參數指定需要轉換的變數名或者下標，direction參數指示需要轉換方向。

2. melt()

melt函數可以將數據從寬格式轉換成長格式。下面是一個從寬格式轉換為長格式的例子：

data_melt <- melt(data_new, id.vars = "Column1", variable.name = "month", value.name = "num") 

其中，id.vars參數指定需要保留的變數或下標，variable.name和value.name是新列的列名。