IT知识库 购物 网址 游戏 小说 歌词 快照 开发 股票 美女 新闻 笑话 | 汉字 软件 日历 阅读 下载 图书馆 编程 China
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
vbs/VBScript DOS/BAT hta htc python perl 游戏相关 VBA 远程脚本 ColdFusion ruby专题 autoit seraphzone PowerShell linux shell Lua Golang Erlang 其它教程 CSS/HTML/Xhtml html5 CSS XML/XSLT Dreamweaver教程 经验交流 开发者乐园 Android开发资料
站长资讯 .NET新手 ASP.NET C# WinForm Silverlight WCF CLR WPF XNA VisualStudio ASP.NET-MVC .NET控件开发 EntityFramework WinRT-Metro Java C++ PHP Delphi Python Ruby C语言 Erlang Go Swift Scala R语言 Verilog 其它语言 架构设计 面向对象 设计模式 领域驱动 Html-Css JavaScript jQuery HTML5 SharePoint GIS技术 SAP OracleERP DynamicsCRM K2 BPM 信息安全 企业信息 Android开发 iOS开发 WindowsPhone WindowsMobile 其他手机 敏捷开发 项目管理 软件工程 SQLServer Oracle MySQL NoSQL 其它数据库 Windows7 WindowsServer Linux
  IT知识库 -> R语言 -> R语言——任务2 -> 正文阅读

[R语言]R语言——任务2

R语言——任务2 ---恢复内容开始---
题目要求:
数据处理第二阶段任务(必须全部用R代码实现)
1.数据清洗
2.获取每天的血糖日均值
3.根据数据文件,选择其中的任意三天,获取在哪些时段三天都会出现高血糖的状况(按照血糖值超出9来算)
R代码:

 1 getwd();
 2 setwd("F:/R/myfile");#更改工作区间,将data.txt放入该文件夹下。
 3 mydata <- read.table("data.txt", header = F, skip = 3, col.names = c("ID", "Date", "Time", "class", "GlucoseHistory", "Remarks"));#将data.txt的数据读入,略去前三行,分别为每列数据添加名称。
 4 mydata;#查看数据读入情况。
 5 mean(mydata$GlucoseHistory[mydata$ID <= 4992]);#6/2
 6 mean(mydata$GlucoseHistory[mydata$ID <= 5199 & mydata$ID >= 4993]);#6/3
 7 mean(mydata$GlucoseHistory[mydata$ID <= 5359 & mydata$ID >= 5200]);#6/4
 8 mean(mydata$GlucoseHistory[mydata$ID <= 5538 & mydata$ID >= 5360]);#6/5
 9 mean(mydata$GlucoseHistory[mydata$ID <= 5704 & mydata$ID >= 5539]);#6/6
10 mean(mydata$GlucoseHistory[mydata$ID <= 5875 & mydata$ID >= 5705]);#6/7
11 mean(mydata$GlucoseHistory[mydata$ID <= 6054 & mydata$ID >= 5876]);#6/8
12 mean(mydata$GlucoseHistory[mydata$ID <= 6114 & mydata$ID >= 6055]);#6/9
13 mean(mydata$GlucoseHistory[mydata$ID <= 6221 & mydata$ID >= 6115]);#6/10 #获取2-10号每天的血糖日平均值。
14 mean(mydata$GlucoseHistory);#获取全部的血糖日平均值。
15 mydata1 <- subset(mydata, mydata$ID <= 5199 & mydata$ID >= 4993);#获取3号子集。
16 mydata2 <- subset(mydata, mydata$ID <= 5359 & mydata$ID >= 5200);#获取4号子集。
17 mydata3 <- subset(mydata, mydata$ID <= 5538 & mydata$ID >= 5360);#获取5号子集。
18 time1 <- mydata1$Time[mydata1$GlucoseHistory > 9];#获取3号符合条件的时间。
19 time2 <- mydata2$Time[mydata2$GlucoseHistory > 9];#获取4号符合条件的时间。
20 time3 <- mydata3$Time[mydata3$GlucoseHistory > 9];#获取5号符合条件的时间。
21 time1;
22 time2;
23 time3;

运行代码视图:

> getwd();
[1] "F:/R/myfile"
> setwd("F:/R/myfile");#更改工作区间,将data.txt放入该文件夹下。
> mydata <- read.table("data.txt", header = F, skip = 3, col.names = c("ID", "Date", "Time", "class", "GlucoseHistory", "Remarks"));#将data.txt的数据读入,略去前三行,分别为每列数据添加名称。
> mydata;#查看数据读入情况。
        ID      Date  Time class GlucoseHistory Remarks
