点击上方“早起Python”，关注并星标公众号

和我一起玩Python

本文为玩转数据处理120题｜R语言版本
习题｜刘早起，解答｜陈熹

大家好，本文为R语言数据处理120题系列完整版本。作者精心挑选120道数据处理中相关操作以习题形式发布，一共涵盖了数据处理、计算、可视化等常用操作，并对部分题目给出了多种解法与注解。动手敲一遍代码一定会让你有所收获！

1创建DataFrame题目：将下面的字典创建为DataFrame

"grammer":[

难度：⭐期望结果

R语言解法

# R中没有字典概念，故直接创建dataframe/tibble

注：1-20题均基于该数据框给出 2数据提取题目：提取含有字符串"Python"的行难度：⭐⭐期望结果

grammer  

R语言解法

which(df

3提取列名题目：输出df的所有列名难度：⭐期望结果

Index([

R语言解法

names(df)# [1] "grammer" "score"

4修改列名题目：修改第二列列名为'popularity'难度：⭐⭐R语言解法

df %  rename(popularity = score)

5字符统计题目：统计grammer列中每种编程语言出现的次数难度：⭐⭐R语言解法

# 神方法table

6缺失值处理题目：将空值用上下值的平均值填充难度：⭐⭐⭐

上下两数的均值

R语言解法

library(Hmisc)index is.na(df$popularity))df$popularity                        (unlist(df[index-1, 2] +                               df[index+1, 2]))/2)

7数据提取题目：提取popularity列中值大于3的行难度：⭐⭐R语言解法

df %>%  filter(popularity > 3)# 等价于df[df$popularity > 3,] # 这种方法跟pandas很相似

8数据去重题目：按照grammer列进行去重难度：⭐⭐R语言解法

[!duplicated(df$grammer),]

9数据计算题目：计算popularity列平均值难度：⭐⭐R语言解法

#> 第一种

10格式转换题目：将grammer列转换为list难度：⭐⭐R解法

unlist(df$grammer)# [1] "Python" "C" "Java" "GO" NA "SQL" "PHP" "Python"

11数据保存题目：将DataFrame保存为EXCEL难度：⭐⭐R解法

#R对EXCEL文件不太友好

12数据查看题目：查看数据行列数难度：⭐R解法

dim(df)# [1] 8 2

13数据提取题目：提取popularity列值大于3小于7的行难度：⭐⭐R解法

library(dplyr)df %>%  filter(popularity > 3 & popularity <7)# 等价于df[(df$popularity > 3) & (df$popularity <7),]

14位置处理题目：交换两列位置难度：⭐⭐⭐R解法

df %

15数据提取题目：提取popularity列最大值所在行难度：⭐⭐R解法

df %>%  filter(popularity == max(popularity))# 同理也有类似pandas的方法df[df$popularity == max(df$popularity),]

16数据查看题目：查看最后5行数据难度：⭐R解法

# R中head和tail默认是6行，可以指定数字

17数据修改题目：删除最后一行数据难度：⭐R解法

1],]

18数据修改题目：添加一行数据['Perl',6.6]难度：⭐⭐R解法

'Perl') 

19数据整理题目：对数据按照"popularity"列值的大小进行排序难度：⭐⭐R解法

df %

20字符统计题目：统计grammer列每个字符串的长度难度：⭐⭐⭐R解法

library(Hmisc)library(stringr)df$grammer $grammer,'R')str_length(df$grammer)

df$len_str $grammer)

第二期：数据处理基础

21数据读取题目：读取本地EXCEL数据难度：⭐R解法

#R语言处理excel不友好，直接读取日期时间数据会变成实数

21—50部分习题与该数据相关22数据查看题目：查看df数据前5行难度：⭐期望输出

R解法

# 默认是6行，可指定行数

23数据计算题目：将salary列数据转换为最大值与最小值的平均值难度：⭐⭐⭐⭐期望输出

R解法

library(stringr)df$salary %  str_replace_all('k','') %>%  str_split('-',simplify = T) %>%  apply(2,as.numeric) %>%  rowMeans() * 1000

24数据分组题目：将数据根据学历进行分组并计算平均薪资难度：⭐⭐⭐期望输出

education

R解法

df %>%

25时间转换题目：将createTime列时间转换为月-日难度：⭐⭐⭐期望输出

R解法

#转化后该列属性是 字符串，R中对时间格式要求严格

26数据查看题目：查看索引、数据类型和内存信息难度：⭐期望输出

class 'pandas.core.frame.DataFrame'>

R解法

str(df)

