q**j
发帖数: 10612 | 1 同一个事情先用SAS干了，然后用R干了。有些感想，有些问题。跑来跟大家交流一下啊。
1. R里面改个变量名这么这么难？
需要一个reshape pacakge
data.frame = rename(data.frame, c(oldname = "newname"))
不用这个package就更麻烦了。
2. 控制时间，日期怎么这么难？
以前“告别棒球场”说了，最好不要用日期，全部用字符。临到用的时候才换。就算这
样还是问题多多。比如 “1990-12-04”，怎么样轻松的把它变成 “1990-12-01”（月
初），“1990-12-31”（月末）。往前，往后移动几个月？我写了一个function来干这
个。但是非常慢（yes, I know it.)而且不能往以前移动。我在SAS里面经常用intnx函
数在proc sql的时候来specify where condition。这个用R实在是非常，非常不方便。
# t=intnx("1 mon","2007-12-15",2,'e')
# DateVector = c("2006-02-03","2004-05-06")
# Ne | l***a
发帖数: 12410 | 2 never a big fan of R
啊。
【在 q**j 的大作中提到】
: 同一个事情先用SAS干了，然后用R干了。有些感想，有些问题。跑来跟大家交流一下啊。
: 1. R里面改个变量名这么这么难？
: 需要一个reshape pacakge
: data.frame = rename(data.frame, c(oldname = "newname"))
: 不用这个package就更麻烦了。
: 2. 控制时间，日期怎么这么难？
: 以前“告别棒球场”说了，最好不要用日期，全部用字符。临到用的时候才换。就算这
: 样还是问题多多。比如 “1990-12-04”，怎么样轻松的把它变成 “1990-12-01”（月
: 初），“1990-12-31”（月末）。往前，往后移动几个月？我写了一个function来干这
: 个。但是非常慢（yes, I know it.)而且不能往以前移动。我在SAS里面经常用intnx函
| d*******1
发帖数: 854 | 3 典型的用SAS 的强项比R的弱项. 你这些事情都应该先在PERL里弄好了再用R跑.
啊。
【在 q**j 的大作中提到】
: 同一个事情先用SAS干了，然后用R干了。有些感想，有些问题。跑来跟大家交流一下啊。
: 1. R里面改个变量名这么这么难？
: 需要一个reshape pacakge
: data.frame = rename(data.frame, c(oldname = "newname"))
: 不用这个package就更麻烦了。
: 2. 控制时间，日期怎么这么难？
: 以前“告别棒球场”说了，最好不要用日期，全部用字符。临到用的时候才换。就算这
: 样还是问题多多。比如 “1990-12-04”，怎么样轻松的把它变成 “1990-12-01”（月
: 初），“1990-12-31”（月末）。往前，往后移动几个月？我写了一个function来干这
: 个。但是非常慢（yes, I know it.)而且不能往以前移动。我在SAS里面经常用intnx函
| q**j
发帖数: 10612 | 4 很多data frame实在分析过程中产生的。我总不能一会R，一会perl的换吧？我是要抛砖引玉的。希望牛人给推荐几个实用的trick or package.
【在 d*******1 的大作中提到】
: 典型的用SAS 的强项比R的弱项. 你这些事情都应该先在PERL里弄好了再用R跑.
:
: 啊。
| s*****n
发帖数: 2174 | 5 你这种心态, 最好的办法就是别用R. 既然你觉得SAS好, 那就用SAS好了. | q**j
发帖数: 10612 | 6 言重了。各有各的好处。从SAS user的角度当然是这样想。从R user的角度一样可以说
SAS的坏话。我比较想两个都搞定。
【在 s*****n 的大作中提到】
: 你这种心态, 最好的办法就是别用R. 既然你觉得SAS好, 那就用SAS好了.
| d*******1
发帖数: 854 | 7 如果你SAS挺熟悉,又在大公司不介意费用的话, 还是SAS 方便,毕竟data manipulation
和statistics 在一个pipeline里就搞定了,也可以在SAS里call个R化个图什么的.
