R语言的数据分类
R语言的数据类型较多，但都是动态声明，即变量不会声明为某种数据类型。变量分配为R对象
- 向量
- 列表
- 矩阵
- 数组
- 数据帧
- 因子
下面是几种最简单对象的类型
# Atomic vector of type character.
print("abc");#character
# Atomic vector of type double.
print(12.5)#numeric
# Atomic vector of type integer.
print(63L)#integer
# Atomic vector of type logical.
print(TRUE)#logical
# Atomic vector of type complex.
print(2+3i)#complex
# Atomic vector of type raw.
print(charToRaw('hello'))#raw
向量vector
最简单的是向量类型，即使用c()的形式声明。
以下示例中，如果其中一个元素是字符，则非字符值被强制转换为字符类型
# The logical and numeric values are converted to characters.
s <- c('apple','red',5,TRUE)
print(s)
实际上，向量的多元素可以用冒号表示，比如
v <- 6.6:12.6
print(v)
w <- 3.8:11.4
即表示从6.6到12.6，逐次加一构成的向量；w表示从3.8逐次加一到10.8。还可以用函数创建：
# Create vector with elements from 5 to 9 incrementing by 0.4.
print(seq(5, 9, by = 0.4))
如果其中一个元素是字符，则非字符值被强制转换为字符类型。
# The logical and numeric values are converted to characters.
s <- c('apple','red',5,TRUE)
print(s)
访问向量元素时，可以用'[ ]'填入适当条件作为索引。并且，向量支持数值运算，但必须是相同大小的。
列表list
创建列表用list函数，并且其中可以包含几乎任何数据类型,可以给list中的每个元素命名。
# Create a list containing a vector, a matrix and a list.
list_data <- list(c("Jan","Feb","Mar"), matrix(c(3,9,5,1,-2,8), nrow = 2), list("green",12.3))
# Give names to the elements in the list.
names(list_data) <- c("1st Quarter", "A_Matrix", "A Inner list")
# Show the list.
print(list_data)
列表访问
访问列表元素既可以用序号直接索引，也可以用名称索引
# Access the first element of the list.
print(list_data[1])
# Access the list element using the name of the element.
print(list_data$A_Matrix)
列表操作
操纵列表元素时，直接进行赋值操作。另外可以通过merged.list <- c(list1,list2)合并列表。
# Convert the lists to vectors.
v1 <- unlist(list1)
v2 <- unlist(list2)
矩阵matrix
在R语言中创建矩阵的基本语法是
matrix(data, nrow, ncol, byrow, dimnames)
- 数据是成为矩阵的数据元素的输入向量。
- nrow是要创建的行数。
- ncol是要创建的列数。
- byrow是一个逻辑线索。 如果为TRUE，则输入向量元素按行排列。
- dimname是分配给行和列的名称。
矩阵访问元素
访问矩阵的元素直接用中括号填入矩阵下标访问，即。或者用单一下标直接访问整行或整列，即
。
矩阵计算
使用R运算符对矩阵执行各种数学运算。 操作的结果也是一个矩阵。对于操作中涉及的矩阵，维度（行数和列数）应该相同。
数组
数组是可以在两个以上维度中存储数据的R数据对象。下面的例子实际上进行创建数组，以及数组命名的步骤：
# Create two vectors of different lengths.
vector1 <- c(5,9,3)
vector2 <- c(10,11,12,13,14,15)
column.names <- c("COL1","COL2","COL3")
row.names <- c("ROW1","ROW2","ROW3")
matrix.names <- c("Matrix1","Matrix2")
# Take these vectors as input to the array.
result <- array(c(vector1,vector2),dim = c(3,3,2),dimnames = list(row.names,column.names, matrix.names))
print(result)
同样的，数组的访问类似于矩阵，以上数组有三个维度，访问时用中括号以及两个逗号可以提取一个，或多个元素
print(array[1,3,4])
print(array[3, ,2])
print(array[2, , ])
操作数组的元素通过访问数组的部分元素来执行。比如可以用两个逗号和一个维度的数字，来提取出矩阵。
我们可以使用apply()函数在数组中的元素上进行计算。
apply(x, margin, fun)
- x是一个数组。
- margin是所使用的数据集的名称。
- fun是要应用于数组元素的函数
从而进行数组内部的运算
因子
在R语言中，名义变量和有序变量可以使用因子来表示。语法格式为
f <- factor(x=charactor(), levels, labels=levels, exclude = NA, ordered = is.ordered(x), namax = NA)
- levels：因子数据的水平，默认是x中不重复的值;
- labels：标识某水平的名称，与水平一一对应，以方便识别，默认取levels的值；
- exclude：从x中剔除的水平值，默认为NA值；
- ordered：逻辑值，因子水平是否有顺序（编码次序），若有取TRUE，否则取FALSE；
- nmax：水平个数的限制。
gl()函数用于定义有规律的因子向量，其语法格式如下
gl(n, k, length = n*k, labels = 1:n, ordered = FALSE)
- n: 正整数，表示因子的水平个数
- k:正整数，表示每个水平重复的次数；
- length: 正整数，表示因子向量的长度，默认为n*k
- labels: 表示因子水平的名称，默认值为1：n
- ordered： 逻辑变量，表示因子水平是否是有次序的，默认值为FALSE
并且factor()函数可以把向量data转化为factor。简单来说，因子就是一段具有二元层级顺序的有限序列，print打印出的是其level层级。数据帧(data.frame)中的每一列也可看做因子。
v <- gl(3, 4, labels = c("Tampa", "Seattle","Boston"))
print(v)
# 结果为
Tampa Tampa Tampa Tampa Seattle Seattle Seattle Seattle Boston
[10] Boston Boston Boston
Levels: Tampa Seattle Boston
数据帧
创建数据帧
# Create data frame
new.address <- data.frame(
city = c("Lowry", "Charlotte"),
state = c("CO", "FL"),
zipcode = c("80230", "33949"),
stringsAsFactors = FALSE
)
并且通过str()函数可以看到数据帧的结构。可以通过应用summary()函数获取数据的统计摘要和性质。也可以提取
# Extract Specific columns.
result <- data.frame(emp.data$emp_name,emp.data$salary)
print(result)
# 先提取前两行，再提取所有列
# Extract first two rows.
result <- emp.data[1:2,]
# 也可以一并提取
result <- emp.data[c(3,5),c(2,4)]
要扩展数据帧只需使用新的列名称添加列向量，注意要使用$对数据帧名称进行索引。或者，添加行用rbind()函数，添加列用cbind()。