# 内存查看需要用到其他的库library(pryr)object_size(df)# 6.66 kB

27数据查看题目：查看数值型列的汇总统计难度：⭐R解法

summary(df)

28数据整理题目：新增一列根据salary将数据分为三组难度：⭐⭐⭐⭐输入期望输出

R解法

#用ifelse也可以

29数据整理题目：按照salary列对数据降序排列难度：⭐⭐R解法

df %>%

30数据提取题目：取出第33行数据难度：⭐⭐R解法

[33,]

31数据计算题目：计算salary列的中位数难度：⭐⭐R解法

median(df$salary)# [1] 17500

32数据可视化题目：绘制薪资水平频率分布直方图难度：⭐⭐⭐期望输出

R解法

library(ggplot2)

33数据可视化题目：绘制薪资水平密度曲线难度：⭐⭐⭐期望输出

R解法

df %>%

34数据删除题目：删除最后一列categories难度：⭐R解法

df 4]

35数据处理题目：将df的第一列与第二列合并为新的一列难度：⭐⭐R解法

df %  mutate(test = paste0(df$education,df$createTime))

36数据处理题目：将education列与salary列合并为新的一列难度：⭐⭐⭐备注：salary为int类型，操作与35题有所不同R解法

df %

37数据计算题目：计算salary最大值与最小值之差难度：⭐⭐⭐R解法

df %>%  summarise(delta = max(salary) - min(salary)) %>%  unlist()# delta# 41500

38数据处理题目：将第一行与最后一行拼接难度：⭐⭐R解法

[1,],df

39数据处理题目：将第8行数据添加至末尾难度：⭐⭐R解法

[8,])

40数据查看题目：查看每列的数据类型难度：⭐期望结果

object

R解法

str(df)# tibble [135 x 5] (S3: spec_tbl_df/tbl_df/tbl/data.frame)# $ createTime: chr [1:135] "03-16" "03-16" "03-16" "03-16" ...# $ education : chr [1:135] "本科" "本科" "不限" "本科" ...# $ salary : num [1:135] 27500 30000 27500 16500 15000 14000 23000 12500 7000 16000 ...# $ test : chr [1:135] "本科03-16" "本科03-16" "不限03-16" "本科03-16" ...# $ test1 : chr [1:135] "27500本科" "30000本科" "27500不限" "16500本科" ...

41数据处理题目：将createTime列设置为索引难度：⭐⭐R解法

df %>%  tibble::column_to_rownames('createTime')

42数据创建题目：生成一个和df长度相同的随机数dataframe难度：⭐⭐R解法

df1 135,function(n) {  replicate(n,sample(1:10,1))})# 列名暂时不一样，下一题重命名

43数据处理题目：将上一题生成的dataframe与df合并难度：⭐⭐R解法

df %  rename(`0` = df1)# 非常规命名需要用``包裹变量名

44数据计算题目：生成新的一列new为salary列减去之前生成随机数列难度：⭐⭐R解法

df %  mutate(new = salary - `0`)

45缺失值处理题目：检查数据中是否含有任何缺失值难度：⭐⭐⭐R解法

# 这个包的结果呈现非常有趣

46数据转换题目：将salary列类型转换为浮点数难度：⭐⭐⭐R解法

as.double(df2$salary)

47数据计算题目：计算salary大于10000的次数难度：⭐⭐R解法

df %>%

48数据统计题目：查看每种学历出现的次数难度：⭐⭐⭐期望输出

119

R解法

table(df$education)

49数据查看题目：查看education列共有几种学历难度：⭐⭐R解法

length(unique(df$education))# [1] 4

50数据提取题目：提取salary与new列的和大于60000的最后3行难度：⭐⭐⭐⭐期望输出

R解法

df[df$salary + df

51数据读取题目：使用绝对路径读取本地Excel数据难度：⭐R解法

# 转存csv后再读

备注

请将答案中路径替换为自己机器存储数据的绝对路径，51—80相关习题与该数据有关

52数据查看题目：查看数据前三行难度：⭐期望结果

R解法

head(df,

53缺失值处理题目：查看每列数据缺失值情况难度：⭐⭐期望结果

1

R解法

is.na(df))

54缺失值处理题目：提取日期列含有空值的行难度：⭐⭐期望结果

R解法

[is.na(df$日期),]