如果你自己单干, 除了R你也没别的选择了.
【在 q**j 的大作中提到】
: 言重了。各有各的好处。从SAS user的角度当然是这样想。从R user的角度一样可以说
: SAS的坏话。我比较想两个都搞定。
| q**j
发帖数: 10612 | 8 请问你是说用x command吗？如果不是，请说详细一些？ | D******n
发帖数: 2836 | 9 什么叫做改个变量名?
用names不就搞定了吗,如果你要改dataframe里面的变量名.
啊。
【在 q**j 的大作中提到】
: 同一个事情先用SAS干了，然后用R干了。有些感想，有些问题。跑来跟大家交流一下啊。
: 1. R里面改个变量名这么这么难？
: 需要一个reshape pacakge
: data.frame = rename(data.frame, c(oldname = "newname"))
: 不用这个package就更麻烦了。
: 2. 控制时间，日期怎么这么难？
: 以前“告别棒球场”说了，最好不要用日期，全部用字符。临到用的时候才换。就算这
: 样还是问题多多。比如 “1990-12-04”，怎么样轻松的把它变成 “1990-12-01”（月
: 初），“1990-12-31”（月末）。往前，往后移动几个月？我写了一个function来干这
: 个。但是非常慢（yes, I know it.)而且不能往以前移动。我在SAS里面经常用intnx函
| d*******1
发帖数: 854 | 10 filename 加 pipe 可以执行很多sas 以外的东西,包括R. 你可以google 以下
【在 q**j 的大作中提到】
: 请问你是说用x command吗？如果不是，请说详细一些？
| | | s*****n
发帖数: 2174 | 11 同样一个任务, SAS有SAS的方式, R有R的方式. 用任何一个东西的构架去衡量另一个东
西, 都是没有意义的. 你这些天来问的问题, 绝大都是这种情况. 我本打算都不再回答
你的问题了, 不过既然你希望能双修, 还是希望你能抛开SAS思想来考虑问题的本身.
问题1:
你说的rename, 无非是在不复制object本身的情况下,
给object换个名字. R里面完全可以这样, 没什么可难的.
A <- matrix(0, ncol=10000, nrow=10000) ## a big object
B <- A ## B points to the same memory location as A
rm(A) ## Remove the pointer of A.
R和Splus里面的绝大多数object, 再赋值给另一个object的时候, 都并不复制, 只是建
立一个pointer. 除非你后来更改value. 在这个角度讲, 用不用package无所谓. SAS里
面的rename statement, 无非也是这么操作的, 只是给你包装成一
【在 q**j 的大作中提到】
: 言重了。各有各的好处。从SAS user的角度当然是这样想。从R user的角度一样可以说
: SAS的坏话。我比较想两个都搞定。
| l*****k
发帖数: 587 | 12 大牛啊， 佩服， 佩服， 对R算是版上最了解的了。。。
【在 s*****n 的大作中提到】
: 同样一个任务, SAS有SAS的方式, R有R的方式. 用任何一个东西的构架去衡量另一个东
: 西, 都是没有意义的. 你这些天来问的问题, 绝大都是这种情况. 我本打算都不再回答
: 你的问题了, 不过既然你希望能双修, 还是希望你能抛开SAS思想来考虑问题的本身.
: 问题1:
: 你说的rename, 无非是在不复制object本身的情况下,
: 给object换个名字. R里面完全可以这样, 没什么可难的.
: A <- matrix(0, ncol=10000, nrow=10000) ## a big object
: B <- A ## B points to the same memory location as A
: rm(A) ## Remove the pointer of A.
: R和Splus里面的绝大多数object, 再赋值给另一个object的时候, 都并不复制, 只是建
| q**j
发帖数: 10612 | 13 我说了不少R不方便的地方，但是我从来没有说SAS比R好。因为我承认R有自己的特点。
你太defensive了。用户提意见不是个坏事情吧，有意见才有提高。比如增加几个操作
日期的函数应该不是big deal。增加进base package应该性价比比较高。
问题1:
你说的和我说的不是一回事。我是说rename data frame里面的一个column.事情是个小
事情。但是我觉得R如果比较care user的话，应该简化一下syntax.
