摘要：介绍R语言中常用的数据结构，向量、矩阵、列表、数据库、因子等。主要是它们的创建、索引和简单的运算。
数据类型
-
主要的数据类型：
- 数值型：numeric
- 逻辑型：logical（T/TRUE F/FALSE）
- 字符型：character
- 复数型：complex（a+bi）
- 原味型：raw（二进制数据）
- 缺省型：missing value（NA/not available）
关于数据类型的详细介绍和操作参见另一篇课程笔记：R魔02_笔记_数据类型。
-
查看数据：
查看当前系统里的数据对象，返回变量名：
ls()-
辨别和转换数据类型：
类型 辨别 转换 character is.character() as.character() complex is.complex() as.complex() double is.double() as.double() integer is.integer() as.integer() logical is.logical() as.logical() NA is.na() as.na() numeric is.numeric() as.numeric()
数据结构
- 数据结构包括：
- 向量
- 矩阵
- 数组
- 数据框
- 因子factor/名义或等级
-
向量:
c()- 直接创建向量：同一向量中的数据必须是同一个类型的。
> a <- c(1, -2, 3, -4, 5, 0) > b <- c("age","name" , "weight") > C <- c(TRUE, TRUE, FALSE, FALSE) > a <- c(2:6) # 冒号"n:m"表示从n到m，包含n和m。 # 等价于 > a <- c(2, 3, 4, 5, 6) > r <- c(5:1) #逆序 > r 5 4 3 2 1 # 冒号运算的结果其实也是个向量 > 2*1:5 #表达式中：的级别最高 [1] 2 4 6 8 10- 用函数生成向量：
# 1. 生成有规律的序列 > seq(1,10,2) # seq(from, to, by)，从1到10，间隔为2。 [1] 1 3 5 7 9 > seq(1, by=2, length=10) #从1开始，间隔为2，总共要10个数。 [1] 1 3 5 7 9 11 13 15 17 19 > letters[1:30] #生成字母序列，abcd，26个，第26之后的值为NA # 2. 重复 > rep(c(1,2),4) # 向量整体4次 [1] 1 2 1 2 1 2 1 2 > rep(c(1,2),each=4) # 按元素重复 [1] 1 1 1 1 2 2 2 2 > rep(c(1,2,3,4),c(5,3,4,2)) # 向量元素分别重复5432次。必须一样长。 [1] 1 1 1 1 1 2 2 2 3 3 3 3 4 4- 选择向量中的元素
> a <- c(1, -2, 3, -4, 5, 0) > a[3] [1] 3 > a[2,3] # 选择两个 [1] -2 3 > a[1:4] # 选择多个连续 1 -2 3 -4 > a[-2] # 去掉第2个元素 1 3 -4 5 0 # 用向量选择 > a[c(1,3,4)] # 一定要有c()函数，a[1,2,3]是错的 # 布尔 > a[a<3] # 列出小于3的元素- 用which()函数选择
which.max(a) #()里是向量名。返回下标。 which.min(a) a[which.max(a)] #返回最大值 which(a==2) #所有等于2的元素，的位置/下标。 which(a>3)注意：向量不能添加或删除元素。改变向量需要重新赋值。
-
附：常用的向量计算函数
sum() #求和 max() #求最大值 min() #求最小值 range() #求极差（全矩） mean() #均值 median() #中数 var() #方差 sd() #标准差 sort() #排序，从小到大 rev() #反向排列rev(sort()) rank() #给出向量的秩（每个元素的排名） prod() #向量的连乘积 append() #添加元素 replace() #替换 match() #匹配 pmatch() #部分匹配 all() #判断所有 any() #判断部分
-
矩阵：
matrix()默认按列生成- 创建矩阵
> y <- matrix(1:20, nrow=5, ncol=4) [,1] [,2] [,3] [,4] [1,] 1 6 11 16 [2,] 2 7 12 17 [3,] 3 8 13 18 [4,] 4 9 14 19 [5,] 5 10 15 20 > cells <- c(1,4,6,10) > rname <- c("r1","r2") > cname <- c("c1","c2") > mymatrix <- matrix(cells, nrow=2, ncol=2, byrow=TRUE, dimnames=list(rname, cname)) mymatrix #byrow=TRUE按行填充 c1 c2 r1 1 4 r2 6 10 > diag(1:4) #生成对角矩阵 [,1] [,2] [,3] [,4] [1,] 1 0 0 0 [2,] 0 2 0 0 [3,] 0 0 3 0 [4,] 0 0 0 4 > diag(4) #4阶单位阵 [,1] [,2] [,3] [,4] [1,] 1 0 0 0 [2,] 0 1 0 0 [3,] 0 0 1 0 [4,] 0 0 0 1- 矩阵索引
mymatrix <- matrix(1:20, nrow=5, ncol=4) > mymatrix[1,2] #选择矩阵里的元素[行, 列] 6 > mymatrix[1:2,2:3] #第1 2行，2 3列的元素 [,1] [,2] [1,] 6 11 [2,] 7 12- 矩阵的运算
