第 17 天

實用 R 語言技巧彙整

在第 17 天與第 18 天的內容中我們彙整了一些解決常見問題的 R 語言技巧，提供給讀者參考，希望在您有需要的時候，這些函數或語法能夠幫上忙。

問題

我們希望隨機產出的結果可以固定。

實用技巧

運用 set.seed() 函數，在同一個隨機種子的設定之下，會產出相同的隨機輸出，舉例來說我們希望利用 rnorm() 函數產出 5 個符合標準常態分佈的隨機數，在沒有設定隨機種子的情形之下，每次呼叫函數都會產出不同的 5 個隨機數。

> rnorm(5)
[1]  1.2805549 -1.7272706  1.6901844  0.5038124  2.5283366
> rnorm(5)
[1]  0.5490967  0.2382129 -1.0488931  1.2947633  0.8255398
> rnorm(5)
[1] -0.05568601 -0.78438222 -0.73350322 -0.21586539 -0.33491276

如果我們指定一個隨機種子：123，我們可以確保每次呼叫函數產出的 5 個隨機數是相同的。

> set.seed(123)
> rnorm(5)
[1] -0.56047565 -0.23017749  1.55870831  0.07050839  0.12928774
> set.seed(123)
> rnorm(5)
[1] -0.56047565 -0.23017749  1.55870831  0.07050839  0.12928774
> set.seed(123)
> rnorm(5)
[1] -0.56047565 -0.23017749  1.55870831  0.07050839  0.12928774

問題

我們想要加總矩陣（matrix）或資料框（data.frame）的列資料或欄資料。

實用技巧

運用 rowSums() 函數可以加總列資料，而 colSums() 函數可以加總欄資料。讓我們使用一個杜撰的資料 ice_cream 來示範。

> set.seed(123)
> ice_cream <- matrix(round(runif(15) * 100), nrow = 5)
> colnames(ice_cream) <- c("Vanilla", "Chocolate", "Strawberry")
> rownames(ice_cream) <- c("Mon", "Tue", "Wed", "Thu", "Fri")
> ice_cream
    Vanilla Chocolate Strawberry
Mon      29         5         96
Tue      79        53         45
Wed      41        89         68
Thu      88        55         57
Fri      94        46         10

我們可以利用 rowSums() 計算每天總共賣出多少冰淇淋，也可以利用 colSums() 計算每種口味的總銷量為何。

> set.seed(123)
> ice_cream <- matrix(round(runif(15) * 100), nrow = 5)
> colnames(ice_cream) <- c("Vanilla", "Chocolate", "Strawberry")
> rownames(ice_cream) <- c("Mon", "Tue", "Wed", "Thu", "Fri")
> rowSums(ice_cream)
Mon Tue Wed Thu Fri 
130 177 198 200 150 
> colSums(ice_cream)
   Vanilla  Chocolate Strawberry 
       331        248        276

我們亦可以利用 cbind() 將列加總的結果加入原本的資料中。

> set.seed(123)
> ice_cream <- matrix(round(runif(15) * 100), nrow = 5)
> colnames(ice_cream) <- c("Vanilla", "Chocolate", "Strawberry")
> rownames(ice_cream) <- c("Mon", "Tue", "Wed", "Thu", "Fri")
> ice_cream <- cbind(ice_cream, Totals = rowSums(ice_cream))
> ice_cream
    Vanilla Chocolate Strawberry Totals
Mon      29         5         96    130
Tue      79        53         45    177
Wed      41        89         68    198
Thu      88        55         57    200
Fri      94        46         10    150

接著利用 rbind() 將欄加總的結果也加入。

> set.seed(123)
> ice_cream <- matrix(round(runif(15) * 100), nrow = 5)
> colnames(ice_cream) <- c("Vanilla", "Chocolate", "Strawberry")
> rownames(ice_cream) <- c("Mon", "Tue", "Wed", "Thu", "Fri")
> ice_cream <- cbind(ice_cream, Totals = rowSums(ice_cream))
> ice_cream <- rbind(ice_cream, Totals = colSums(ice_cream))
> ice_cream
       Vanilla Chocolate Strawberry Totals
Mon         29         5         96    130
Tue         79        53         45    177
Wed         41        89         68    198
Thu         88        55         57    200
Fri         94        46         10    150
Totals     331       248        276    855

