covid19.csv文档里面记录了某地区新冠病人的住院信息。 covid19-2.csv和covid19-3.csv文档记录病人入院前的基本信息。
把covid19.csv读入到数据框df1中,输出其列名和前五行的内容;
把covid19-2.csv读入到数据框df2中,输出其列名和后三行的内容;
把covid19-3.csv读入到数据框df3中,输出其列名和后三行的内容;
合并df2和df3,并将合并后的数据框定义为df4,要求合并后df4中的序号都是可识别的(唯一的);
合并df1和df4,并将合并后的数据框定义为df,要求合并后保留pat1所有的行;
找出df疗程中存在缺失值的行,并将其填充完整,填充值为出院时间与入院时间的间隔天数(如:入院时间为20200121,出院时间为20200211,则疗程为22),最终结果仍旧保存为df;
输出df中有缺失值的所有行;
#第一题
df1 <- read.csv("covid19.csv",header=TRUE,fileEncoding="GBK",na.string="") #第二个病人的性别没有记载,应认定为缺失值。
head(df1,n=5)
#第二题
df2 <- read.csv("covid19-2.csv",header=TRUE,fileEncoding="GBK")
tail(df2,n=3)
#第三题
df3 <- read.csv("covid19-3.csv",header=TRUE,fileEncoding="GBK")
tail(df3,n=3)
#第四题
#dim(df2) 由于df3数据都在df2里,合并后df4的行和列应该是df2的相应值
df4<- rbind(df2,df3)
df4<-df4[!duplicated(df4),]
#dim(df4) #此时由于df3数据都在df2里,故输出的应该是 75 4
#第五题
df<- merge(df1,df4,by.x="序号",by.y="序号",all.x=TRUE)
#dim(df) #验证
#第六题
df[is.na(df$疗程),]
df_copy<-df #建立转换时间的副本
df_copy[,"入院时间"] <- as.Date(as.character(df_copy[,"入院时间"]), format = "%Y%m%d")
df_copy[,"出院时间"] <- as.Date(as.character(df_copy[,"出院时间"]), format = "%Y%m%d")
df[is.na(df$疗程),"疗程"]<- as.numeric(df_copy[is.na(df_copy$疗程),"出院时间"]-df_copy[is.na(df_copy$疗程),"入院时间"])+1
df #验证填充正确
#第七题
idx.na <- apply(is.na(df),1,any)
df[idx.na,]
基于数据框df实现如下操作:
按病史分别统计年龄、疗程的均值;
按入院时间对df进行排序,升序,入院时间越早,排序更靠前;
按分型分组汇总不同性别(包括缺失值)的入院人数,结果展示为list数据结构;
显示不抽烟、重型且年龄大于60岁的病人的出入院时间;
交叉汇总性别和分型的发病人数,要求男性的病史统计在同一行,并将结果保存为table格式,并赋值给res1,(不包括缺失值);
#第一题
#一起显示
aggregate(df[,c("年龄","疗程")], by = df["病史"], mean)
#分开显示
aggregate(df[,"年龄"], by = df["病史"], mean)
aggregate(df[,"疗程"], by = df["病史"], mean)
#第二题
head(df[order(df$入院时间,decreasing=FALSE),],n=10) #为了方便看,只展示前十行
#第三题
as.list(tapply(df$性别,INDEX=df["分型"],table,useNA="always"))
#第四题
df[(df$吸烟=="无")&(df$分型=="重型")&(df$年龄>60),c("出院时间","入院时间")]
#第五题
res1<-table(df$性别,df$分型)
class(res1) #验证是table格式
res1
基于数据框df实现如下操作:
绘制疗程的直方图,将图形的横坐标设为疗程,纵坐标设为频数,标题设为疗程分布直方图,并在该图上添加密度估计曲线;
基于res1绘制并排条形图,添加图例,标题设为不同病型病人的性别分布,普通型和重型颜色分别为"cyan"和"darkgoldenrod";
以性别为组别,绘制年龄的多组箱线图,男性和女性颜色分别为"cyan"和"darkgoldenrod";
#第一题
hist(df[, "疗程"], main = 'Frequency(number) distribution histogram of treatment', xlab = 'Treatment', ylab = 'Frequency(number)')
hist(df[, "疗程"], main = 'Frequency(proportion) distribution histogram of treatment', xlab = 'Treatment', ylab = 'Frequency(proportion)',freq=FALSE)
lines(density(df[, "疗程"]), lwd = 5, col = "black")
#第二题
df_1<-df
barplot(res1,main="Sex distribution of patients with different disease types",beside=TRUE,col=c("darkgoldenrod","cyan"),legend=TRUE,names=c("ordinary type","heavy type"))
#第三题
boxplot(年龄~性别,data=df,col=c("darkgoldenrod","cyan"),names=c("female","male")) #实际上代码应该是c("cyan","darkgoldenrod"),但不知为何在平台上男女数据反过来了,于是不得不反着写