创建数据集
R可以处理的数据类型（模式），包括数值型、字符型、逻辑型（TRUE/FALSE）、复数型（虚数）和原生型（字节）
数据结构
R用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表：
向量
y <- c(8, 3, 5, 7, 6, 2, 8, 9)
any(y < 10) #任意元素满足条件返回真值
#输出 TRUE
all(y < 10) #所有元素满足条件返回真值
#输出 TRUE
which(y < 10) #取数组中小于10值的下标
#输出 1 2 3 4 5 6 7 8
可以使用c ( )函数直接连接2个向量：
z <- c(x, y)
连续数构造的向量可以使用“:”来构造：
z <- c(1:100)
#或者
z <- 1:100
seq(from, to, by, length.out, …) 可以产生等间隔数列的函数
其中，from 表示开始的数，to表示结束的数，by表示间隔，length.out表示数列长度
例如：
seq(0,1,length.out = 11) #生成[0,1]之间等间隔的11个数
#输出 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
seq(0,9, by = 2) #生成[0,9]之间间隔为2的个数
#输出 0 2 4 6 8
rep(x, times, length.out, …)可以产生重复的若干个数字
其中，x 表示重复的数，tims表示重复次数，length.out表示数列长度
例如：
rep(1:4, times = 2) #输出1 2 3 4 1 2 3 4
rep(1:4, length.out = 10) #输出1 2 3 4 1 2 3 4 1 2
rep(c("a","b","c","d"), times=c(1,2,3,4))
#输出 "a" "b" "b" "c" "c" "c" "d" "d" "d" "d"
rep(c("a","b","c"), times=c(3,3,3))
#输出 "a" "a" "a" "b" "b" "b" "c" "c" "c"
矩阵
mymatrix <- matrix ( ① vector,② nrow=number_of_rows,③ ncol=number_of_columns,④ byrow=logical_value,⑤ dimnames=list(char_vector_rownames, char_vector_colnames))
① 矩阵的元素
② 矩阵的行数
③ 矩阵的列数
④ 是否按行填充 (默认“按列填充”)
⑤ 行名和列名
#与矩阵有关的函数：
dim() #可以查看矩阵的维数
ncol() #返回矩阵的列数
nrow() #返回矩阵的行数
as.vector() #将矩阵强制转换为向量
创建矩阵举例：
x <- matrix(1:20,5,4,T) #创建一个5X4矩阵
#输出
x
[,1] [,2] [,3] [,4]
[1,] 1 2 3 4
[2,] 5 6 7 8
[3,] 9 10 11 12
[4,] 13 14 15 16
[5,] 17 18 19 20
cells <- c(1,26,24,68)
rnames <- c('R1','R2')
cnames <- c('C1','C2')
a <- matrix(cells,2,2,T,list(rnames,cnames)) #按行填充的2X2矩阵
#输出
a
C1 C2
R1 1 26
R2 24 68
数组
数组是矩阵的推广，维度可以大于2，但各元素也只能有 一种模式
myarray <- array ( ① vector, ② dimensions, ③ dimnames)
① 数组的元素
② 各维度的元素数
③ 各维度的名称
创建数组举例：
dim1 <- c('A1','A2')
dim2 <- c('B1','B2','B3')
dim3 <- c('C1','C2','C3','C4')
z <- array(1:24,c(2,3,4),list(dim1,dim2,dim3))
#输出
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
数据框不同列的元素可以是不同模式，使用比矩阵更加普遍，是R中最常处理的数据结构
mydata <- data.frame ( col1, col2, col3, … )
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)
#输出
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
选取数据框元素的几种方法：
#读取patientdata中第3个病人的status信息：
patientdata$age[3]
#输出
28
patientdata[[2]][3]
#输出
28
patientdata[3,2]
#输出
28
两种绑定数据框的方式：
- attach() + detach()
attach()：将数据框添加到R的搜索路径中
detach()：将数据框从R的搜索路径移除
例如：读取diabetes=Type1的病人的status信息：
patientdata$status[which(patientdata$diabetes=="Type1")]
#输出
Poor Excellent Poor
Levels: Excellent Improved Poor
可改写为：
attach(patientdata)
status[which(patientdata$diabetes=="Type1")]
#输出
