1.3　技术准备

1.3.1　技术概览

学生成绩统计分析通过读取Excel文件中的学生成绩数据，然后进行数据计算、分组统计并绘制相应的图表来详细分析学生各科成绩的情况，其中主要使用了第三方R包openxlsx、数据计算、分组统计和基本绘图函数，这些知识在《R语言数据分析从入门到精通》一书中有详细的讲解，对这些知识不太熟悉的读者可以参考该书对应的内容。

除此之外，本项目实现了通过可视化图表对缺失值进行探索，主要使用了第三方R包VIM，在对学生成绩进行综合排名时使用了rank()函数。下面对这两部分内容进行详细的介绍并举例说明，以确保读者顺利完成本项目的开发，同时拓展相关知识以便更好地利用R语言进行数据分析。

1.3.2　VIM包

当数据量较大时，想要详细了解数据集中数据的缺失值情况，通过可视化图表探索缺失值是绝佳的选择。第三方R包VIM提供了大量的可视化缺失值函数，如aggr()函数、barMiss()函数、scattMiss()函数、histMiss()函数、matrixplot()函数、marginplot()函数、marginmatrix()函数，下面介绍几个常用的可视化缺失值函数。

1．aggr()函数

aggr()函数不仅可以展示每个变量里缺失值的个数（或比例），还可以展示多个变量组合下缺失值的个数（或比例），例如下面的代码：

library(VIM)
dataset <- sleep[, c("Dream", "NonD", "BodyWgt", "Span")]
aggr(dataset)

运行程序，结果如图1.2所示。

图1.2　aggr()函数可视化缺失值

2．barMiss()函数

barMiss()函数提供了一个柱形图，主要分析某一变量在另一变量不同取值情况下的缺失值情况。例如下面的代码：

x <- sleep[, c("Exp", "NonD", "Sleep")]
barMiss(x, only.miss = FALSE)

运行程序，结果如图1.3所示。

图1.3　barMiss()函数可视化缺失值

3．marginplot()函数

marginplot()函数提供了一个散点图，在图形边界展示两个变量的缺失值情况。例如下面的代码：

marginplot(sleep[c("Gest","Dream")], pch=c(20),
col=c("darkgray", "red", "blue"))

运行程序，结果如图1.4所示。

图1.4　marginplot()函数可视化缺失值

1.3.3　rank()函数详细解析

数据分析过程中，经常需要对数据进行排名。排名主要实现对数据进行排序，然后标记数据在排序中的位置，如学生成绩排名。在R语言中，可以通过rank()函数实现数据排名，默认情况下，rank()函数按照升序排列数据，即排名从低到高。如果需要降序排名，可以使用负号（-）。语法格式如下：

rank(x, na.last = TRUE,ties.method = c("average", "first", "last", "random", "max", "min"))

参数说明：

x：一维数组或向量（数值、复数、字符或逻辑向量）。

na.last：如果参数值为TRUE，则将数据中的缺失值放在排名最后；如果参数值为FALSE，则将缺失值放在第一位；如果参数值为NA，则缺失值会被移除；如果参数值为keep，则不参与排名，保持为NA。

ties.method：排名方法，参数值说明如下。

➢　average：相同元素都取该组中的平均水平，该水平可能是个小数。

➢　first：最基本的排序，小数在前大数在后，相同元素先者在前后者在后。

➢　last：与first类似，不同的是相同元素后者在前先者在后。

➢　random：相同元素随机编排次序，避免了“先到先得”，“权重”优于“先后顺序”的机制增大了随机的程度。

➢　max：小数在前大数在后，相同元素都取该组中最好的水平，即通常所讲的并列排序。

➢　min：小数在前大数在后，相同元素都取该组中最差的水平，可以增大序列的等级差异。

下面通过具体的示例详细介绍rank()函数。例如，使用rank()函数计算学生数学成绩排名，代码如下：

scores <- c(99, 88, 104, 75, 118,60) # 数学成绩
ranks <- rank(-scores) # 降序排名，即高分在前低分在后
print(ranks)

运行程序，结果为：

3 4 2 5 1 6

上述代码输出的是每个学生数学成绩的排名，按照成绩从高到低排列。那么，如果成绩相同，则默认情况下排名相同，并且排名以平均数表示，代码如下：

scores <- c(99, 88, 104, 75, 118,60,88)  # 数学成绩
ranks <- rank(-scores)               # 降序排名，即高分在前低分在后
print(ranks)

运行程序，结果为：

3.0 4.5 2.0 6.0 1.0 7.0 4.5

从运行结果得知：数学成绩88分的有两名同学，原排名为第4和第5，那么，默认情况下取平均数4.5，这种排名显然不科学。此时可以设置ties.method参数值为min，这样，当有相同的成绩时，将根据成绩排名的最小值来确定相同成绩的排名，代码如下：

ranks <- rank(-scores,ties.method = "min")
print(ranks)

运行程序，结果为：

3 4 2 6 1 7 4

从运行结果得知：数学成绩88分的两名同学，排名为并列第4。

那么，如果成绩中存在缺失值，rank()函数又该如何处理呢？这种情况下，可以通过设置na.last参数来决定如何处理缺失值排名的问题，例如下面的代码：

# 数学成绩
scores <- c(99, NA, 104, 75, 118,60)
# 排名
ranks <- rank(-scores)
print(ranks)
# 缺失值放在第一位
ranks <- rank(-scores,na.last = FALSE)
print(ranks)
# 删除缺失值
ranks <- rank(-scores,na.last = NA)
print(ranks)
# 不参与排名，保持为NA
ranks <- rank(-scores,na.last = "keep")
print(ranks)

运行程序，结果如图1.5所示。

图1.5　通过na.last参数处理缺失值排名的问题 xkHjHrmTFsBGStpYoqgkG+f3bCsZEtU4F82tv9f+dvOJUnF5BFJpIqpPDNL7+Cgn