问题3:
merge只能merge两个data set. 如果别的软件可以一下子merge多个, 那么必然有额外
的assumption. 比如只保留match的records, 扔掉所有不match的. 而两两merge, 最大
可能的提供了flexibility, 可以允许你通过all.x 和 all.y 来实现 left join,
right join, join 和 full outer join 四种方式的组合. 类似的东西, 还有集合的
union(), intersect()等等. 这些东西本身就是"二元操作". | s*****n
发帖数: 2174 | 14 你之所以有很多问题, 是因为你的SAS思想太重. 在那个构架下考虑R本身, 你自然会
有很多问题. 你不是用过Matlab吗? 下次试着用Matlab的思想来考虑R, 你就没这么多
感想了.
问题1: 如果你仅仅是想要改data frame里面的column name, 那就用names()好了. 这
是最常用的东西之一了. 反而是我把你的问题想的复杂了. 我说的改object本身的名字.
问题3: 请问SQL和SAS里面如何merge三个data, 比如data1,data2, data3. n个data的
merge, 会有2^n种组合, 如何提供这种flexibility?
问题6: 之所以你有"最近一个data set"或者"当前data set"的概念, 就是因为SAS里面
有data step. 在R里面, 如何定义这个?
【在 q**j 的大作中提到】
: 我说了不少R不方便的地方，但是我从来没有说SAS比R好。因为我承认R有自己的特点。
: 你太defensive了。用户提意见不是个坏事情吧，有意见才有提高。比如增加几个操作
: 日期的函数应该不是big deal。增加进base package应该性价比比较高。
: 问题1:
: 你说的和我说的不是一回事。我是说rename data frame里面的一个column.事情是个小
: 事情。但是我觉得R如果比较care user的话，应该简化一下syntax.
: 问题3:
: merge只能merge两个data set. 如果别的软件可以一下子merge多个, 那么必然有额外
: 的assumption. 比如只保留match的records, 扔掉所有不match的. 而两两merge, 最大
: 可能的提供了flexibility, 可以允许你通过all.x 和 all.y 来实现 left join,
| q**j
发帖数: 10612 | 15 1. 问题不是不能。而是不方便。names(data.frame)一次要全部改变。如果有20个变量
怎么办？一般人会觉得太麻烦吧？如果有 names(data.frame$var1) = "newname"。多
好。
2. SAS里面有in=option.可以解决很多问题。in=0,1。刚好2^n个。而且SAS比较谦虚。吧sql也用上了。这个
让用户很方便。R为什么不考虑兼容sql呢？
3. R完全可以：如果attach(data1)，data1就是defualt。如果没有attach()，default attach
最近一个用过的。挺简单的一件事。
另外能不能问 tapply的时候能不能同时分析好几个column?
state <- c("tas", "sa", "qld", "nsw", "nsw", "nt", "wa", "wa",
"qld", "vic", "nsw", "vic", "qld", "qld", "sa", "tas",
"sa", "nt", "wa", "vic", "qld", "nsw", "nsw", "wa",
"sa", "act", "ns
【在 s*****n 的大作中提到】
: 你之所以有很多问题, 是因为你的SAS思想太重. 在那个构架下考虑R本身, 你自然会
: 有很多问题. 你不是用过Matlab吗? 下次试着用Matlab的思想来考虑R, 你就没这么多
: 感想了.
: 问题1: 如果你仅仅是想要改data frame里面的column name, 那就用names()好了. 这
: 是最常用的东西之一了. 反而是我把你的问题想的复杂了. 我说的改object本身的名字.
: 问题3: 请问SQL和SAS里面如何merge三个data, 比如data1,data2, data3. n个data的
: merge, 会有2^n种组合, 如何提供这种flexibility?