1     4858  2017/6/2  9:16     0           15.2    <NA>
2     4859  2017/6/2  9:33     1           14.3    <NA>
3     4861  2017/6/2  9:30     0           14.3    <NA>
4     4862  2017/6/2  9:46     1           15.4    <NA>
5     4864  2017/6/2  9:46     0           15.6    <NA>
6     4865  2017/6/2 10:01     0           16.2    <NA>
7     4866  2017/6/2 10:20     1           15.7    <NA>
8     4868  2017/6/2 10:16     0           16.1    <NA>
9     4869  2017/6/2 10:31     0           15.7    <NA>
10    4870  2017/6/2 10:59     1           16.8    <NA>
11    4872  2017/6/2 10:46     0           16.3    <NA>
12    4873  2017/6/2 11:07     1           17.6    运动
13    4875  2017/6/2 11:01     0           17.2    <NA>
14    4876  2017/6/2 11:22     1           17.6    <NA>
15    4878  2017/6/2 11:29     1           17.5    <NA>
16    4880  2017/6/2 11:16     0           17.8    <NA>
17    4881  2017/6/2 11:37     4            3.0    <NA>
18    4881  2017/6/2 11:37     1           18.3    <NA>
19    4883  2017/6/2 11:32     0           17.9    <NA>
20    4885  2017/6/2 11:50     1           16.9    <NA>
21    4887  2017/6/2 11:59     1           16.2    <NA>
22    4889  2017/6/2 11:46     0           17.0    <NA>
23    4890  2017/6/2 12:06     1           15.7    <NA>
24    4892  2017/6/2 12:14     1           15.0    <NA>
25    4894  2017/6/2 12:01     0           15.9    <NA>
26    4895  2017/6/2 12:17     1           14.7    <NA>
27    4897  2017/6/2 12:20     1           14.3    <NA>
28    4899  2017/6/2 12:26     1           13.9    <NA>
29    4901  2017/6/2 12:17     0           14.5    <NA>
30    4902  2017/6/2 12:43     1           11.8    <NA>
31    4904  2017/6/2 12:31     0           13.1    <NA>
32    4905  2017/6/2 12:46     1           11.7    <NA>
33    4907  2017/6/2 12:47     0           11.1    <NA>
34    4908  2017/6/2 13:02     0            9.1    <NA>
35    4909  2017/6/2 13:17     0            8.4    <NA>
36    4910  2017/6/2 13:32     0            8.7    <NA>
37    4911  2017/6/2 13:47     0            8.9    <NA>
38    4912  2017/6/2 14:02     0            9.1    <NA>
39    4913  2017/6/2 14:23     1            8.4    <NA>
40    4915  2017/6/2 14:18     0            8.8    <NA>
41    4916  2017/6/2 14:33     0            8.9    <NA>
42    4917  2017/6/2 14:48     0            9.8    <NA>
43    4918  2017/6/2 15:03     1           10.7    <NA>
44    4920  2017/6/2 15:15     1           11.6    <NA>
45    4922  2017/6/2 15:03     0           11.0    <NA>
46    4923  2017/6/2 15:22     1           11.9    <NA>
47    4925  2017/6/2 15:28     1           12.1    <NA>
48    4927  2017/6/2 15:18     0           11.9    <NA>
49    4928  2017/6/2 15:33     0           12.2    <NA>
