R语言之基础

Posted 2023-04-28

参考技术A 向量是 R 语言中最基本的数据类型，在 R 中没有单独的标量（例如 1 本质上是 c(1)） 。

R 中可以用 = 或者 <- 来进行赋值 ， <-的快捷键是 alt + - 。

R的下标是从1开始的，和python等不同（python四从0开始的）

当然我们也可以用逻辑进行筛选，例如

负数下标表示不选这个这些下标，例如：

c() 可以合并向量，例如

向量有个比较有趣的性质，当两个向量进行操作时，如果长度不等， 长度比较短的一个会复制自己直到自己和长的一样长。

a 自动变成了 c(3,4,3,4) 然后与b相加 ， 得到了下面的结果。

遇到不懂得函数，可以用help("函数")查看函数用法。

矩阵，从本质上来说就是多维的向量，我们来看一看 我们如何新建一个矩阵。

可以看到向量元素变为矩阵元素的方式是按列的，从第一列 到第二列，如果我们想按行输入元素，那么需要加入 byrow = TRUE 的参数：

与向量相似，我们可以用下标来筛选矩阵， 例如：
a[行,列]

当我们对两个矩阵相乘，我们得到的结果是 对应元素两两相乘的结果，例如：

而这不是我们想要的矩阵乘法，在 R 中我们在乘法旁边加两个 百分号来做矩阵乘法：

此外，我们可以用 t() 来求矩阵的转置 ， 用 solve() 来求矩阵的逆。

数据框类似矩阵，与矩阵不同的是，数据框可以有不同的数据类型。 一般做数据分析，我们把一个类似 excel 的表格读入 R ，默认的格式 就是数据框 ， 可见数据框是一个非常重要的数据结构。
一般来说我们需要分析的数据，每一行代表一个样本，每一列代表一个 变量。

下面我们用 R 内置的数据集 iris 来看一看数据框的使用。

我们用 data 函数调入了 iris 这个数据集 ， 然后用 head 函数来看一看这个数据 的前几行 ， 可以看到有 sepal 的长度，宽度，petal 的长度和宽度，还有一个变量 Species 来描述样本的类别。

我们可以用 summary 函数来对数据集做大致的了解。

可以直观地看到每个变量的信息，对于几个数值变量，我们可以看到最小值，中位数等等统计信息。而对于 Species 这个分类变量，我们看到的是计数信息。

筛选数据框与矩阵相似,都可以通过数字下标来获取子集，不同地是因为数据框有不同的列名,我们也可以通过列名来获取某一特定列,例如：

我们可以用 names() 函数来获取数据框的列名

并可以通过为其赋值改变列的名字。

列表是一种递归式的向量,我们可以用列表来存储不同类型的数据，比如：

列表有多种索引方式，可以用如下方式获取。

今天我们实验的对象就是一组从原始 R 进化出来的工具链 Tidyverse , 它是由 Hadley Wickham 主导开发的一系列 R 包的集合。 Tidyverse 继承了R语言进行快速统计分析的优势 ， 并实现了一些新的理念 ， 例如 magrittr 包中的管道操作 ， 让线性嵌套的函数组合变得更加清晰易懂；可视化方面中的 ggplot ，使绘图变成搭积木式的图层叠加。

这样的小发明有的改变了分析的运作方式 ， 有的改变了使用者的认知方式 ， 聚在一起形成了一种新的数据分析的生态链 。具体来看 ， Tidyverse 有如下核心组件:

mpg 数据集是刻画不同汽车的排放状况的一个数据集， 总过有 234 个样本 ， 11 个变量 。 这 11 个变量分别是:
manufacture: 制造商
model: 车型
dispel： 汽车排放量
year: 制造年度
cyl: 排气管数量
trans: 排放类型
drv: 驱动方式
cty: 每公里耗油量（城市道路）
hwy: 每公里耗油量（高速路）
fl: 油的种类
class: 车的类型
更多数据相关信息可以通过 help(mpg) 指令获取。

在属性映射中加入 color=class 参数后 ， 我们可以看到每个点的汽车对应的类型被用 不同颜色表现了出来 ， 对于散点图 ， 还有 size(大小) , shape（形状） 等等参数 可以用于确定点的属性。

对于条形图的y轴就是数据框中原本的数值时，必须将geom_bar()函数中stat(统计转换)参数设置为’identity’，即对原始数据集不作任何统计变换，而该参数的默认值为’count’，即观测数量。

从零开始系列-R语言基础学习笔记之二 数据结构

在上一篇中我们一起学习了R语言的数据结构第一部分：向量、数组和矩阵，这次我们开始学习R语言的数据结构第二部分：数据框、因子和列表。

一、数据框

类似于二维数组，但不同的列可以有不同的数据类型（每一列内的数据类型应当一致）。创建数据框使用的关键字是data.frame，用法是：

    data.frame(..., row.names = NULL, check.rows = FALSE,

                     check.names = TRUE, fix.empty.names = TRUE,

                     stringsAsFactors = default.stringsAsFactors())

例如一个简单的学生成绩表如下：

 

可以使用如下格式访问：

 

二、因子

因子可用于对一个向量分类或分组，其关键字是factor，用法是：

factor(x = character(), levels, labels = levels,

       exclude = NA, ordered = is.ordered(x), nmax = NA)

例如对姓氏分组：

 

三、列表

列表可以是若干向量、数组、矩阵、数据框等的组合，创建列表使用的关键字是list，例如：

 

可通过如下方式访问列表：

 

四、总结

• 向量：一维数组，关键字c，数据类型必须一致。
• 数组：维度可以大于2，关键字array，所有数据类型必须一致。
• 矩阵：二维数组，关键字matrix，所有数据类型必须一致。
• 数据框：类似于二维数组，关键字data.frame，不同的列可以有不同的数据类型，但每一列内的数据类型应当一致。
• 列表：可以是若干向量、数组、矩阵、数据框等的组合，关键字list。

在下一篇中我们一起来看一下R语言的条件控制和循环。

作者： bigdata大数据

出处： http://www.cnblogs.com/bigdata01/

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出 原文链接。 如有问题， 可 邮件 咨询。