-
Notifications
You must be signed in to change notification settings - Fork 127
/
R_datastru_1.Rmd
609 lines (365 loc) · 7.09 KB
/
R_datastru_1.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
---
title: "R的数据组织之一"
author: "李峰"
date: "2019年3月"
output:
html_document:
number_sections: yes
theme: lumen
toc: yes
toc_depth: 5
---
---
# R的帮助、包和运行
## R的帮助
```{r}
help("Foreign")
```
## R包的使用
先加载
```{r}
library(knitr)
```
后浏览
```{r}
library(help="knitr")
```
再调用,以有参或无参的形式调用
可以使用菜单进行更新
如果不再用的包,可以卸载掉。
```{r}
detach("package:knitr")
```
## 工作目录
获取工作目录
```{r}
getwd()
```
修改工作目录
```{r}
# setwd("")
```
# R的数据对象
| | 同质 | 异质 |
| :------: | :------: | :------: |
| 1维 | 原子向量 | 列表 |
| 2维 | 矩阵 | 数据框 |
| n维 | 数组 | |
## 向量
### 原子向量
四种常见的原子向量:
+ 逻辑型(logical)
+ 整型(integer)
+ 双精度型(double | numeric)
+ 字符型(character)
#### 通常使用**c()**来构建原子向量
**c**是**combine**的缩写。
```{r}
dbl_var <- c(1, 2.5, 4.5)
# With the L suffix, you get an integer rather than a double
int_var <- c(1L, 6L, 10L)
# Use TRUE and FALSE (or T and F) to create logical vectors
log_var <- c(TRUE, FALSE, T, F)
chr_var <- c("these are", "some strings")
```
#### 即使嵌套,原子向量也是被展开的
```{r}
c(1, c(2, c(3, 4)))
```
```{r}
c(1, 2, 3, 4)
```
#### 向量的类型
使用typeof()或者is类函数:
+ is.logical()
+ is.integer()
+ is.double()
+ is.character()
```{r}
int_var <- c(1L, 6L, 10L)
typeof(int_var)
```
```{r}
is.integer(int_var)
```
```{r}
is.atomic(int_var)
```
```{r}
dbl_var <- c(1, 2.5, 4.5)
typeof(dbl_var)
```
```{r}
is.double(dbl_var)
```
```{r}
is.atomic(dbl_var)
```
**is.numeric()不是专门用于判断double类型的**
```{r}
is.numeric(int_var)
```
```{r}
is.numeric(dbl_var)
```
#### 强制转换
原子向量要求所有的元素必须是同一个类型,如果不同类型的数据结合为一个向量,会被强制转换(coerce)为最灵活的数据类型。
灵活性排序:
**character > double > integer > logical**
```{r}
str(c("a", 1))
```
数学函数一般会把数据coerce为double或interger,逻辑元素符会把数据转换为logical的。
但是,coerce有时会带来数据丢失,这时应进行显式强制转换:
+ as.character()
+ as.double()
+ as.integer()
+ as.logical()
```{r}
x <- c(FALSE, FALSE, TRUE)
as.numeric(x)
```
```{r}
sum(x)
mean(x)
```
### 列表
#### 列表是使用**list()**创建的。
```{r}
x <- list(1:3, "a", c(TRUE, FALSE, TRUE), c(2.3, 5.9))
str(x)
```
#### 向量都是被展开的,而一个列表可以包含其他列表,所以列表也被称为递归(recursive)向量。
```{r}
x <- list(list(list(list())))
str(x)
```
```{r}
is.recursive(x)
```
#### 如果原子向量和列表结合一起,c()会强制将向量转换为列表,再结合一起。
```{r}
x <- list(list(1, 2), c(3, 4))
y <- c(list(1, 2), c(3, 4))
```
```{r}
str(x)
str(y)
```
#### 类型及转换
+ typeof()
+ is.list()
+ as.list()
+ unlist()
#### R中常用list构建复杂的数据结构
```{r}
mtcars
```
```{r}
is.list(mtcars)
```
```{r}
mod <- lm(mpg ~ wt, data = mtcars)
summary(mod)
```
```{r}
str(mod)
```
```{r}
is.list(mod)
```
### 属性(attribution)
#### 属性是一种从外部附加到对象上的,可被视为某种"标签"。
```{r}
y <- 1:10
attr(y, "my_attribute") <- "This is a vector"
attr(y, "my_attribute")
```
```{r}
str(attributes(y))
```
```{r}
structure(1:10, my_attribute = "This is a vector")
```
#### 对象的属性不继续存在于对象的元素或运算结果上
```{r}
attributes(y[1])
```
```{r}
attributes(sum(y))
```
#### 三种重要的属性
+ name: names(x)
+ dimension: dim(x)
+ class: class(x)
### name
#### 直接命名
```{r}
x <- c(a = 1, b = 2, c = 3)
names(x)
```
#### 修改
```{r}
x <- 1:3
names(x) <- c("a", "b", "c")
names(x)
```
#### 复制向量并改名
```{r}
x <- setNames(1:3, c("a", "b", "c"))
names(x)
```
#### 并不是每个元素都有名字,即使有名字也可以去掉
```{r}
names(x)<-NULL
names(x)
```
### 因子(factor)
属性的一个重要应用是定义因子,因子是只能包含预先定义值的向量,常用于存储分类数据,如:
+ 大学的年级
+ 性别
+ 民族
+ 学历
+ ......