55缺失值处理题目：输出每列缺失值具体行数难度：⭐⭐⭐期望结果

[327]行位置有缺失值

R解法

library(glue)

for (i in names(df)){  if(sum(is.na(df[,'日期'])) != 0){    res1 is.na(df[,i]))    res2 ',')    print(glue('列名："{i}", 第[{res2}]行有缺失值'))  }}

56缺失值处理题目：删除所有存在缺失值的行难度：⭐⭐Python解法

0, how=

备注

0-行操作(默认)，

57数据可视化题目：绘制收盘价的折线图难度：⭐⭐期望结果

R解法

library(ggplot2)

58数据可视化题目：同时绘制开盘价与收盘价难度：⭐⭐⭐期望结果

R解法

df %>%  ggplot() +  geom_line(aes(日期,`收盘价(元)`), size=1.2, color='steelblue') +  geom_line(aes(日期,`开盘价(元)`), size=1.2, color='orange') +  ylab(c('价格(元)'))# 这种画出来没有图例，当然可以手动添加，但为了映射方便可以用另一种方法

library(tidyr)

df %>%  select(日期,`开盘价(元)`,`收盘价(元)`) %>%  pivot_longer(c(`开盘价(元)`,`收盘价(元)`),               names_to='type',values_to='price') %>%  ggplot(aes(日期,price,color=type)) +  geom_line(size=1.2) +  scale_color_manual(values=c('steelblue','orange')) +  theme_bw() +  theme(    panel.grid.major = element_blank(),    panel.grid.minor = element_blank(),    legend.title = element_blank(),    legend.position = c(0.86, 0.9)  )

59数据可视化题目：绘制涨跌幅的直方图难度：⭐⭐期望结果

R解法

df %>%

60数据可视化题目：让直方图更细致难度：⭐⭐期望结果

R解法

df %>%

61数据创建题目：以data的列名创建一个dataframe难度：⭐⭐R解法

temp 

62异常值处理题目：打印所有换手率不是数字的行难度：⭐⭐⭐期望结果

R解法

#换手率这一列属性为chr，需要先强转数值型

63异常值处理题目：打印所有换手率为--的行难度：⭐⭐⭐R解法

df %>%

备注

通过上一题我们发现换手率的异常值只有--

64数据处理题目：重置data的行号难度：⭐R解法

rownames(df) # 如果是tibble则索引始终是按顺序

备注

有时我们修改数据会导致索引混乱

65异常值处理题目：删除所有换手率为非数字的行难度：⭐⭐⭐R解法

is.na(

66数据可视化题目：绘制换手率的密度曲线难度：⭐⭐⭐期望结果

R解法

df$`换手率(%)` as.double(df$`换手率(%)`)ggplot(df) +  geom_density(aes(`换手率(%)`))

67数据计算题目：计算前一天与后一天收盘价的差值难度：⭐⭐R解法

df %>%

68数据计算题目：计算前一天与后一天收盘价变化率难度：⭐⭐R解法

df %>%

69数据处理题目：设置日期为索引难度：⭐R解法

df %>%  column_to_rownames(var='日期')

70指标计算

题目：以5个数据作为一个数据滑动窗口，在这个5个数据上取均值(收盘价)

难度：⭐⭐⭐R解法

library(RcppRoll)

71指标计算

题目：以5个数据作为一个数据滑动窗口，计算这五个数据总和(收盘价)

难度：⭐⭐⭐R解法

df %>%

72数据可视化

题目：将收盘价5日均线、20日均线与原始数据绘制在同一个图上

难度：⭐⭐⭐期望结果

R解法

df %>%

73数据重采样

题目：按周为采样规则，取一周收盘价最大值

  难度：⭐⭐⭐R解法

library(plyr)

res "1 week")),"[")res_max res,function(n)max(n$`收盘价(元)`),simplify=TRUE)as.data.frame(res_max)

