用R软体统计大联盟生涯上垒率排行.PDFVIP

用 R 軟體統計大聯盟生涯上壘率排行 4 R 最好用的套件之一為 Hadley Wickham 所創建的 plyr 套件，它的 使用正好符合資料操作中 拆開-套用-整合 的程序。該套件的核心函數包括 ddply、llply 和 ldply。 其中ddply 所用的輸入資料為 data.frame，它會將該資料根據某些變數做 分群，然後對這些分群進行各種運算，最後再以 data.frame 形式回傳結果。為 了學習 ddply 的操作，我們使用 plyr 套件裡的棒球 (baseball) 資料。 require (plyr) head (baseball) id year stint team lg g ab r h X2b X3b hr rbi sb cs bb 4 ansonca01 1871 1 RC1 25 120 29 39 11 3 0 16 6 2 2 44 forceda01 1871 1 WS3 32 162 45 45 9 4 0 29 8 0 4 68 mathebo01 1871 1 FW1 19 89 15 24 3 1 0 10 2 1 2 99 startjo01 1871 1 NY2 33 161 35 58 5 1 1 34 4 2 3 102 suttoez01 1871 1 CL1 29 128 35 45 3 7 3 23 3 1 1 106 whitede01 1871 1 CL1 29 146 40 47 6 5 1 21 2 2 4 so ibb hbp sh sf gidp 4 1 NA NA NA NA NA 44 0 NA NA NA NA NA 68 0 NA NA NA NA NA 99 0 NA NA NA NA NA 102 0 NA NA NA NA NA 106 1 NA NA NA NA NA 棒球最常見的統計數據為上壘率(On Base Percentage, OBP)，其公式為： (公式 11.1) 群組操作 11 上述公式中各個英文縮寫所代表的意義如下： „ H = 安打(Hits) „ BB = 保送(Bases on Balls 或 Walks) „ HBP = 觸身球(Times Hit by Pitch) „ AB =打數(At Bats) „ SF = 高飛犧牲打(Sacrifice Flies) 在 1954 年之前，高飛犧牲打被視為是犧牲觸擊(Sacrifice Hits)的一部 份，犧牲觸擊也包括短打(bunts)。因此，在 1954 年之前，選手的高飛犧牲打 應該被設為 0，這將是我們對資料做出的第一個改變。HBP(觸身球)的資料裡 存在著許多 NA 值，我們也將把它們設為 0。另外，我們也將排除掉在一季裡 AB(打數)少於 50 的選手。 # 用 [來抽取資料比用 ifelse 來得快 baseball$sf[baseball$year 1954] - 0 # 檢查是否已經成功 any is.na ( (baseball$sf)) [1] FALSE # 把 HBP 的 NA 值設為 0 baseball$hbp[is.na (baseball$hbp)] - 0 # 檢查是否成功 any is.na ( (b