50    4929  2017/6/2 15:48     0           12.4    <NA>
51    4930  2017/6/2 16:04     1           12.5    <NA>
52    4932  2017/6/2 16:14     1           12.1    <NA>
53    4934  2017/6/2 16:14     1           12.1    <NA>
54    4936  2017/6/2 16:04     0           12.1    <NA>
55    4937  2017/6/2 16:19     0           11.8    <NA>
56    4938  2017/6/2 16:34     0           11.6    <NA>
57    4939  2017/6/2 16:55     1           11.6    <NA>
58    4941  2017/6/2 16:49     0           11.2    <NA>
59    4942  2017/6/2 17:13     1           12.0    <NA>
60    4944  2017/6/2 17:04     0           11.8    <NA>
61    4945  2017/6/2 17:19     0           12.9    <NA>
62    4946  2017/6/2 17:34     0           13.1    <NA>
63    4947  2017/6/2 18:00     1           11.4    <NA>
64    4949  2017/6/2 18:00     4           13.0    <NA>
65    4949  2017/6/2 18:00     4            9.0    <NA>
66    4949  2017/6/2 18:00     1           11.4    用药
67    4951  2017/6/2 17:49     0           12.1    <NA>
68    4953  2017/6/2 18:10     1           10.5    <NA>
69    4955  2017/6/2 18:18     1            9.9    <NA>
70    4957  2017/6/2 18:05     0           10.7    <NA>
71    4958  2017/6/2 18:34     1            7.8    <NA>
72    4960  2017/6/2 18:20     0            9.1    <NA>
73    4961  2017/6/2 18:35     0            7.3    <NA>
74    4962  2017/6/2 18:50     0            5.3    <NA>
75    4963  2017/6/2 19:05     0            4.4    <NA>
76    4964  2017/6/2 19:26     1            5.4    <NA>
77    4966  2017/6/2 19:20     0            5.2    <NA>
78    4967  2017/6/2 19:44     1            6.7    <NA>
79    4969  2017/6/2 19:35     0            6.4    <NA>
80    4970  2017/6/2 19:50     0            7.1    <NA>
81    4971  2017/6/2 20:05     0            7.6    <NA>
82    4972  2017/6/2 20:20     0            7.6    <NA>
83    4973  2017/6/2 20:35     0            7.1    <NA>
84    4974  2017/6/2 20:50     0            6.8    <NA>
85    4975  2017/6/2 21:10     1            6.5    <NA>
86    4977  2017/6/2 21:06     0            6.4    <NA>
87    4978  2017/6/2 21:21     0            5.6    <NA>
88    4979  2017/6/2 21:36     0            4.6    <NA>
89    4980  2017/6/2 21:57     1            4.1    <NA>
90    4982  2017/6/2 21:52     0            4.4    <NA>
91    4983  2017/6/2 22:07     0            5.3    <NA>
92    4984  2017/6/2 22:22     0            5.6    <NA>
93    4985  2017/6/2 22:37     0            5.9    <NA>
94    4986  2017/6/2 22:52     0            6.6    <NA>
95    4987  2017/6/2 23:07     0            6.1    <NA>
96    4988  2017/6/2 23:22     0            5.3    <NA>
97    4989  2017/6/2 23:40     1            4.1    <NA>
98    4991  2017/6/2 23:39     0            4.3    <NA>