74数据可视化

题目：绘制重采样数据与原始数据

  难度：⭐⭐⭐  期望结果

R解法

res %>%

75数据处理题目：将数据往后移动5天难度：⭐⭐R解法

lag(df,

76数据处理题目：将数据向前移动5天难度：⭐⭐R解法

lead(df,

77数据计算题目：使用expending函数计算开盘价的移动窗口均值难度：⭐⭐R解法

#R中没有expanding完全一致的函数

78数据可视化题目：绘制上一题的移动均值与原始数据折线图难度：⭐⭐⭐期望结果

R解法

library(tidyr)df %>%  cbind(res) %>%  dplyr::rename(Opening_Price = `开盘价(元)`,         Expanding_Open_Mean = cummean) %>%  select(日期,Opening_Price,Expanding_Open_Mean) %>%  pivot_longer(c(Opening_Price,Expanding_Open_Mean),               names_to = 'type',               values_to ='price') %>%  ggplot(aes(日期,price,color = type)) +  geom_line(size=1.2) +  scale_color_manual(values=c('orange','steelblue')) +  theme_bw() +  theme(    panel.grid.major = element_blank(),    panel.grid.minor = element_blank(),    legend.title = element_blank(),    legend.position = c(0.9, 0.9)  )

79数据计算题目：计算布林指标难度：⭐⭐⭐⭐R解法

df %  mutate(avg_20 = roll_mean(`收盘价(元)`,n = 20,align="right",fill = NA),         upper_bound = avg_20 + 2 * roll_sd(`收盘价(元)`,n = 20,align="right",fill = NA),         lower_bound = avg_20 - 2 * roll_sd(`收盘价(元)`,n = 20,align="right",fill = NA))

80数据可视化题目：计算布林线并绘制难度：⭐⭐⭐期望结果

R解法

df %>%  dplyr::rename(former_30_days_rolling_Close_mean = avg_20,                Closing_Price = `收盘价(元)`) %>%  select(日期,Closing_Price,           former_30_days_rolling_Close_mean,upper_bound,lower_bound) %>%  pivot_longer(c(Closing_Price,former_30_days_rolling_Close_mean,upper_bound,lower_bound),               names_to = 'type',               values_to ='price') %>%  ggplot(aes(日期,price,color = type)) +  geom_line(size=1.2) +  scale_color_manual(values=c('steelblue','orange','red','green')) +  theme_bw() +  theme(    panel.grid.major = element_blank(),    panel.grid.minor = element_blank(),    legend.title = element_blank(),    legend.position = c(0.6, 0.2)  )

81数据查看题目：导入并查看pandas与numpy版本难度：⭐R语言解法

"tidyverse")

82数据创建题目：从NumPy数组创建DataFrame难度：⭐备注使用numpy生成20个0-100随机数R语言解法

function(n) {

83数据创建题目：从NumPy数组创建DataFrame难度：⭐备注使用numpy生成20个0-100固定步长的数R语言解法

0,

84数据创建题目：从NumPy数组创建DataFrame难度：⭐备注使用numpy生成20个指定分布(如标准正态分布)的数R语言解法

20,

85数据创建题目：将df1，df2，df3按照行合并为新DataFrame难度：⭐⭐R语言解法

df 

86数据创建题目：将df1，df2，df3按照列合并为新DataFrame难度：⭐⭐期望结果

0 1 20 95 0 0.0224921 22 5 -1.2094942 3 10 0.8761273 21 15 -0.1621494 51 20 -0.8154245 30 25 -0.303792...............

R语言解法

df names(df) 0,

87数据查看题目：查看df所有数据的最小值、25%分位数、中位数、75%分位数、最大值难度：⭐⭐R语言解法

summary(unlist(df))

88数据修改题目：修改列名为col1,col2,col3难度：⭐R语言解法

df %  dplyr::rename(col1 = 1,                col2 = 2,                col3 = 3)# 或者用类似pandas的方法names(df) 'col1','col2','col3')

89数据提取题目：提取第一列中不在第二列出现的数字难度：⭐⭐⭐R语言解法

$col1 %

90数据提取题目：提取第一列和第二列出现频率最高的三个数字难度：⭐⭐⭐R语言解法

count(unlist(c(df$col1,df

91数据提取题目：提取第一列中可以整除5的数字位置难度：⭐⭐⭐R语言解法

which(df[

92数据计算题目：计算第一列数字前一个与后一个的差值难度：⭐⭐R语言解法

df %>%

93数据处理题目：将col1,col2,clo3三列顺序颠倒难度：⭐⭐R语言解法

df %>%

94数据提取题目：提取第一列位置在1,10,15的数字难度：⭐⭐R语言解法

[c(1,10,15) + 1,1]

95数据查找题目：查找第一列的局部最大值位置难度：⭐⭐⭐⭐备注即比它前一个与后一个数字的都大的数字R语言解法

0))

96数据计算题目：按行计算df的每一行均值难度：⭐⭐R语言解法

rowMeans(df)