A+10 #所有元素加10 A*2 #所有元素乘2 A*A #所有元素乘自己 A%*%B #矩阵相乘【A(m,n)的列数（column）与B(n,p)的行数（row）相同才行，得到是一个m行，p列的矩阵】 dim() #返回行、列数（如果是array，返回每个维度的行列数 str(object) #显示某个对象的结构 class(object) #显示某个对象的类或类型 nrow() #返回行数 ncol() #返回列数 solve() #返回逆矩阵【逆矩阵：两个矩阵相乘等于一个单位矩阵（见上）】 solve(a,b) #a*x=b，求x。得出的是x的值。 as.matrix() #把非矩阵的转换成矩阵 is.matrix() #辨别是否矩阵 diag() #返回对角元素或生成对角矩阵 eigen() #求特征值和特征向量 chol() #Choleski 分解 【？？？】 svd() #奇异值分解 【？？？】 qr() #QR 分解 【？？？】 det() #求行列式 t() #矩阵转置 apply(X, MARGIN, FUN, ...) #对矩阵应用函数。x：矩阵名；MARGIN：运算范围，1/按行运算，2/按列运算；FUN：调用的函数。得到一个向量。 rbind() #合并两个或两个以上的矩阵，按行合并。（列数不变 cbind() #按列合并。（行数不变 -
数组:函数array()
- 简单说一下。
> dim1 <- c("A1","A2") > dim2 <- c("B1","B2","B3") > dim3 <- c("C1","C2","C3","C4") > z <- array(1:24, c(2, 3, 4), dimnames = list (dim1, dim2, dim3)) > z , , C1 B1 B2 B3 A1 1 3 5 A2 2 4 6 , , C2 B1 B2 B3 A1 7 9 11 A2 8 10 12 , , C3 B1 B2 B3 A1 13 15 17 A2 14 16 18 , , C4 B1 B2 B3 A1 19 21 23 A2 20 22 24 -
数据框：最常见的数据结构
data.frame()- 矩阵形式的数据必须是同一类型的，但数据框中各列可以是不同类型的数据。
- 每一列长度一致。可以是向量、因子、数据矩阵、列表、或其他数据框。
- 字符向量会被强制转换成因子
> patientID<-c(1,2,3,4) > age<-c(25,34,28,52) > diabetes<-c("Type1","Type2","Type1","Type1") > status<-c("Poor","Improved","Excellent","Poor") > patientdata<-data.frame(patientID, age, diabetes, status) > patientdata patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved 3 3 28 Type1 Excellent 4 4 52 Type1 Poor patientdata[1:2] # 选取列 patientdata[1:2,] # 选取行 patientdata[c("diabetes","status")] # 用列名选取 patientdata$age # 用列名选取的另一种方法 table(patientdata$diabetes, patientdata$status) # 名义变量做交叉列联表。- 使用attach()/detach()和with()：可以不用写数据框的名字，直接用数据库中列名。
attach(patientdata) summary(age) detach(patientdata) with(patientdata,{ summary(age) }) -
因子
factor()- 分类数据
- factor(data, levels, labels,...)
# factors把字符型的名义变量 变为 用数字代表类别。常用于离散型数据。 patientID<-c(1,2,3,4) age<-c(25,34,28,52) diabetes<-c("Type1","Type2","Type1","Type1") status<-c("Poor","Improved","Excellent","Poor") diabetes<-factor(diabetes); diabetes status<-factor(status, order=T, levels = c("Poor", "Improved","Excellent"));status # order = T，有序性因子，按字母排序。用levels设定顺序。 patientdata<-data.frame(patientID, age, diabetes, status) str(patientdata) # 查看dataframe summary(patientdata) -
列表list
- list是一个对象的有序合集，包含的对象叫做components/分量。
- 语句list(变量1=分量1， 变量2=分量2，……)
- 函数length()、 mode()、 names()可以分别返回列表的长度（分量的数目）、数据类型、列表里成分的名字。
- 元素可以不同类型。迭代。双层中括号[[]]选择元素，第一维是名称，第二维才是数值。
# 创建列表 #1. 使用list() > j <- list(name="Joe",salary=55000, union=T); j $name [1] "Joe" $salary [1] 55000 $union [1] TRUE #2. 把向量转为列表形式 z <- vector(mode="list") z[["list"]] <- 3 # 列表索引 > j$salary [1] 55000 j[["salary"]] #注意单层中括号和双层中括号的区别 j[[2]] j[1:2] # 增加列 j$sex<-"M" #增加一个叫做“sex”的列 j[6:8]<-c(E,F,T);j #增加三列，分别叫做E/F/T，位置在6到8. # 删除列 j$sex<-NULL;j #sex这列就不见了