R语言之数据类别
任何数据分析的第一步，是按照需求的格式来创建含有研究信息的数据集，本节描述了向量、矩阵、数组、数据框以及列表的用法。熟悉这些数据结构以及访问其中元素的表述方法，十分有助于了解R的工作方式，但是也需要耐心来慢慢消化这一节的内容。
1.向量
|
|
|
|---|---|
| x<-c(1,2,3,4) | 创建数值型向量x，元素为1，2，3，4 |
| y<-c(“one”,“two”,“ttree”) | 创建字符型向量y，元素为one，two，three |
| z<-c(TRUE,FALSE,TRUE) | 创建逻辑性向量z，元素为TRUE，FALSE，TRUE |
| a<-seq(1,10,2) | 生成从1到10，步长为2的向量a |
| b<-seq(10,1,-1) | 生成从10到1，步长为-1的向量b |
| c<-seq(1,by=2,length=10) | 生成从1开始，步长为2，长度为10的向量c |
| d<-rep(c(1,2),2) | 重复元素1和2，结果为1,2,1,2 |
| e<-rep(c(1,2),each=2) | 每个元素重复2次,结果为1,1,2,2 |
| x[2] | 提取向量x的第二个元素，结果为2 |
| x[c(2,4)] | 提取向量x的第二个和第四个元素，结果为2,4 |
| x[2:4] | 提取向量x第二个至第四个的元素 |
| x[x>2] | 提取向量x中大于2的元素 |
| x[-2] | 删除向量x的第二个元素 |
| x[2]<-5 | 将向量x的第二个元素赋值为5 |
2.矩阵
|
|
|
|---|---|
| matrix1 c(“Q1”,“Q2”,“Q3”,“Q4”))) |
生成5行4列的矩阵，行名依次为R1至R5， 列名依次为Q1至Q4，逐行填充 |
| matrix1[3,] | 提取矩阵第三行的元素 |
| matrix1[,3] | 提取矩阵第三列的元素 |
| matrix1[1,3] | 提取矩阵第一行第三列位置的元素 |
| matrix1[1,c(2,3)] | 提取第一行、第二第三列的元素 |
> matrix1<-matrix(1:20,nrow=5,ncol=4,
+ byrow=TRUE,dimnames=list(c("R1","R2",
+ "R3","R4","R5"),c("Q1","Q2","Q3","Q4")))
> matrix1
Q1 Q2 Q3 Q4
R1 1 2 3 4
R2 5 6 7 8
R3 9 10 11 12
R4 13 14 15 16
R5 17 18 19 20
> matrix1[3,]
Q1 Q2 Q3 Q4
9 10 11 12
> matrix1[,3]
R1 R2 R3 R4 R5
3 7 11 15 19
> matrix1[1,3]
[1] 3
> matrix1[1,c(2,3)]
Q2 Q3
2 3
3.数组
|
|
|
|---|---|
| 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)) |
由 dim1，dim2，dim3 生成三维数组 z，各维度标签名称为向量自身名称 |
> 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
4.数据框
|
|
|
|---|---|
| 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) |
由 patientID，age，diabetes，status 生成数据框 patientdata |
| patientdata[1:2] | 提取patientdata的第一、第二列 |
| patientdata[c(“diabetes”, “status”)] | 提取patientdata的diabetes和status两个变量 |
| table(patientdata$diabetes,patientdata$status) | 生成patientdata中diabetes和status变量的列联表 |
| new<-patientdata[which(patientdata$age>30)] | 提取patientdata中年龄大于30的观测值，并保存在new中 |
| str(diabetes) | 显示变量diabetes的结构 |
| str(patientdata) | 显示数据框patientdata的行列结构、变量组成、变量类型 |
> patientID <- c(1, 2, 3, 4)
> age <- c(25, 34, 28, 52)
> diabetes <- c("Type1"," Type2", "Type1", "Type1")
> status <- c("Poor", "Improved"," Excellent"," Poor")
> patientdata <-data.frame(patientID, age, diabetes, status)
> patientdata[1:2]
patientID age
1 1 25
2 2 34
3 3 28
4 4 52
> patientdata[c("diabetes", "status")]
diabetes status
1 Type1 Poor
2 Type2 Improved
3 Type1 Excellent
4 Type1 Poor
>table(patientdata$diabetes,patientdata$diabetes,patientdata$status)
, , = Excellent
Type2 Type1
Type2 0 0
Type1 0 1
, , = Poor
Type2 Type1
Type2 0 0
Type1 0 1
, , = Improved
Type2 Type1
Type2 1 0
Type1 0 0
, , = Poor
Type2 Type1
Type2 0 0
Type1 0 1
> new<-patientdata[which(patientdata$age>30)]
> new
age status
1 25 Poor
2 34 Improved
3 28 Excellent
4 52 Poor
5.因子
|
|
|
|---|---|
| diabetes<-c(“Type1”,“Type2”,“Type1”,“Type1”) diabetes<-factor(diabetes) |
将diabetes转变成因子型(名义型)，定类尺度为数字，相同数字代表同一类别 |
| status<-c(“Poor”,“Iproves”,“Excellent”,“Poor”) status<-factor(status,order=TRUE) |
将 status 转变成因子（有序型） （次序默认按字母顺序依次创建） |
| status<-factor(status,order=TRUE,levels=c(“Poor”,“Iproved”,“Excellent”)) | 将 status 转变成因子（有序型） （自定义 1=Poor，2=Improved，3=Excellent） |
6. 列表
|
|
|
|---|---|
| g <- “My First List” h <- c(25, 26, 18, 39) j <- matrix(1:10, nrow = 5) k <- c(“one”, “two”, “three”) mylist <- list(title = g, ages = h, j, k) |
生成由以上四个分量组成的列表 mylist，将 g 命名为 title，将 h 命名为 ages |
| mylist[[2]] | 提取列表mylist中的第二个分量 |
| mylist[[“ages”]] 或者 mylist$ages |
提取mylist中的ages分量 |
| length(mylist) | 显示列表mylist的分量数 |
| names(mylist) | 显示mylist的分量名称 |
| mylist[[2]][1:3] | 提取列表mylist第二个分量的第一至第三个值 |
特别注明：本文属于R语言学习笔记，不以盈利为目的，纯手工码字不容易，若整理的笔记中，对您有所助益，麻烦点个赞或者收藏，万分感谢！如有构成侵权的地方，请联系作者删除，谢谢合作！