RL1_1.Rmd

---
title: "基本資料類型"
author: "Yao-Jen Kuo"
date: "July, 2016"
output:
  slidy_presentation:
    fig_width: 8
    fig_height: 5
---

## 基本資料類型

* 我們今天會介紹 R 語言的基本資料類型:
  * Vector (向量)
  * Factor (因素向量)
  * Matrix (矩陣)
  * Data Frame (資料框)
  * List (清單)

## Vector

* Vector 可以包含數字、文字或二元邏輯資料
* 如果包含不同類型的資料，會記錄成文字
* 在 R 中我們可以使用 `=` 來指派變數，也可以使用 `<-`
* R 的使用者很廣泛使用 `<-`，可能不希望使用者把 `=` ， `==` 弄混
* `<-` 可以使用 alt + 減號這組快速鍵輸入
* 我們先介紹使用 `c()` 來建造Vector，顧名思義是合併 (Combine)

```{r}
# 宣告一些測試的vectors
# 輸入`?functionName`可以看函數的說明
?c#查看一下c這個函數
numericVector <- c(1, 2, 5, 3, 6, -2, 4)#數字Vector
characterVector <- c("one", "two", "three")#文字Vector
logicalVector <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE)#二元邏輯Vector
mixedVector <- c(1, "two", TRUE)#包含不同類型的資料就會被存成文字Vector
anotherVector <- c(1, 2, 3, TRUE, FALSE)#猜猜看?

# 使用class檢查vectors的類型
?class#查看一下class這個函數
class(numericVector)#檢查numericVector類型
class(characterVector)#檢查characterVector類型
class(logicalVector)#檢查logicalVector類型
class(mixedVector)#檢查mixedVector的類型
class(anotherVector)#檢查anotherVector的類型
```

## Vector (2)

* Vector 中的元素稱為 Scalar
* 在 R 語言中我們使用中括號 `[]` 將指定元素選擇出來
* 中括號 `[]` 裡頭要放所謂的索引值 (index)
* 索引值由 **1** 開始，這一點不同於一些其他程式語言是從 0 開始
* 實務中因為向量的長度可能是不固定的，所以我們很常使用 `length()` 來取得向量中最後一個元素的索引值

```{r}
# 看一下numericVector長什麼樣子
numericVector#把numericVector印出來

# 用`[]`把指定元素選擇出來
numericVector[1]#取出numericVector的第一個元素1
numericVector[c(2, 3, 4)]#取出numericVector的第二、三與四個元素2、5、3
numericVector[2:4]#取出numericVector的第二、三與四個元素2、5、3
numericVector[-1]#取出除了第一個元素以外的其他元素

# 使用`length`函數取得最後一個元素的索引值
?length#查看一下length這個函數
lengthNumVector <- length(numericVector)#指派numericVector的長度給lengthNumVector
lengthNumVector#印出來看
numericVector[2:lengthNumVector]#取出第二個到最後一個元素
```

## Vector (3)

* 除了用 `c()`，R 語言還有一些比較進階的函數例如 `seq()` 與 `rep()` 可以幫你輕鬆產出Vector
* `seq()` 是sequence，`rep()` 是replicate
* 顧名思義，`seq()` 是產出等差的 vector，`rep()` 是產出包含相同元素的vector

```{r}
# 練習使用`seq`
?seq#查看一下seq這個函數
seq(from=12, to=90, by=3)#產生一個從12開始到90，等差為3的vector
seq(from=100, to=1000, length=10)#產生一個從100開始到1000，元素個數為10的Vector

# 練習使用`rep`
?rep#查看一下rep這個函數
rep(9, times = 5)#產生一個有5個9的Vector
```

## Vector (4)

* Vector的應用

```{r}
#把mtcars的欄位名印出來
mtcars#R 語言內建的的資料，印出來看看
?str#查看一下str這個函數
str(mtcars)#看一下mtcars的結構
?names#查看一下names這個函數
colNames <- names(mtcars)#把mtcars的欄位名抓出來
colNames#印出來看看
colNames[1]#第一個元素

lengthColNames <- length(colNames)#總共有幾個欄位
lengthColNames#印出來看看, mtcars有11個欄位，跟我們在str的輸出看到是一樣的

#我想要一次印一個欄位名稱出來
colNames[1]#第一個元素
colNames[2]
colNames[3]
colNames[4]
colNames[5]
colNames[6]
colNames[7]
colNames[8]
colNames[9]
colNames[10]
colNames[lengthColNames]#這樣會很累

#可以寫成1:11，但是每換一個資料，就要重新修改程式
for (i in 1:lengthColNames){
  print(colNames[i])#第i個元素
}

#試試看把iris的欄位名稱印出來

```

## Factor

* 你可以把 Factor 視作多了一些資訊的 Vector
* R 語言預設讀入資料會將非連續型變數以 Factor 的格式儲存
* 可以把它想成是字串向量，但是多了 `levels` 的資訊
* `levels` 的資訊有點像是相異值的概念
* 有兩種類型的 Factor，分別是名目型 (Nominal) 與順序型 (Ordinal)
* 名目型的 Factor 是沒有順序之分

```{r}
# 目前還是跟前面是一樣的Vector
gender <- c("Female", "Male", "Male", "Female", "Female")#建立一個3女2男的Vector
gender#印出來看看
str(gender)#看gender的結構
?summary#查看一下summary這個函數
summary(gender)#看gender的摘要
class(gender)#看gender的類型

# 轉換成名目型的Factor
?factor#查看一下factor這個函數
genderFactor <- factor(gender)
genderFactor#印出來看看
str(genderFactor)#看genderFactor的結構
summary(genderFactor)#看genderFactor的摘要
class(genderFactor)#看genderFactor的類型

# 檢查是否有順序之分
genderFactor[1]#這是女性Female
genderFactor[2]#這是男性Male
genderFactor[1] > genderFactor[2]#女性是否比男性優秀
```