問題

我們知道某個特定值存在於一個向量中，想要尋找它的索引值為何。

實用技巧

我們可以善用 match()、which()、which.min() 與 which.max() 這幾個函數請 R 語言回傳特定值的索引值。

match() 函數會回傳第一個吻合特定值的索引值。

> my_vector <- 11:20
> match(17, my_vector)
[1] 7

如果在向量中會有多個吻合特定值，而我們又希望可以全部取出來他們的索引值，這時我們可以使用邏輯值向量搭配 which() 函數。which() 函數可以幫助我們將 TRUE 的索引值取出來，舉例來說我們在前一個例子的向量後面多加上一個 17。

> my_vector <- c(11:20, 17)
> match(17, my_vector)
[1] 7

我們發現用 match() 函數的結果是相同的，因為它找到第一個 17 就停止了，於是改用邏輯值向量搭配 which() 函數。

> my_vector <- c(11:20, 17)
> which(my_vector == 17)
[1]  7 11

同樣的運用我們也可以來尋找 NA 的索引值，搭配 is.na() 函數進行。

> my_vector <- c(11:20, NA, 24, 18, NA)
> which(is.na(my_vector))
[1] 11 14

which.min() 與 which.max() 函數則能分別回傳最小值與最大值的索引值。

> my_vector <- 11:20
> which.min(my_vector)
[1] 1
> which.max(my_vector)
[1] 10

如果在這個向量中，最小值或者最大值有超過一個，which.min() 與 which.max() 只會回傳第一個找到的最小值或最大值。

> my_vector <- c(11:20, 11, 20)
> which.min(my_vector)
[1] 1
> which.max(my_vector)
[1] 10

假如我們希望的是把所有最小值或者最大值的索引值回傳，同樣可以利用邏輯值向量搭配 which() 函數。

> my_vector <- c(11:20, 11, 20)
> min_logical <- my_vector == min(my_vector)
> max_logical <- my_vector == max(my_vector)
> which(min_logical)
[1]  1 11
> which(max_logical)
[1] 10 12

問題

我們希望排序向量與資料框。

實用技巧

對於向量而言，我們使用 sort() 函數。

> my_vector <- round(runif(10) * 100)
> my_vector # 未排序
 [1] 14 41 41 37 15 14 23 47 27 86
> sort(my_vector) # 預設遞增排序
 [1] 14 14 15 23 27 37 41 41 47 86
> sort(my_vector, decreasing = TRUE) # 遞減排序
 [1] 86 47 41 41 37 27 23 15 14 14

如果想針對資料框中的某一個欄位排序，不能夠使用 sort() 函數，要使用 order() 函數。我們使用內建資料 cars 來示範，cars 原本是依照 cars$speed 遞增排序：

> cars$speed
 [1]  4  4  7  7  8  9 10 10 10 11 11 12 12 12 12 13 13 13 13 14 14 14
[23] 14 15 15 15 16 16 17 17 17 18 18 18 18 19 19 19 20 20 20 20 20 22
[45] 23 24 24 24 24 25

我們希望可以改爲以 cars$dist 遞增排序，首先看一下 order() 函數的輸出：

> order(cars$dist)
 [1]  1  3  2  6 12  5 10  7 13 24  4 14  8 16 20 25 11 15 27 29 39  9
[23] 17 18 21 36 28 30 32 19 37 40 31 41 26 45 33 42 22 43 44 38 46 34
[45] 23 35 50 47 48 49