```{r}
x <- factor(c("a", "b", "b", "a"))
```
#### 因子是建立在integer vector之上的,有两个属性:class()和level()。
+ class()把factor和integer区分开来,可以把factor理解为整型向量里的每个元素加上了name,并且用name表示integer。
+ levels()则定义因子所有可能的取值
```{r}
x <- factor(c("a", "b", "b", "a"))
x
y <- as.integer(x)
y
z <- as.character(x)
z
```
```{r}
levels(x)
```
```{r}
sex_char <- c("m", "m", "m")
sex_factor <- factor(sex_char, levels = c("m", "f"))
levels(sex_factor)
table(sex_char)
```
#### 不能增加factor里没有的level
```{r}
x[2] <- "c"
```
#### factor不能合并
```{r}
c(factor("a"), factor("b"))
```
#### 读取数据时,factor可能给你带来困扰
有时候,一列数值变量可能被读取为factor的,可能时因为其中有字符。需要先将factor转成字符,然后再转成双精度。
```{r}
x <- factor(c("1982", "1988", "1990", "1994"))
x
y <- as.integer(x)
y
z <- as.character(x)
z
a <- as.integer(as.character(x))
a
```
### 练习
以下运行的结果是什么?
+ c(1,FALSE)
+ C("a",1)
+ c(list(1),"a")
+ c(TRUE, 1L)
+ 1 == "1"
+ -1 < FALSE
+ "one" < 2
## 矩阵和数组
给一个原子向量添加dim()后,它就像多维数组了,其中特例就是矩阵,矩阵是二维的。
```{r}
a <- matrix(1:6, ncol = 3, nrow = 2)
b <- array(1:12, c(2, 3, 2))
c <- 1:6
dim(c) <- c(3, 2)
```
```{r}
a
b
c
```
```{r}
dim(c) <- c(2, 3)
c
```
### 矩阵和数组的dim()
```{r}
length(a)
nrow(a)
ncol(a)
```
```{r}
length(b)
dim(b)
```
### 矩阵和数组的names()
```{r}
rownames(a) <- c("A", "B")
colnames(a) <- c("a", "b", "c")
a
```
```{r}
dimnames(b) <- list(c("one", "two"), c("a", "b", "c"), c("A", "B"))
b
```
### 常用操作
+ cbind()
+ rbind()
+ t()
+ is.matrix()
+ is.array()
+ as.matrix()
+ as.array()
## 数据框
数据框是由相同长度的向量构成的列表。
### 数据框构建
```{r}
df <- data.frame(x = 1:3, y = c("a", "b", "c"))
str(df)
```
**数据框默认把character转成factor**
```{r}
df <- data.frame(
x = 1:3,
y = c("a", "b", "c"),
stringsAsFactors = FALSE)
str(df)
```
### type and coerce
```{r}
typeof(df)
```
```{r}
class(df)
is.data.frame(df)
```
### combining data frames
+ cbind: number of rows must be same
+ rbind: number and names of rows must be same
```{r}
cbind(df, data.frame(z = 3:1))
```
```{r}
rbind(df, data.frame(x = 10, y = "z"))
```
** cbind() can not create a dataframe**
```{r}
bad <- cbind(a = 1:2, b = c("a", "b"))
class(bad)
```
```{r}
good <- data.frame(cbind(a = 1:2, b = c("a", "b")))
class(good)
str(good)
```
### 练习
+ as.matrix()如果应用到一个列类型不同的数据框上会怎么样?
+ 有没有行数为0的数据框?有没有列数为0的数据框?