R语言数据结构与类型

Posted 2021-04-12 tidyss

内容目录

标量向量矩阵数组数据框实例标识符因子列表

R有许多储存数据的结构，包括标量、向量、数组、数据框和列表。它们在存储数据的类型、创建方式、结构复杂度，以及用于定位和访问其中个别元素的标记等方面均有所不同。
R的数据类型包括数值型、字符型、逻辑型(TRUE/FALSE)、复数型(虚数)和原生型(字节)。

在R语言中，连续变量是数值型。分类变量用因子(factor)表示，又分为名义型和有序型。

标量

标量是只含有一个元素的向量，例如f<-3、g<-‘US’和h<-TRUE。它们用于保存常量。

向量

向量(vector)是用于存储数值型、字符型或逻辑性数据的一维数据。执行组合功能的函数c()可以用来创建向量。
通过在方括号中给定元素所处位置的数值，可以访问向量中的元素。例如，a[c(2,4)]用于访问向量a中的第二个和第四个元素。更多示例如下:

 1#生成名为a的向量
 2a <- c('k','j','h','a','c','m')
 3#a的第三个元素
 4a[3]
 5[1] "h"
 6#a的第一、三、五个元素
 7a[c(1,3,5)]
 8[1] "k" "h" "c"
 9#a的2到6个元素，是使用冒号：生成的一个数值序列。
10a[2:6]
11[1] "j" "h" "a" "c" "m"

R语言与其他编程语言不同。元素是从1开始算的，而不是零。如果在python中，a[3]，返回a,a[0]返回k。

矩阵

矩阵(matrix)是一个二维数组，只有每个元素都拥有相同的模式(数值型、字符型或逻辑型)。可通过函数matrix()创建矩阵。一般使用格式为：
mymatrix<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns，byrow=logical_value,dimname=list(char_vector_rownames,char_vector_colnames))
其中vector包含了矩阵的元素，nrow和ncol用来指定行和列的维数，dimnames指定行名与列名。byrow表明矩阵应按行(byrow=TRUE)或列(byrow=FALSE)填充,默认情况下按列填充。

 1#生成一个名y的5行4列的矩阵，
 2y <- matrix(1:20,nrow = 5,ncol = 4)
 3y
 4     [,1] [,2] [,3] [,4]
 5[1,]    1    6   11   16
 6[2,]    2    7   12   17
 7[3,]    3    8   13   18
 8[4,]    4    9   14   19
 9[5,]    5   10   15   20
10#生成一个名为cells的向量
11cells <- c(1,26,24,68)
12#生成一个名为rnames的向量
13rnames <- c('R1','R2')
14#生成一个名为cnames的向量
15cnames <- c('C1','C2')
16#生成一个名为mymatrix的矩阵，它有2行2列，按行填充，行列名分别是rnames、cnames
17mymatrix <- matrix(cells,nrow = 2,ncol = 2,byrow = TRUE,dimnames = list(rnames,cnames))
18mymatrix
19   C1 C2
20R1  1 26
21R2 24 68
22#生成一个名为mymatrix的矩阵，它有2行2列，按列填充，行列名分别是rnames、cnames
23mymatrix <- matrix(cells,nrow = 2,ncol = 2,byrow = FALSE,dimnames = list(rnames,cnames))
24mymatrix
25   C1 C2
26R1  1 24
27R2 26 68

可以使用下标和方括号来选择矩阵中的行、列或元素。X[i,]选中矩阵X中的第i行，X[,j]选中第j列，X[i,j]选中第i行第j列个元素。选择多行或多列时，下标i和j可为数值型向量。

 1#生成一个名为x的两行矩阵
 2x <- matrix(1:10,nrow = 2)
 3x
 4     [,1] [,2] [,3] [,4] [,5]
 5[1,]    1    3    5    7    9
 6[2,]    2    4    6    8   10
 7#选中x矩阵的第2行
 8x[2,]
 9[1]  2  4  6  8 10
10#选中x矩阵的第2列
11x[,2]
12[1] 3 4
13#选中x矩阵的第1行第4列
14x[1,4]
15[1] 7
16#选择x矩阵的第1行第4、5列
17x[1,c(4,5)]
18[1] 7 9

矩阵都是二维的。和向量类似，只能包含一种数据类型。当维度超过2时，则使用数组。数据类型多元时，则使用数据框

数组

数组(array)与矩阵类似，但是维度可以大于2。数组通过array函数创建，形式如下：
myarray<-array(vector,dimensions,dimnames)
其中vector包含数组中的数据，dimensions是一个数值型向量，指定各维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。
下面给出一个三维(2×3×4)数组示例

 1dim1 <- c('A1','A2')
 2dim2 <- c('B1','B2','B3')
 3dim3 <- c('C1','C2','C3','C4')
 4#生成一个名为z的数组
 5z <- array(1:24,c(2,3,4),dimnames = list(dim1,dim2,dim3))
 6> z
 7, , C1
 8
 9   B1 B2 B3
10A1  1  3  5
11A2  2  4  6
12
13, , C2
14
15   B1 B2 B3
16A1  7  9 11
17A2  8 10 12
18
19, , C3
20
21   B1 B2 B3
22A1 13 15 17
23A2 14 16 18
24
25, , C4
26
27   B1 B2 B3
28A1 19 21 23
29A2 20 22 24