99    4992  2017/6/2 23:54     0            3.6    <NA>
100   4993  2017/6/3  0:09     0            3.2    <NA>
101   4994  2017/6/3  0:24     0            3.1    <NA>
102   4995  2017/6/3  0:39     0            2.9    <NA>
103   4996  2017/6/3  0:54     0            2.6    <NA>
104   4997  2017/6/3  1:09     0            2.4    <NA>
105   4998  2017/6/3  1:24     0            2.2    <NA>
106   4999  2017/6/3  1:39     0            2.2    <NA>
107   5000  2017/6/3  1:54     0            2.2    <NA>
108   5001  2017/6/3  2:09     0            2.2    <NA>
109   5002  2017/6/3  2:24     0            2.2    <NA>
110   5003  2017/6/3  2:39     0            2.2    <NA>
111   5004  2017/6/3  2:54     0            2.2    <NA>
112   5005  2017/6/3  3:09     0            2.3    <NA>
113   5006  2017/6/3  3:24     0            2.5    <NA>
114   5007  2017/6/3  3:39     0            2.7    <NA>
115   5008  2017/6/3  3:54     0            2.9    <NA>
116   5009  2017/6/3  4:09     0            3.2    <NA>
117   5010  2017/6/3  4:26     1            3.2    <NA>
118   5012  2017/6/3  4:25     0            3.3    <NA>
119   5013  2017/6/3  4:40     0            3.7    <NA>
120   5014  2017/6/3  4:55     0            4.0    <NA>
121   5015  2017/6/3  5:10     0            4.4    <NA>
122   5016  2017/6/3  5:25     0            4.9    <NA>
123   5017  2017/6/3  5:40     0            5.4    <NA>
124   5018  2017/6/3  5:55     0            6.1    <NA>
125   5019  2017/6/3  6:10     0            7.1    <NA>
126   5020  2017/6/3  6:26     1            7.4    <NA>
127   5022  2017/6/3  6:25     0            7.2    <NA>
128   5023  2017/6/3  6:52     1            7.8    <NA>
129   5025  2017/6/3  6:40     0            7.7    <NA>
130   5026  2017/6/3  7:05     1            9.4    <NA>
131   5028  2017/6/3  6:55     0            8.8    <NA>
132   5029  2017/6/3  7:20     1            9.6    <NA>
133   5031  2017/6/3  7:10     0            9.8    <NA>
134   5032  2017/6/3  7:38     1           11.9    <NA>
135   5034  2017/6/3  7:25     0           10.7    <NA>
136   5035  2017/6/3  7:47     1           12.6    <NA>
137   5037  2017/6/3  7:41     0           12.3    <NA>
138   5038  2017/6/3  7:56     0           13.4    <NA>
139   5039  2017/6/3  8:19     1           12.6    <NA>
140   5041  2017/6/3  8:11     0           13.3    <NA>
141   5042  2017/6/3  8:26     0           12.2    <NA>
142   5043  2017/6/3  8:47     1           11.3    <NA>
143   5045  2017/6/3  8:41     0           11.5    <NA>
144   5046  2017/6/3  9:00     1           10.3    <NA>
145   5048  2017/6/3  9:07     1            9.6    <NA>
146   5050  2017/6/3  8:56     0           10.3    <NA>