: 问题6: 之所以你有"最近一个data set"或者"当前data set"的概念, 就是因为SAS里面
: 有data step. 在R里面, 如何定义这个?
| s*****n
发帖数: 2174 | 16 1. names(data)[1] <- "newname" 就可以, 如果你不喜欢用数字index, 也可以这样
names(data)[names(data)=="var1"] <- "newname" 或者
names(data) <- gsub("var1", "newname", names(data)) 都可以
2. 你说那个有个条件, 就是BY variable必须是相同的. 考虑如果data1, data2,
data3之间做一个merge. data1和data2之间用var1和var2来做index match, 而data1和
data3之间用var3来做index match. 反正就是这种比较复杂的merge, 每个data之间的
BY variable都不确定. 很难定义一个函数来handle多个data, 除非这个函数本身提供
很多很多参数.
3. 除了SAS, 还有别的语言有你说的这种"最近的data"的概念吗?
是最近一个赋值(写)的, 还是最后一个取值(读)的? 比如
data3 <- merge(data1, data2)
print(data2
【在 q**j 的大作中提到】
: 1. 问题不是不能。而是不方便。names(data.frame)一次要全部改变。如果有20个变量
: 怎么办？一般人会觉得太麻烦吧？如果有 names(data.frame$var1) = "newname"。多
: 好。
: 2. SAS里面有in=option.可以解决很多问题。in=0,1。刚好2^n个。而且SAS比较谦虚。吧sql也用上了。这个
: 让用户很方便。R为什么不考虑兼容sql呢？
: 3. R完全可以：如果attach(data1)，data1就是defualt。如果没有attach()，default attach
: 最近一个用过的。挺简单的一件事。
: 另外能不能问 tapply的时候能不能同时分析好几个column?
: state <- c("tas", "sa", "qld", "nsw", "nsw", "nt", "wa", "wa",
: "qld", "vic", "nsw", "vic", "qld", "qld", "sa", "tas",
| s*****n
发帖数: 2174 | 17 哦, 看明白你最后那个问题了, 你可能是希望这样
data <- data.frame(
a=c(1,2,1,2),
b=c(2,3,4,5),
c=c(3,3,4,4))
根据c的不同取值, 同时对a和b应用某函数, 比如求和, 输出是这样的
a b (c=3)
3 5
a b (c=4)
3 9
如果是这样的话, tapply是不行的, 因为tapply的第一参数只能是vector, 不能是矩阵
. 不过你可以人为实现, 先用split函数把data frame分解成小块成为list, 然后应用
lapply和colSums函数.
> lapply(split(data[, 1:2], data[,3]), colSums)
$`3`
a b
3 5
$`4`
a b
3 9
实际上, tapply的优势在于多维度的计算, 而lapply和split更清晰灵活., 速度上更快
. | q**j
发帖数: 10612 | 18 OMG. This is fantastic. Making the coding much easier. One last question.
what if:
data <- data.frame(
a=c(1,2,1,2),
b=c(2,3,4,5),
c=c(3,3,4,4),
d=c(1,2,1,2))
然后要求a, b的column sum by grouping decded by c&d。就是比你的例子多了一个
groupong variable: d.
【在 s*****n 的大作中提到】
: 哦, 看明白你最后那个问题了, 你可能是希望这样
: data <- data.frame(
: a=c(1,2,1,2),
: b=c(2,3,4,5),
: c=c(3,3,4,4))
: 根据c的不同取值, 同时对a和b应用某函数, 比如求和, 输出是这样的
: a b (c=3)
: 3 5
: a b (c=4)
: 3 9
| l*******l
发帖数: 204 | 19 Please try first and then come here to ask. May you are trying to test songkun (告别棒球场).
lapply(split(data[, 1:2], data[,3:4]), colSums)
Here is another option.
by(data[,1:2],data[,3:4],colSums) | q**j
发帖数: 10612 | 20 Thanks a lot. This is very nice. the lapply (by) approach will hide the
factors in the row names. this is quite inconvenient if i want to merge the
summary data later on with the raw data. ideally, i hope i can find
something like summarize but can process multiple vectors at once time and
keep the by values by default.
i am searching around now, but if somebody has a good idea, please let me
know. | | | s*****n
发帖数: 2174 | 21 lapply(split(data[, 1:2], list(data[,3], data[,4])), colSums)
就可以了.
