問題：
一組學生參加了數學、科學和英語考試。為了給所有的學生確定一個單一的成績衡量指標，需要將這些科目的成績組合起來。另外，還想將前20%的學生評定為A，接下來20%的學生評定為B，以此類推。最后，希望按字母順序對學生排序。
Excel中的數據表（自己一個個敲的，最討厭做的事情TT）
| StuId | StuName | Math | Science | English |
| 1 | John Davis | 502 | 95 | 25 |
| 2 | Angela Williams | 465 | 67 | 12 |
| 3 | Bull Jones | 621 | 78 | 22 |
| 4 | Cheryl Cushing | 575 | 66 | 18 |
| 5 | Reuven Ytzrhak | 454 | 96 | 15 |
| 6 | Joel Knox | 634 | 89 | 30 |
| 7 | Mary Rayburn | 576 | 78 | 37 |
| 8 | Greg England | 421 | 56 | 12 |
| 9 | Brad Tmac | 599 | 68 | 22 |
| 10 | Tracy Mcgrady | 666 | 100 | 38 |
step1：輸入數據——R語言導入xlsx
1 #1數據輸入 2 install.packages("xlsx") 3 library(xlsx) 4 workbook<-"D:/R語言/code/R語言實戰前五章小試身手/StuScore.xlsx"#也可用‘\\’注意轉義字符 5 StuScore<-read.xlsx(workbook,1)#1表示sheet1 6 StuScore
step2：數據預處理——將變量進行標准化
因為數學，科學和英語考試的分值不同（均值和標准差均有較大差異），在組合之前要讓他們變得可以比較
方法：變量標准化，把每科成績都用單位標准差表示
tips：
所謂數據的標准化是指中心化之后的數據在除以數據集的標准差，即數據集中的各項數據減去數據集的均值再除以數據集的標准差。 例如有數據集1, 2, 3, 6, 3，其均值為3,其標准差為1.87，那么標准化之后的數據集為(1-3)/1.87,(2-3)/1.87,(3-3)/1.87,(6-3)/1.87,(3-3)/1.87,即：-1.069,-0.535,0,1.604,0 數據中心化和標准化的意義是一樣的，為了消除量綱對數據結構的影響。
這里使用scale()可以直接實現
1 > #2數據預處理 2 > options(digits=2)#限定為2位小數 3 > afterscale<-scale(StuScore[,3:5]) 4 > afterscale 5 Math Science English 6 [1,] -0.58 1.040 0.20 7 [2,] -1.02 -0.815 -1.17 8 [3,] 0.82 -0.086 -0.12 9 [4,] 0.28 -0.881 -0.54 10 [5,] -1.15 1.106 -0.86 11 [6,] 0.98 0.643 0.73 12 [7,] 0.29 -0.086 1.47 13 [8,] -1.54 -1.544 -1.17 14 [9,] 0.56 -0.749 -0.12 15 [10,] 1.35 1.372 1.57 16 attr(,"scaled:center") 17 Math Science English 18 551 79 23 19 attr(,"scaled:scale") 20 Math Science English 21 84.7 15.1 9.5
這里，有兩個疑問：
1.說好的輸出兩位小數呢？Science那一欄輸出的都是三位小數，怎么回事？
2.這是什么東東？
-
1 attr(,"scaled:center") 2 Math Science English 3 551 79 23 4 attr(,"scaled:scale") 5 Math Science English 6 84.7 15.1 9.5
scale方法中的兩個參數center和scale的解釋：
1.center和scale默認為真,即T或者TRUE
2.center為真表示數據中心化
3.scale為真表示數據標准化
也就是說：center表示一列數據的均值，scale則表示標准差（有興趣的同學，可以用Excel的STDEV函數驗證一下）
step3:通過函數mean()來計算各行的均值以及獲得綜合得分，並使用cbind()將其添加到花名冊中
1 > #3在afterscale中計算標准差均值，並將其添加到StuScore 2 > score<-apply(afterscale,1,mean)#1表示行，mean表示均值函數 3 > StuScore<-cbind(StuScore,score) 4 > StuScore 5 StuId StuName Math Science English score 6 1 1 John Davis 502 95 25 0.22 7 2 2 Angela Williams 465 67 12 -1.00 8 3 3 Bull Jones 621 78 22 0.21 9 4 4 Cheryl Cushing 575 66 18 -0.38 10 5 5 Reuven Ytzrhak 454 96 15 -0.30 11 6 6 Joel Knox 634 89 30 0.78 12 7 7 Mary Rayburn 576 78 37 0.56 13 8 8 Greg England 421 56 12 -1.42 14 9 9 Brad Tmac 599 68 22 -0.10 15 10 10 Tracy Mcgrady 666 100 38 1.43
