R语言之创建数据集

R语言中用于存储数据的结构有：标量、向量、数组、数据框和列表。

在R中，对象是指可以赋值给变量的任何事物，包括常量、数据结构、函数、甚至图形。因子（factor）是名义型变量或有序型变量。

1.数据结构

向量

向量是用于存储数值型、字符型或逻辑性数据的一位数组。函数c()可以用来创建向量。标量是只含有一个元素的向量。

已定义的向量对象加上方括号，在方括号中给定元素所在的位置的数值，就可以访问向量中该位置的元素。

矩阵

矩阵是一个二维数组，每个元素都具有相同的属性。函数matrix()用来创建矩阵。

格式为：A <- matrix(vector,nrow=number_of_rows,ncol=number_of_cols,byrow=true/false,dimnames=list(rownames,colnames))

其中vector包含了矩阵的元素，nrow和ncol分别表示行和列的维数，dimnames包含行名和列名（rownames，colnames也分别为向量）。byrow是指按行或者按列填充，默认是按列。

同样可以使用A[i,j]的形式来获得矩阵A中第i行第j列的数据。A[i,]表示选取第i行的数据，A[,j]表示选取第j列的数据。

数组

类似于矩阵，但维数可以大于2。函数array()可用来创建数组。格式如下：

A <- array(vector,dimensions,dimnames=list())

其中vector包含了数组中的数据，dimensions是一个数值型向量，各个维度的最大值，dimnames是个维度名称的列表。

数据框

数据框中科已包含不同列可以有不同的属性（类似于数据库中的表）。可以通过函数data.frame(col1,col2,col3,...)。 col1,col2,col3...可以为不同的类型

数据框中元素的选取：

A[1:2]----------表示选取数据框A的前两列

A[c(col_names,...)]------------------选取多列，向量中为个列的名称

A$col_names--------------------选取数据框的col_names列

attach()函数可以将数据框添加到Ｒ的搜索路径中。R在遇到一个变量名后，将检查搜索路径中的数据框，以定位到这个变量。（提案件后就不用使用dataframe$col_names的形式读取某一列，直接用列名即可）

detach()函数将数据框从搜索路径中移除

当有同名的队形的时候，直接使用attac()h和detach()函数回出现问题，变量名的智慧是更早被定义的值。此时可以使用函数with()

例如  with(A, {

col_names1

col_names2})   其中A 为数据框

函数with()的局限性在于，复制仅在在此函数的括号内生效。

当需要在函数with()外使用是，采用特殊赋值符号  <<-  代替标准复制符号

eg：

  with(A, {

colname1 <<- col _names1

colname2 <- col _names1}) 

在with()外时，clname1是有效的  ，colname2是无效的。

相比于attach(),更多建议使用with()函数

因子

类别（名义型）变量和有序类别（有序型）变量在R中称为因子。

函数factor() 以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（k是名义型变量中唯一值的个数），同事一个由字符串（原始值）组成的内部变量将映射到这些整数上。

eg：名义型

diabetes <- c("type1","type2","type1")  则  语句diabetes <- factor(diabetes)  将次向量映射为类似（1,2,1），内部关联为1=type1，2=type2。针对向量diabetes 进行任何的分析都会将其作为名义型变量对待。

有序型

函数factor()需要制定参数order=TRUE。 status <- c("poor","improved","Excellent","Poor")  语句 status <- factor (status,order=TRUE),会将向量编码为（3,2,1,3），内部关联为1=Excellent，2=improved，3=poor。（字符型变量，因子的水平默认依字母顺序创建，故以上的顺序为3,2,1,3），也可以指定排序 status <- factor (status,order=TRUE，levels=c("poor","improved","Excellent"))

列表

列表list就是一些对象的有序集合。列表允许整合若干对象到单个对象名下。例如一个列表中可能包含若干向量、矩阵、数据框、甚至其他列表的组合。

函数list()用来创建列表，形式如下

A <- list(object1,object2,....)或者A <- list(name1=object1,name2=object2,....)

