start_here/chap3/tidy.md

数据整理

科学实验原始数据格式多种多样，这给数据处理分析带来困难。如果有一个统一的数据格式，可以降低数据的复杂性，便于理解和交流，也给统计程序开发者提供方便，增加数据逻辑的使用范围。庆幸的是，科学数据都可以转化为字段和记录两向列表的形式。这个两向表遵循以下三条规则：

• 列代表变量（或字段），每个变量一列
• 行代表观测（或记录），每个观测值一行
• 每个单元格代表该变量在该观测中的观测值 这是日常生活和科研记录中的常用记录数据形式，但为了节省纸张、或者为了数据紧凑直观，有时候也不这样记录，特别是对于多因素试验的情况。比如，这个表： 为了数据分析的需要，需要先将这种形式的数据转化为上述标准格式。这个过程叫做数据整理（tidy），整理好的标准数据也叫做tidy数据。

tidyverse、tidyr

tidyverse是用于数据整理的R包。 安装：install.packages('tidyverse') 或者安装其轻量版本 install.packages("tidyr") 如想使用最新版本，可以从源码安装： install.packages("devtools") devtools::install_github("tidyverse/tidyr")

使用： library('tidyr')

筛选记录(filter)

filter(flights, month == 1, day == 1) 比较运算符：>, >=, <, <=, != (不等于), and == (等于). 注意，等于是==而不是=，前者是比较运算符，后者是赋值运算符，这一点容易出错。

另外需要注意的是在使用==比较浮点数时，计算机提供的有限精度的近似而不是绝对精确的数值（物质的有限可分性原理）

sqrt(2) ^ 2 其实并不等于2，测试一下：

sqrt(2) ^ 2
#> [1] FALSE
1/49 * 49 == 1
#> [1] FALSE

这时不要使用==，代之以near()函数:

near(sqrt(2) ^ 2,  2)
#> [1] TRUE
near(1 / 49 * 49, 1)
#> [1] TRUE

逻辑运算符：|、& 、！、xor filter(flights, month == 11 | month == 12)