97数据计算题目：对第二列计算移动平均值难度：⭐⭐⭐备注每次移动三个位置，不可以使用自定义函数R语言解法

library(RcppRoll)

98数据修改题目：将数据按照第三列值的大小升序排列难度：⭐⭐R语言解法

df %  arrange(col3)

99数据修改题目：将第一列大于50的数字修改为'高'难度：⭐⭐R语言解法

df[df$col1 > 50,1] '高'

100数据计算题目：计算第一列与第二列之间的欧式距离难度：⭐⭐⭐备注不可以使用自定义函数R语言解法

# 可以利用概念计算

101数据读取题目：从CSV文件中读取指定数据难度：⭐⭐备注从数据1中的前10行中读取positionName, salary两列R语言解法

#一步读取文件的指定列用readr包或者原生函数都没办法

102数据读取题目：从CSV文件中读取指定数据难度：⭐⭐备注从数据2中读取数据并在读取数据时将薪资大于10000的为改为高R语言解法

library(readr)

df2 '数据2.csv') %>%  mutate('学历要求',         '薪资水平' = ifelse(           薪资水平 > 10000,'高','低'))

103数据计算题目：从dataframe提取数据难度：⭐⭐⭐备注从上一题数据中，对薪资水平列每隔20行进行一次抽样

期望结果

R语言解法

[seq(1,dim(df2)[1],20),]

104数据处理题目：将数据取消使用科学计数法难度：⭐⭐输入

df = pd.DataFrame(np.random.random(

期望结果

R语言解法

10)

105数据处理题目：将上一题的数据转换为百分数难度：⭐⭐⭐期望结果

R语言解法

tibble(data = str_glue(

106数据查找题目：查找上一题数据中第3大值的行号难度：⭐⭐⭐R语言解法

df %>%

107数据处理题目：反转df的行难度：⭐⭐R语言解法

df %>%

108数据重塑题目：按照多列对数据进行合并难度：⭐⭐输入

'key1': [

R语言解法

"key1" = c(

109数据重塑题目：按照多列对数据进行合并难度：⭐⭐

备注

只保存df1的数据

R语言解法

by = c(

110数据处理题目：再次读取数据1并显示所有的列难度：⭐⭐备注数据中由于列数较多中间列不显示R语言解法

"GBK")) %>%

111数据查找题目：查找secondType与thirdType值相等的行号难度：⭐⭐R语言解法

df %>%

112数据查找题目：查找薪资大于平均薪资的第三个数据难度：⭐⭐⭐R语言解法

df %>%  mutate(nrow = rownames(.)) %>%  filter(salary > mean(salary)) %>%  select(nrow) %>%  filter(row_number() == 3)# # A tibble: 1 x 1# nrow# # 1 6

113数据计算题目：将上一题数据的salary列开根号难度：⭐⭐R语言解法

df %>%  summarise(salary_sqrt = sqrt(salary))

114数据处理题目：将上一题数据的linestaion列按_拆分难度：⭐⭐R语言解法

df %  mutate(split = str_split(linestaion,'_'))

115数据查看题目：查看上一题数据中一共有多少列难度：⭐R语言解法

length(df)# [1] 54

116数据提取题目：提取industryField列以'数据'开头的行难度：⭐⭐R语言解法

grep(

117数据计算题目：以salary score 和 positionID制作数据透视难度：⭐⭐⭐R语言解法

df %  group_by(positionId) %>%  dplyr::summarise(salary = mean(salary),            score = mean(score)) %>%  as.data.frame(.)rownames(df) NULLtibble::column_to_rownames(df,var='positionId')

118数据计算题目：同时对salary、score两列进行计算难度：⭐⭐⭐R语言解法

res %

119数据计算题目：对不同列执行不同的计算难度：⭐⭐⭐备注对salary求平均，对score列求和R语言解法

df %>%

120数据计算题目：计算并提取平均薪资最高的区难度：⭐⭐⭐⭐R语言解法

df %>%

以上就是玩转数据处理120题｜R语言版全部内容，如果能坚持走到这里的读者，我想你已经掌握了处理数据的常用操作，并且在之后的数据分析中碰到相关问题，希望你能够从容的解决！

R语言解法作者介绍：陈熹，中山大学中山眼科中心博士在读，不安分的python R SQL爱好者

兴趣范围：生物信息 / 数据分析 / 网络爬虫 / 机器学习

简书：半为花间酒

Email：chenx6542@foxmail.com