147   5051  2017/6/3  9:15     1            8.7    <NA>
148   5053  2017/6/3  9:19     1            8.6    <NA>
149   5055  2017/6/3  9:21     1            8.5    <NA>
150   5057  2017/6/3  9:11     0            8.9    <NA>
151   5058  2017/6/3  9:30     1            7.8    <NA>
152   5060  2017/6/3  9:26     0            7.8    <NA>
153   5061  2017/6/3  9:42     1            7.6    <NA>
154   5063  2017/6/3  9:51     1            8.7    <NA>
155   5065  2017/6/3  9:41     0            8.2    <NA>
156   5066  2017/6/3  9:56     0            8.9    <NA>
157   5067  2017/6/3 10:11     1            9.2    <NA>
158   5069  2017/6/3 10:21     1            9.2    <NA>
159   5071  2017/6/3 10:25     1            9.3    <NA>
160   5073  2017/6/3 10:12     0            9.2    <NA>
161   5074  2017/6/3 10:32     1            9.7    <NA>
162   5076  2017/6/3 10:36     1           10.1    <NA>
163   5078  2017/6/3 10:38     1           10.2    <NA>
164   5080  2017/6/3 10:27     0            9.7    <NA>
165   5081  2017/6/3 10:42     0           10.2    <NA>
166   5082  2017/6/3 10:57     0           10.3    <NA>
 [ reached getOption("max.print") -- omitted 3811 rows ]
> mean(mydata$GlucoseHistory[mydata$ID <= 4992]);#6/2
[1] 10.90101
> mean(mydata$GlucoseHistory[mydata$ID <= 5199 & mydata$ID >= 4993]);#6/3
[1] 7.88
> mean(mydata$GlucoseHistory[mydata$ID <= 5359 & mydata$ID >= 5200]);#6/4
[1] 11.97829
> mean(mydata$GlucoseHistory[mydata$ID <= 5538 & mydata$ID >= 5360]);#6/5
[1] 9.499281
> mean(mydata$GlucoseHistory[mydata$ID <= 5704 & mydata$ID >= 5539]);#6/6
[1] 11.81343
> mean(mydata$GlucoseHistory[mydata$ID <= 5875 & mydata$ID >= 5705]);#6/7
[1] 8.695588
> mean(mydata$GlucoseHistory[mydata$ID <= 6054 & mydata$ID >= 5876]);#6/8
[1] 10.91079
> mean(mydata$GlucoseHistory[mydata$ID <= 6114 & mydata$ID >= 6055]);#6/9
[1] 10.92353
> mean(mydata$GlucoseHistory[mydata$ID <= 6221 & mydata$ID >= 6115]);#6/10 #获取2-10号每天的血糖日平均值。
[1] 8.762195
> mean(mydata$GlucoseHistory);#获取全部的血糖日平均值。
[1] 9.791199
> mydata1 <- subset(mydata, mydata$ID <= 5199 & mydata$ID >= 4993);#获取3号子集。
> mydata2 <- subset(mydata, mydata$ID <= 5359 & mydata$ID >= 5200);#获取4号子集。
> mydata3 <- subset(mydata, mydata$ID <= 5538 & mydata$ID >= 5360);#获取5号子集。
> time1 <- mydata1$Time[mydata1$GlucoseHistory > 9];#获取3号符合条件的时间。
> time2 <- mydata2$Time[mydata2$GlucoseHistory > 9];#获取4号符合条件的时间。
> time3 <- mydata3$Time[mydata3$GlucoseHistory > 9];#获取5号符合条件的时间。
> time1;
 [1] 7:05  7:20  7:10  7:38  7:25  7:47  7:41  7:56  8:19  8:11  8:26  8:47  8:41  9:00  9:07  8:56  10:11
[18] 10:21 10:25 10:12 10:32 10:36 10:38 10:27 10:42 10:57 11:26 11:12 11:31 11:27 11:45 11:43 11:58 12:10
[35] 11:57 12:19 12:24 12:12 12:37 12:29 12:44 12:59 13:14 13:29 13:55 13:43 13:58 14:13 14:29 14:29 14:44