下图为R中的数据结构：

注：

在R中，对象名称中的句点（.）没有特殊意义，但是符号$代表的含义却不同于其他语言，即制定一个对象中的某些部分。

R中的下标是从1开始的

变量是无法被声明的。他们在首次被赋值时生成。

2.数据的输入

R 中可导入的数据源很多，如下图：

使用键盘输入数据

步骤如下：

（1）创建一个空数据框（或 矩阵），其中变量名和变量的模式需与理想中的最终数据集一致；

（2）针对这个数据对象调用文本编辑器，输入数据，并将结果保存在此数据对象中

eg：  A <- data.frame(age=numeric(0),gender=character(0),weight=numeric(0))

          A <- edit(A) 

需要修改数据时，可在此调用函数mydata <- edit(A)或者使用fix(A)

直接从键盘输入数据使用于小数据集

对于大的数据集，可以考虑从其他数据源导入，以下介绍几种从其他数据源导入数据的方法。

从带分隔符的文本文件导入数据

函数read.table()可以从带分隔符的本本文件中导入数据。可以读入一个表格文件并将其保存为一个数据框。使用格式如下：

mydata <- read.table(file, header=logical_value, sep="delimiter", row.names="name")

其中file是一个带分隔符的文本文件，header是一个表明首行是否包含变量名称的逻辑值（TRUE/FALSE），sep用来指定数据的分隔符（逗号，回车，制表符等，默认为空格），row.names是一个可选参数，用来指定一个或多个表示行标识符的变量。

一般默认将字符型变量转换为因子，若不想转换时，使用参数stringsAsFactors，另外一种方法，是使用colClasses参数为每一列指定类型。

读入EXCLE数据

两种方法：

(1) 将Excle文件转换成.csv文件，使用函数read.table()（即同上述方法）读入数据

(2)使用RODBC包访问Excle文件（不能读.xlsx文件）。

      先确保已经安装RODBC包（install.packages("RODBC")）

      读入数据的代码如下：

     library(RODBC) 
     ch <-   odbcConnectExcel("文件名")   # 若文件不再当前的工作目录，就要写上文件路径
     madata <- sqlFetch(ch,"工作表名称")
     odbcClose(ch)

      .xlxs文件的读取使用read.xlsx()函数，需安装xlsx包，使用这个包要确保电脑安装了java，不然载入包的时候会提示rJava包不能载入。

     read.xlsx(file,n)  其中file为文件名，n为xlsx中的第n个工作表。示例如下

     library(xlsx)
     workbook <- "F:/aa.xlsx"
     mydata <- read.xlsx(workbook ,1)   
     

XML数据的读取

读入SPSS数据    

通过foreign包中的read.spss()函数导入，或者Hmisc包的spss.get()函数导入。

示例：

library(Hmisc)
mydata <- spss.get("aa.sav",use.value.lables=TRUE)  #use.value.lables=TRUE表示让函数将带有值标签的变量导入为R中水平对应相同的因子。

导入SAS数据

在对于SAS9.1以上的版本，先使用PROC EXPORT将SAS数据集保存为一个逗号分隔符的文本文件，再使用从带分隔符的文本文件导入数据的方法读取到R中

SAS程序
proc export data = mydata
        outfile="mydata.csv"
        dbms=csv;
run;
R 程序
mydata <- read.table(“mydata.csv”, header=logical_value, sep=",")
 
  
 
  
 
  
 
  
 
  
3.访问数据库管理系统
 
  
R中有多种面向关系型数据库管理系统的接口，包括SQL Server、Acess、MySql、Oracle、DB2、Sybase、SQLite、Teradata、PostgreSQL。一些包通过原生的数据哭驱动来提供访问功能，另一些则是通过ODBC或JDBC来实现。
 
  
ODBC接口
 
  
在R中通过RODBC包访问一个数据库比较流行，该方式允许R连接到任意一种ODBC驱动的数据库。
 
  
R中RODBC包中包含的函数有
 
  
 
  
RODBC包允许R和一个通过ODBC连接的SQL数据库之间进行双向通信。即R不仅可以读取数据库的数据，也可以修改数据库中的数据。·
 
  
举例，假设要读入一个数据库中的标A和B，程序如下
 
  
 
  
library(RODBC)
ch <- odbcConnect("mydsn",uid="Rob0,pwd="asb123") mydsn为数据源名称，uid为数据库用户名，pwd为密码
TA <- sqlFetch(ch ,A)
TB <- sqlQuery(ch ,"select * from B")
close(ch) 
 
  
 
  
 
  
 
  

 
  
函数factor()可以为类别型变量创建值标签 
 
  
举例：数据框patientdata中的gender变量，1表示男，2表示女，代码如下
 
  
 
  
patientdata$gender <- factor( patientdata$gender ,
                              levels = c(1,2),
                              labels = c("male","female"))
 
  
 
  

 
  
常用的处理数据对象的函数