"Poor" "Excellent" "Poor"
> detach(patientdata)
注意：
如果数据框被绑定之前，global environment已中有与数据框中的变量同名的其它变量（原始对象）时，R会让原始对象获得优先权，而屏蔽（mask）数据框变量
-
with(dataframe, {statement})
其中，{statement}是针对数据框dataframe执行的语句
如果statement仅有一条语句，可以省略{ }
还是上面的例子：
with(patientdata, {
+ c<- which(diabetes=="Type1")
+ status [c]
+ })
#输出
Poor Excellent Poor
Levels: Excellent Improved Poor
注意：
with()函数的赋值仅在{ }内生效
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
factor(①x, ②levels, ③labels=levels, ④exclude, ⑤ordered)
①数据向量，也就是被转换成因子的向量
②因子水平
③指定各水平的名称
④从x中剔除某个水平值
⑤次序
x <- c(1,1,2,1,2,3,2,2,3,3,3,1,1,1,2)
f<-factor(x)
f
#输出
1 1 2 1 2 3 2 2 3 3 3 1 1 1 2
Levels: 1 2 3
x <- rep(1:5, 1:5)
f<-factor(x)
f
#输出
1 2 2 3 3 3 4 4 4 4 5 5 5 5 5
Levels: 1 2 3 4 5
x <- c("Hello","World","This","Is","R")
f<-factor(x)
f
#输出
Hello World This Is R
Levels: Hello Is R This World
次序问题：
1.
status <- factor(status)
status
#输出
Poor Improved Excellent Poor
Levels: Excellent < Improved < Poor
2.
status <- factor(status, order=TRUE) #按照字母顺序进行排序
status
#输出
Poor Improved Excellent Poor
Levels: Excellent < Improved < Poor
3.
status <- factor(status, ordered=TRUE,levels=c("Poor", "Improved", "Excellent"))
> status
#输出
Poor Improved Excellent Poor
Levels: Poor < Improved < Excellent
因子的使用：
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)
status <- factor(status,order = TRUE)
patientdata <- data.frame(patientID,age,diabetes,status)
str(patientdata) #显示对象的结构
#输出
'data.frame': 4 obs. of 4 variables:
$ patientID: num 1 2 3 4
$ age : num 25 34 28 52
$ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1
$ status : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3
summary(patientdata) #显示对象的统计概要
#输出
patientID age diabetes status
Min. :1.00 Min. :25.00 Type1:3 Excellent:1
1st Qu.:1.75 1st Qu.:27.25 Type2:1 Improved :1
Median :2.50 Median :31.00 Poor :2
Mean :2.50 Mean :34.75
3rd Qu.:3.25 3rd Qu.:38.50
Max. :4.00 Max. :52.00
另一种定义因子的函数：
gl(①n, ②k, ③length, ④labels, ⑤ordered)
①水平数
②重复的次数
③生成因子向量的长度
④因子水平的名称
⑤因子水平的次序
gl(3,5,labels=paste0("A",1:3))
#输出
A1 A1 A1 A1 A1 A2 A2 A2 A2 A2 A3 A3 A3 A3 A3
Levels: A1 A2 A3
列表
列表是R数据类型中最复杂的一种，可以将若干无关的对象整合到列表下，例如，某个列表可能是若干 向量、矩阵、数据框、其它列表的组合
list ( object1, object2, … )
object1, object2, …：可以是R的任何数据类型
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)
mylist
#输出
$title
[1] "My First List"
$ages
[1] 25 26 18 39
[[3]]
[,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10
[[4]]
[1] "One" "Two" "Three"
mylist[[2]]
#输出
25 26 18 39
> mylist[["ages"]]
#输出
25 26 18 39