Step4:函數quantile()給出學生綜合得分的百分位數
quantile(x,probs):求分位數，其中x為待求分位數的數值型向量，probs為一個由[0,1]之間的概率值組成的數值向量
1 > afterquantile<-quantile(score,c(.8,.6,.4,.2)) 2 > afterquantile 3 80% 60% 40% 20% 4 0.60 0.21 -0.18 -0.50
step5：使用邏輯運算符，把score轉為等級（離散型）
1 > #5使用邏輯運算符，把score轉為等級（離散型） 2 > StuScore$grade[score>=afterquantile[1]]<-"A" 3 > StuScore$grade[score<afterquantile[1]&&score>=afterquantile[2]]<-"B" 4 > StuScore$grade[score<afterquantile[2]&&score>=afterquantile[3]]<-"C" 5 > StuScore$grade[score<afterquantile[3]&&score>=afterquantile[4]]<-"D" 6 > StuScore$grade[score<afterquantile[4]]<-"E" 7 > StuScore 8 StuId StuName Math Science English score grade 9 1 1 John Davis 502 95 25 0.22 B 10 2 2 Angela Williams 465 67 12 -1.00 E 11 3 3 Bull Jones 621 78 22 0.21 B 12 4 4 Cheryl Cushing 575 66 18 -0.38 E 13 5 5 Reuven Ytzrhak 454 96 15 -0.30 E 14 6 6 Joel Knox 634 89 30 0.78 B 15 7 7 Mary Rayburn 576 78 37 0.56 B 16 8 8 Greg England 421 56 12 -1.42 E 17 9 9 Brad Tmac 599 68 22 -0.10 E 18 10 10 Tracy Mcgrady 666 100 38 1.43 B
Step6:使用strsplit()以空格為界把學生姓名拆分為姓氏和名字
1 > #Step6:使用strsplit()以空格為界把學生姓名拆分為姓氏和名字 2 > name<-strsplit((StuScore$StuName)," ") 3 Error in strsplit((StuScore$StuName), " ") : non-character argument 4 > name 5 [1] "Jim" "Tony" "Lisa" "Tom"
這里出錯了，原因很明確，沒有字符型的參數傳入，反應過來，原來是用execl導入的時候，StuName那一列默認的是什么類型的呢？我們來檢測一下
1 > is.numeric(StuScore$StuName) 2 [1] FALSE 3 > is.logical(StuScore$StuName) 4 [1] FALSE 5 > is.character(StuScore$StuName) 6 [1] FALSE 7 > is.complex(StuScore$StuName) 8 [1] FALSE 9 > help(type) 10 > typeof(StuScore$StuName) 11 [1] "integer"
因此，我們把他改為字符型
1 > #Step6:使用strsplit()以空格為界把學生姓名拆分為姓氏和名字 2 > StuScore$StuName<-as.character(StuScore$StuName) 3 > is.character(StuScore$StuName) 4 [1] TRUE 5 > name<-strsplit(StuScore$StuName," ") 6 > name 7 [[1]] 8 [1] "John" "Davis" 9 10 [[2]] 11 [1] "Angela" "Williams" 12 13 [[3]] 14 [1] "Bull" "Jones" 15 16 [[4]] 17 [1] "Cheryl" "Cushing" 18 19 [[5]] 20 [1] "Reuven" "Ytzrhak" 21 22 [[6]] 23 [1] "Joel" "Knox" 24 25 [[7]] 26 [1] "Mary" "Rayburn" 27 28 [[8]] 29 [1] "Greg" "England" 30 31 [[9]] 32 [1] "Brad" "Tmac" 33 34 [[10]] 35 [1] "Tracy" "Mcgrady"
Step7：把name分成Firstname和LastName，加入到StuScore中
