Day 23- R語言 資料篩選＆基礎運算
(前言：內個，我只是個剛接觸程式設計的小萌新，如果內文內容或程式碼寫的不對，還請各位大大指教 Orz
另外，今天用的資料也是昨天整理過的cp表格喔，另外，有些函數是要先安裝dplyr才能用的，要記得安裝喔。）

通常拿到一份資料的時候不只要做資料整理，還要做一些些篩選以及基礎運算。

首先要做的是排序資料，假設我們要R對資料做排序，可以使用order函數進行，例如要讓PM2.5這個欄位由小排到大，可以用以下程式碼進行：

cp[order(cp$PM2.5),]

當然，這個方法可以應用到其他的欄位上，但是因為目前沒有需要把資料排序的需求，所以我就不把它儲存到cp資料表了。

接下來要做的是遺漏值的處理，通常在處理資料的時候會有幾筆資料是NA，這時候可以透過R語言的complete.cases()函數檢查一個資料列裡面的資料完整性。如果結果為TRUE表示資料完整，如果回傳結果有FALSE則表示該列資料有NA值。如果要移除含有NA值的資料時，可以用下列程式碼執行：

cp <- cp[complete.cases(cp),]

結束後以nrow()檢查剩餘列數，結果為953。

如果要針對特定條件瀏覽資料的話，可以使用dplyr的filter函數，例如要檢視cp中PM2.5大於400的資料的話，可以用下列程式碼：

filter(cp, cp$PM2.5 > 400)

輸出結果如下：

其他 dyplr的函數包含：
Mutate() 增加新欄位
Arrange() 觀察值排序
Rename() 重新命名欄位
%>% 將函數串在一起執行的運算符號，可以將變數放在這個符號前面，然後在符號的另一端加上運算的元素及函數等

接下來我們來用R語言的函數量化分析這個數據。其中包含計算最小、最大數、第一、三分位數、中位數、平均數……等。以cp的PM2.5資料來說，單變量量化數據分析的程式碼如下：

table(cp$PM2.5) #計算同一數字出現的次數
range(cp$PM2.5) #計算數據範圍
quantile(cp$PM2.5) #計算四分位數
var(cp$PM2.5) #計算變異數
sd(cp$PM2.5) #計算標準差
summary(cp$PM2.5) #計算最小、最大數、第一、三分位數、中位數、平均數

輸出結果如下：

雙變量量化數據分析程式碼及結果如下（這邊以PM2.5及PM10做比較）：

cov(cp$PM10, cp$PM2.5) #計算共變數
cor(cp$PM10, cp$PM2.5) #計算相關性

> cov(cp$PM10, cp$PM2.5)
[1] 7139.546
> cor(cp$PM10, cp$PM2.5)
[1] 0.8832817

這個部分其實學到這邊也就差不多了，因為很多都是套用以前學果的函數來執行資料統計，而且因為套件相容性的關係，我的電腦可以執行的套件也就是比較常用的dplyr 及ggplot等，可以使用的其他套件很少，因此這邊就沒有機會使用及做介紹了Orz。

那明天就開始用ggplot做資料視覺化吧