我們發現 order() 函數不是回傳排序後的資料，而是回傳排序後的列數索引值，因此我們要利用這些列數索引值來對 cars 排序：

> order_by_dist <- order(cars$dist)
> reordered_cars <- cars[order_by_dist, ]
> reordered_cars$dist
 [1]   2   4  10  10  14  16  17  18  20  20  22  24  26  26  26  26
[17]  28  28  32  32  32  34  34  34  36  36  40  40  42  46  46  48
[33]  50  52  54  54  56  56  60  64  66  68  70  76  80  84  85  92
[49]  93 120

問題

我們希望從向量中隨機抽樣。

實用技巧

我們可以運用 sample() 函數協助我們從一個向量中抽樣，例如從 1 到 10 這 10 個數字中抽樣 5 個數字，我們可以將 1:10 作為 sample() 函數的輸入，並且指派參數 size = 5：

> sample(1:10, size = 5)
[1]  1  4  7 10  9
> sample(1:10, size = 5)
[1] 10  5  6  9  1

如果我們希望抽樣的結果是一致的，就在抽樣前設定相同的隨機種子。

> set.seed(123)
> sample(1:10, size = 5)
[1] 3 8 4 7 6
> set.seed(123)
> sample(1:10, size = 5)
[1] 3 8 4 7 6
> set.seed(123)
> sample(1:10, size = 5)
[1] 3 8 4 7 6

sample() 函數預設不重複抽樣，如果我們希望可以重複抽樣，就在 sample() 函數中修改參數 replace = TRUE。由於每一次抽樣後都會將數字放回去，因此才會在第一次與第五次都同樣抽到了 3。

> set.seed(1)
> sample(1:10, size = 5, replace = TRUE)
[1]  3  4  6 10  3

我們可以用 sample() 函數模擬硬幣投擲的結果：

> coin_sides <- c("Head", "Tail")
> sample(coin_sides, size = 1)
[1] "Tail"

我們可以把投擲的次數也加進去，並且用一個向量儲存每一次投擲的結果。

# 自訂函數
coin_flips <- function(n){
    coin_sides <- c("Head", "Tail")
    flip_results <- rep(NA, times = n)
    for (i in 1:n){
        flip_results[i] <- sample(coin_sides, size = 1)
    }
    return(flip_results)
}

> coin_flips(n = 5) # 投擲五次硬幣的結果
[1] "Tail" "Head" "Head" "Head" "Head"
> coin_flips(n = 10) # 投擲十次硬幣的結果
 [1] "Head" "Tail" "Head" "Head" "Tail" "Head" "Head" "Tail" "Tail"
[10] "Tail"

同樣的設計，我們也可以設計一個投擲骰子的函數 dice_rolls。

# 自訂函數
dice_rolls <- function(n){
    dice_sides <- 1:6
    roll_results <- rep(NA, times = n)
    for (i in 1:n){
        roll_results[i] <- sample(dice_sides, size = 1)
    }
    return(roll_results)
}

> dice_rolls(n = 5) # 投擲五次骰子的結果
[1] 1 5 3 5 4
> dice_rolls(n = 10) # 投擲十次骰子的結果
 [1] 5 4 4 5 1 3 5 5 3 6

類似的設計，我們亦可以設計一個發撲克牌的函數 poker_cards，撲克牌有十三個大小與四個花色。

poker_cards <- function(n){
    color <- c("spade", "heart", "diamond", "club")
    number <- c("Ace", 2:10, "Jack", "Queen", "King")
    colors <- rep(color, times = 13)
    numbers <- rep(number, times = 4)
    cards <- paste(numbers, colors)
    return(sample(cards, size = n))
}

> poker_cards(n = 4) # 發 4 張牌
[1] "Ace club" "5 spade"  "5 club"   "4 spade" 
> poker_cards(n = 12) # 發 12 張牌
 [1] "5 club"        "5 heart"       "4 spade"       "Jack club"    
 [5] "4 diamond"     "2 spade"       "Queen diamond" "9 diamond"    
 [9] "9 club"        "6 diamond"     "4 heart"       "Jack heart"