1 > #7把name分成Firstname和LastName，加入到StuScore中 2 > FirstName<-sapply(name,"[",1) 3 > LastName<-sapply(name,"[",2) 4 > StuScore<-cbind(FirstName,LastName,StuScore[,-1]) 5 > StuScore 6 FirstName LastName LastName StuName Math Science English score grade 7 1 John Davis Davis John Davis 502 95 25 0.22 B 8 2 Angela Williams Williams Angela Williams 465 67 12 -1.00 E 9 3 Bull Jones Jones Bull Jones 621 78 22 0.21 B 10 4 Cheryl Cushing Cushing Cheryl Cushing 575 66 18 -0.38 E 11 5 Reuven Ytzrhak Ytzrhak Reuven Ytzrhak 454 96 15 -0.30 E 12 6 Joel Knox Knox Joel Knox 634 89 30 0.78 B 13 7 Mary Rayburn Rayburn Mary Rayburn 576 78 37 0.56 B 14 8 Greg England England Greg England 421 56 12 -1.42 E 15 9 Brad Tmac Tmac Brad Tmac 599 68 22 -0.10 E 16 10 Tracy Mcgrady Mcgrady Tracy Mcgrady 666 100 38 1.43 B 17 >
Step8：order排序
1 > #8order()排序 2 > StuScore[order(LastName,FirstName),] 3 FirstName LastName LastName StuName Math Science English score grade 4 4 Cheryl Cushing Cushing Cheryl Cushing 575 66 18 -0.38 E 5 1 John Davis Davis John Davis 502 95 25 0.22 B 6 8 Greg England England Greg England 421 56 12 -1.42 E 7 3 Bull Jones Jones Bull Jones 621 78 22 0.21 B 8 6 Joel Knox Knox Joel Knox 634 89 30 0.78 B 9 10 Tracy Mcgrady Mcgrady Tracy Mcgrady 666 100 38 1.43 B 10 7 Mary Rayburn Rayburn Mary Rayburn 576 78 37 0.56 B 11 9 Brad Tmac Tmac Brad Tmac 599 68 22 -0.10 E 12 2 Angela Williams Williams Angela Williams 465 67 12 -1.00 E 13 5 Reuven Ytzrhak Ytzrhak Reuven Ytzrhak 454 96 15 -0.30 E 14 >
雖然是照着書本上做的，但是，代碼必須要自己敲一遍，過程中遇到的一些小問題也解決了，就算菜鳥簡單入門。這樣樣例還可以繼續拓展，把R語言實戰前5章的內容盡可能用一邊，可以繪制一些圖，等等，本文還會繼續更新。
為ScienceScore繪制條形圖
根據不同的分數等級，顯示不同的顏色。
1 #為StuScore繪制分組條形圖 2 install.packages("vcd") 3 library(vcd) 4 fill_colors<-c() #不同的等級，不同的顏色顯示 5 for(i in 1:length(StuScore$Science)){ 6 if(StuScore$Science[i]==100){ 7 fill_colors<-c(fill_colors,"red") 8 }else if(StuScore$Science[i]<100&&StuScore$Science[i]>=80){ 9 fill_colors<-c(fill_colors,"yellow") 10 }else if(StuScore$Science[i]<80&&StuScore$Science[i]>=60){ 11 fill_colors<-c(fill_colors,"blue") 12 }else{ 13 fill_colors<-c(fill_colors,"green") 14 } 15 } 16 barplot(StuScore$Science, #條形圖 17 main="Science Score", 18 xlab="Name",ylab="ScienceScore", 19 col=fill_colors, 20 names.arg=(paste(substr(FirstName,1,1),".",LastName)), #設定橫坐標名稱 21 border=NA, #條形框不設置邊界線 22 font.main=4, 23 font.lab=3, 24 beside=TRUE) 25 legend(x=8.8,y=100, #左上角點的坐標 26 cex=.8, #縮放比例 27 inset=5, 28 c("Excellent","Good","Ordinary","Bad"), 29 pch=c(15,16,17,19), #圖例中的符號 30 col=c("red","yellow","blue","green"), 31 bg="#821122", #背景色 32 xpd=TRUE, #可以在繪圖區之外顯示 33 text.font=8, 34 text.width=.6, 35 text.col=c("red","yellow","blue","green") 36 )
遇到的問題說明：
起初在設置了20行的名稱時，顯示了全名，因此出現了一下情況：
因為名稱太擠，顯示不出來。
解決辦法有三：
- 保存img時，增大像素值；
- 把名詞改為簡寫，即John Davis——>J.Davis
- 把名稱傾斜，與水平線呈一定的夾角
- 利用cex.names=.8對條形圖的表情進行微調（減小字號）
由於3沒有找到相應的設置參數，所以這里采用了第二種方法。
最后的效果圖：