数组中的元素选取方法，同矩阵。上例中，元素z[1,2,3]为15。

数据框

数据框中不同列之间数据类型可以不同，数据框与通常在SAS、SPSS和STATA中的数据集类似。数据框是R中最常数据的数据结构。
数据框可以通过data.frame()创建：
mydata<-data.frame(col1,col2,col3,…)
其中列向量col1、col2、col3等可以是任何类型(字符型、数值型或逻辑型)。每一列的名称可由函数names指定。
举例：

 1patientID <- c(1,2,3,4)
 2age <- c(25,34,28,52)
 3diabetes <- c('Type1','Type2','Type1','Type1')
 4> status <- c('Poor','Improved','Excellent','Poor')
 5#生成一个名为patientdata的数据框
 6patientdata <- data.frame(patientID,age,diabetes,status)
 7patientdata
 8  patientID age diabetes    status
 91         1  25    Type1      Poor
102         2  34    Type2  Improved
113         3  28    Type1 Excellent
124         4  52    Type1      Poor

元素的选取如下：

 1#选中1和2列中的元素
 2patientdata[1:2]
 3  patientID age
 41         1  25
 52         2  34
 63         3  28
 74         4  52
 8#选中列名为diabetes和status中的元素
 9patientdata[c('diabetes','status')]
10  diabetes    status
111    Type1      Poor
122    Type2  Improved
133    Type1 Excellent
144    Type1      Poor
15#选中patientdata数据框中的age列
16patientdata$age
17[1] 25 34 28 52

$的快捷键位shift+字母表上方的4

实例标识符

编号用于区别数据集中不同的个体，实例标识符可通过数据框函数中的rowname选项指定。例如：

1patientdata <- data.frame(patientID,age,diabetes,status,row.names = patientID)

因子

变量可以是连续性变量、名义变量和有序变量。
名义变量是没有顺序之别的分类变量。如patientdata中的Diabetes(Type1,Type2)。
有序变量是有顺序高低的分类变量
如patientdata中的status(poor、improved、excellent)
名义变量和有序变量在R中称为因子(factor)
它用函数factor()生成，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]其中k是名义变量的唯一值的个数，同时一个由字符串组成的内部向量将映射到这些整数上。
名义变量示例如下：

1diabetes
2[1] "Type1" "Type2" "Type1" "Type1"
3#生成一个名义变量
4diabetes <- factor(diabetes)
5diabetes
6[1] Type1 Type2 Type1 Type1
7Levels: Type1 Type2

有序变量示例如下：

1status
2[1] "Poor"      "Improved"  "Excellent"
3[4] "Poor"   
4#生成一个有序变量  
5status <- factor(status,ordered = TRUE)
6status
7[1] Poor      Improved  Excellent Poor     
8Levels: Excellent < Improved < Poor

在factor函数中指定levels选项可以覆盖默认排序。

1status <- factor(status,ordered = TRUE,levels = c('Poor','Improved','Excellent'))
2status
3[1] Poor      Improved      Excellent Poor     
4Levels: Poor < Impoved < Excellent

数值型变量可以用levels和labels参数来编码成因子。例如将男性编码成1，女性编码成2。

1sex <- c(1,2,1,1,2)
2sex
3[1] 1 2 1 1 2
4sex <- factor(sex,levels = c(1,2),labels = c('Male','Female'))
5sex
6[1] Male   Female Male   Male   Female
7Levels: Male Female

列表

列表(list)是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象的有序集合。列表允许你整合若干对象到某个对象名下。
用函数list()创建，形式如下：
mylist<-list(object1，object2,…)
还可以为列表中的对象命名：
mylist<-list(name1=object1，name2=object2,…)
示例：

 1g <- 'My First List'
 2h <- c(25,26,18,39)
 3j <- matrix(1:10,nrow = 5)
 4k <- c('one','two','three')
 5#创建列表
 6mylist <- list(title=g,ages=h,j,k)
 7mylist
 8$title
 9[1] "My First List"
10
11$ages
12[1] 25 26 18 39
13
14[[3]]
15     [,1] [,2]
16[1,]    1    6
17[2,]    2    7
18[3,]    3    8
19[4,]    4    9
20[5,]    5   10
21
22[[4]]
23[1] "one"   "two"   "three"
24#选择列表中第二个成分
25mylist[[2]]
26[1] 25 26 18 39
27#选择列表中ages成分
28mylist[['ages']]
29[1] 25 26 18 39

如果列表中的成分已经命名，可以用命名选中。如

1mylist$ages
2[1] 25 26 18 39

列表成为R中的重要数据结果的原因。首先，列表允许以一种简单的方式组织和重新调用不相干的信息。
其次，许多R函数的运行结果都是以列表的形式返回，方便分析人员选取成分。