[52] 15:02 15:00 15:15 15:30 15:45 16:06 16:00 16:15 16:43 16:30 16:45 17:04 17:00 17:23 17:28 17:28 17:15
[69] 17:30 17:56 17:45 18:00
1389 Levels: 0:00 0:01 0:03 0:04 0:05 0:06 0:07 0:08 0:09 0:10 0:11 0:12 0:13 0:15 0:16 0:17 0:19 ... 9:59
> time2;
 [1] 4:35  4:50  5:05  5:31  5:21  5:36  5:51  6:06  6:28  6:21  6:36  6:51  7:06  7:28  7:22  7:37  7:52 
[18] 8:07  8:34  8:21  8:47  8:37  8:52  9:08  9:07  9:24  9:22  9:41  9:37  9:58  9:52  10:11 12:00 11:53
[35] 12:17 12:09 12:30 12:23 12:44 12:40 12:55 13:10 13:25 13:40 13:55 14:10 14:25 14:40 14:55 15:22 15:11
[52] 15:26 15:41 15:56 16:11 16:26 16:44 16:40 17:05 16:55 17:10 17:28 17:28 17:26 17:45 17:41 17:59 17:55
[69] 18:14 18:11 18:34 18:26 18:41 19:02 18:57 19:12 19:27 19:42 19:57 20:12 20:27 20:42 20:57 21:12 21:13
[86] 21:35 21:28 21:50 21:43 21:58 22:13 22:35 22:29 22:44 22:59 23:14 23:29 23:44
1389 Levels: 0:00 0:01 0:03 0:04 0:05 0:06 0:07 0:08 0:09 0:10 0:11 0:12 0:13 0:15 0:16 0:17 0:19 ... 9:59
> time3;
 [1] 0:03  6:16  6:31  6:46  7:13  7:01  7:16  7:31  7:32  7:52  7:47  8:16  8:02  8:17  8:41  8:32  8:47 
[18] 9:02  9:03  13:19 13:40 13:35 13:50 14:05 14:20 14:35 15:04 14:50 15:05 15:20 15:21 15:36 15:51 16:19
[35] 16:06 16:21 16:42 16:36 16:56 16:51 17:06 17:26 17:26 17:22 17:50 17:37 17:52 18:10 18:14 18:19 18:07
[52] 18:22 19:53 20:00 20:06 19:52 20:14 20:07 20:32 20:22 20:43 20:38 20:58 20:53 21:08 21:31 21:23 21:48
[69] 21:38 21:53 22:08 22:24 22:27 22:42
1389 

结论:
1、总的血糖日平均值:9.791199、6/2血糖平均值:10.90101、6/3血糖平均值:7.88(其余天略)。
2、选取的6/3、6/4、6/5三日,血糖均超过9的时间段是7:00——9:00和13:00——18:00。
上一篇文章           查看所有文章
加:2017-08-06 23:24:25  更:2017-08-06 23:24:27 
 
  R语言 最新文章
R的方差检验
Solving.Differential.Equations.in.R笔记1
云铝项目市场调查分析
东深新能源科技有限公司
ggplot2图形解析
R语言学习
R包
学习笔记TF037:实现强化学习策略网络
dplyr包
R语言数据可视化0—ggplot2介绍
技术频道: 站长资讯 .NET新手区 ASP.NET C# WinForm Silverlight WCF CLR WPF XNA Visual Studio ASP.NET MVC .NET控件开发 Entity Framework WinRT/Metro Java C++ PHP Delphi Python Ruby C语言 Erlang Go Swift Scala R语言 Verilog 其它语言 架构设计 面向对象 设计模式 领域驱动设计 Html/Css JavaScript jQuery HTML5 SharePoint GIS技术 SAP Oracle ERP Dynamics CRM K2 BPM 信息安全 企业信息化其他 Android开发 iOS开发 Windows Phone Windows Mobile 其他手机开发 敏捷开发 项目与团队管理 软件工程其他 SQL Server Oracle MySQL NoSQL 其它数据库 Windows 7 Windows Server Linux
脚本语言: vbs/VBScript DOS/BAT hta htc python perl 游戏相关 VBA 远程脚本 ColdFusion ruby专题 autoit seraphzone PowerShell linux shell Lua Golang Erlang 其它教程
网站开发: CSS/HTML/Xhtml html5 CSS XML/XSLT Dreamweaver教程 经验交流 开发者乐园 Android开发资料
360图书馆 软件开发资料 文字转语音 购物精选 软件下载 美食菜谱 新闻资讯 电影视频 小游戏 Chinese Culture 股票 三丰软件 开发 中国文化 网文精选 阅读网 看图 日历 万年历 2018年8日历
2018-8-15 3:17:31
多播视频美女直播
↓电视,电影,美女直播,迅雷资源↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT知识库