上面有人提到了by( ), 也不错, 非常方便.
我以前还真不知道.
不过如果你希望继续应用这个东西的结果的话,
建议用lapply, 因为它的输出是list, 很容易后续操作.
还有就是lapply+split的执行效率要比tapply稍高一些.
> system.time( for (i in 1:2000) by(data[,1:2],data[,3:4],colSums))
[1] 6.58 0.01 6.05 NA NA
> system.time( for (i in 1:2000) lapply(split(data[, 1:2], list(data[,3],
data[,4])), colSums))
[1] 5.52 0.00 5.20 NA NA
【在 q**j 的大作中提到】
: OMG. This is fantastic. Making the coding much easier. One last question.
: what if:
: data <- data.frame(
: a=c(1,2,1,2),
: b=c(2,3,4,5),
: c=c(3,3,4,4),
: d=c(1,2,1,2))
: 然后要求a, b的column sum by grouping decded by c&d。就是比你的例子多了一个
: groupong variable: d.
| q**j
发帖数: 10612 | 22 我找了找还有一个mapply结果和sapply（大概就是lapply）是一样的。这样堆apply可
真够人看的。
lapply(sapply)
tapply
mapply
另外这个"by" type的object怎么manipulate呢？我看了看manual，没看出头绪。
（另外哪个保存factor vector的问题也帮忙给看看吧。）
done! find what i need!
data <- data.frame(
a=c(1,2,1,2),
b=c(2,3,4,5),
c=c(3,3,4,4),
d=c(1,2,1,2))
myagg = aggregate(data[,1:2],by=list(data[,3], data[,4]),FUN=sum,na.rm=TRUE)
> myagg
Group.1 Group.2 a b
1 3 1 1 2
2 4 1 1 4
3 3 2 2 3
4 4 2 2 5
why do they have to bury it do dee | b********y
发帖数: 63 | 23 Not sure how SAS is more convenient on those issues, but they should not be a
problem for R at all.
同一个事情先用SAS干了，然后用R干了。有些感想，有些问题。跑来跟大家交流一下啊。
1. R里面改个变量名这么这么难？
需要一个reshape pacakge
data.frame = rename(data.frame, c(oldname = "newname"))
不用这个package就更麻烦了。
you can just change the name: colnames(x)[1] = newName1.
2. 控制时间，日期怎么这么难？
以前“告别棒球场”说了，最好不要用日期，全部用字符。临到用的时候才换。就算这
样还是问题多多。比如 “1990-12-04”，怎么样轻松的把它变成 “1990-12-01”（月
初），“1990-12-31”（月末）。往前，往后移动几个月？我写了一个function来干这
个。但是非常慢（yes, I know it.)而且不能往以前移动。我 | q**j
发帖数: 10612 | 24 这个with()好像很酷的样子。让我好好看看。多谢提醒。哪个挪时间的方法好像不太好
，还不如直接用character像我在intnx函数里面那样搞。仔细想想把时间日期全部理顺
不是个容易的事情，写R的牛人们大概觉得为这个花时间不值。
anyway，在MIT诸多高手的帮助下，终于又搞定了一个R程序。感觉提高还是很快的。希
望以后多交流。
p.s.现在唯一剩下的问题就是用了aggregate函数以后by variable的名字被换成了一个
我不需要的名字。otherwise, everything is perfect。
be a
啊。
【在 b********y 的大作中提到】
: Not sure how SAS is more convenient on those issues, but they should not be a
: problem for R at all.
: 同一个事情先用SAS干了，然后用R干了。有些感想，有些问题。跑来跟大家交流一下啊。
: 1. R里面改个变量名这么这么难？
: 需要一个reshape pacakge
: data.frame = rename(data.frame, c(oldname = "newname"))
: 不用这个package就更麻烦了。
: you can just change the name: colnames(x)[1] = newName1.
: 2. 控制时间，日期怎么这么难？
: 以前“告别棒球场”说了，最好不要用日期，全部用字符。临到用的时候才换。就算这
| B******5
发帖数: 4676 | 25 我看不仅你提高快，这里很多像我这样潜水的也有提高啊！
【在 q**j 的大作中提到】
: 这个with()好像很酷的样子。让我好好看看。多谢提醒。哪个挪时间的方法好像不太好
: ，还不如直接用character像我在intnx函数里面那样搞。仔细想想把时间日期全部理顺
: 不是个容易的事情，写R的牛人们大概觉得为这个花时间不值。
: anyway，在MIT诸多高手的帮助下，终于又搞定了一个R程序。感觉提高还是很快的。希
: 望以后多交流。
: p.s.现在唯一剩下的问题就是用了aggregate函数以后by variable的名字被换成了一个
: 我不需要的名字。otherwise, everything is perfect。
:
: be a
: 啊。
| q**j
发帖数: 10612 | 26 那你以后也别老潜着了。多问问题，增加人气。
btw，i got the naming thing solved too.
data <- data.frame(
a=c(1,2,1,2),
b=c(2,3,4,5),
c=c(3,3,4,4),
d=c(1,2,1,2))
myagg = aggregate(data[,1:2],by=list(c=data[,3], d=data[,4]),FUN=sum,na.rm=
TRUE)
the developer of the stat package can make it work much better if he/they
can set the default better. in this case, why not set the default to the
name of the column to begin with? Group.1 and Group.2 are not that easy to
work with in most situation.
One thing R is better is that
【在 B******5 的大作中提到】
: 我看不仅你提高快，这里很多像我这样潜水的也有提高啊！
| B******5
发帖数: 4676 | 27 最近没太用R，过一阵有问题了自然就来问了！
【在 q**j 的大作中提到】
: 那你以后也别老潜着了。多问问题，增加人气。
: btw，i got the naming thing solved too.
: data <- data.frame(
: a=c(1,2,1,2),
: b=c(2,3,4,5),
: c=c(3,3,4,4),
: d=c(1,2,1,2))
: myagg = aggregate(data[,1:2],by=list(c=data[,3], d=data[,4]),FUN=sum,na.rm=
: TRUE)
: the developer of the stat package can make it work much better if he/they
| hs
发帖数: 1549 | 28 跟C较劲之后感觉R真的太好用了。。。
【在 B******5 的大作中提到】
: 最近没太用R，过一阵有问题了自然就来问了！
| B******5
发帖数: 4676 | 29 写写大程序比较以后你会有相反的感觉。。。
【在 hs 的大作中提到】
: 跟C较劲之后感觉R真的太好用了。。。
| q**j
发帖数: 10612 | 30 给推荐一个c++ read csv的library or package吧？我有一次想c++玩，结果read data
就把我吓傻了？实在没有那个兴趣从最基层做起。
【在 B******5 的大作中提到】
: 写写大程序比较以后你会有相反的感觉。。。
| | | B******5
发帖数: 4676 | 31 你可以用R读，用C算，很多R的package就是这么干的。。。
data
【在 q**j 的大作中提到】
: 给推荐一个c++ read csv的library or package吧？我有一次想c++玩，结果read data
: 就把我吓傻了？实在没有那个兴趣从最基层做起。
| q**j
发帖数: 10612 | 32 it sounds cool to read in using r and calculate using c. can you show a link
to a tiny program using this approach? thanks.
【在 B******5 的大作中提到】
: 你可以用R读，用C算，很多R的package就是这么干的。。。
:
: data
| g**********l
发帖数: 214 | 33
link
http://stat-www.berkeley.edu/classes/s243/call_R.pdf
【在 q**j 的大作中提到】
: it sounds cool to read in using r and calculate using c. can you show a link
: to a tiny program using this approach? thanks.
| q**j
发帖数: 10612 | 34 thanks a lot for your help! |
|