## Factor (2)

* 相對順序型的 Factor 就有順序之分
* 但是必須要在轉換為 `factor` 函數中多增加 2 個參數，一個是 `ordered = TRUE`，另一個是 `levels`
* 我們用速度 (speed) 與溫度 (temperature) 做 2 次練習

```{r}
# 速度有快慢之分
speed <- c("Slow", "Fast", "Insane", "Slow")#宣告一個文字Vector
speedFactor <- factor(speed, ordered = TRUE, levels=c("Slow", "Fast", "Insane"))#轉換為Factor的時候要多加入2個參數
speedFactor#印出來看看
str(speedFactor)#看speedFactor的結構
summary(speedFactor)#看speedFactor的摘要
class(speedFactor)#看speedFactor的類型
```

## Factor (3)

```{r}
# 溫度有高低之分
temperature <- c("Cold", "Warm", "Hot", "Cold", "Hot")#宣告一個文字Vector
temperatureFactor <- factor(temperature, ordered = TRUE, levels=c("Cold", "Warm", "Hot"))#轉換為Factor的時候要多加入2個參數
temperatureFactor#印出來看看
str(temperatureFactor)#看temperatureFactor的結構
summary(temperatureFactor)#看temperatureFactor的摘要
class(temperatureFactor)#看temperatureFactor的類型
```

## Matrix

* 一個 m*n 的 matrix 指的是有 m 列、n 欄

```{r}
vector <- c(1:12)#這裡也可以使用seq(1:12)
?matrix
matrix <- matrix(vector, nrow = 4, ncol = 3, byrow = TRUE)#預設byrow是FALSE
matrix#把matrix印出來看看
matrix <- matrix(vector, nrow = 4, ncol = 3)#byrow用預設
matrix#再把matrix印出來看看
```

## Matrix (2)

* 讓我們用(m, n)的概念把matrix中的元素取出來

```{r}
matrix[1, ]#取出matrix中的第一列
matrix[, 2]#取出matrix中的第二欄
matrix[3, 3]#取出matrix中位於第三列第三欄的元素
```

## Matrix (3)

* Matrix 的應用 - 灰階圖片處理
  * 圖片是天生的 Matrix
  * 在灰階圖片中，每個像素儲存亮度
  * 在彩色圖片中，每個像素儲存紅、綠、藍的強度
  * 為了簡化問題，我們使用Netpbm grayscale格式的圖片(.pgm)

```{r}
#install.packages("pixmap")這個範例需要使用pixmap套件
library(pixmap)
onePiece <- read.pnm("/Users/tkuo/ntu_train/NTUTrainRL1/image/onePiece.pgm")#把圖片指派給onePiece這個物件, read.pnm是pixmap中的函數
onePiece#看看onePiece物件
?plot#查看一下plot函數
plot(onePiece)#把onePiece物件畫出來看看
str(onePiece)#檢查onePiece物件的結構
onePiece@grey[300, 600]#看一下(300, 600)這個像素的亮度
locator()#這是R的內建函式，可以找到圖片坐標，點完兩個點後按ESC離開
noUsopp <- onePiece#建立一個將會沒有騙人布的圖
noUsopp@grey[71.64799:325.1334, 215.1314:300.81890] <- 1#1是白色, 把第二個坐標寫在前面，trial & error
plot(noUsopp)#看看結果
```

## Data Frame

* Data Frame 是非常重要的資料結構，如果你是 SAS/SPSS/Stata的使用者，你可以想成是 Dataset。
* 一個 Data Frame 中可以包含不同資料類別的欄位
* 在下一個章節中我們會針對 Data Frame 做資料的整理

```{r}
mtcars#印出來看
View(mtcars)#用RStudio看
str(mtcars)#觀察結構
```

## Data Frame (2)

* 同樣可以用`[]`把Data Frame中的元素取出來

```{r}
mtcars[, 1:2]#把mtcars第一與第二欄取出來
mtcars[, "mpg"]#把mtcars中的mpg變數取出來
mtcars[, c("mpg", "cyl")]#把mtcars第一與第二欄取出來
mtcars$cyl[1]#把mtcars第二欄的第一筆資料取出來
summary(mtcars$mpg)#把mpg變數的描述性統計印出來
```

## Data Frame (3)

* 省略每次都要打資料集名稱的2種方法

使用Attach, Detach
  
```{r}
attach(mtcars)
summary(mpg)
detach(mtcars)
```
  
或使用with
  
```{r}
with(mtcars,{
  summary(mpg)
})
```

## Data Frame (4)

* 整理一些好用的 Data Frame函數

```{r}
length(mtcars)#mtcars有多少個欄位
?dim#查看dim函數
dim(mtcars)#mtcars有幾列幾欄as in dimension
str(mtcars)#as in structure檢視mtcars的結構
class(mtcars)#檢視mtcars的類別
?head#查看head函數
head(mtcars)#檢視mtcars的前六列
tail(mtcars, n = 8)#檢視mtcars的後八列
names(mtcars)[9]#檢視mtcars的第九個欄位名稱
```

## Lists

* Lists 可以包含 Vectors, Matrice 與 Data Frame

```{r}
# 宣告要放入List的物件
myVector <- c(25, 26, 18, 39)
myMatrix <- matrix(1:10, nrow=5)
myDf <- head(mtcars, n=10)

# 沒有名稱的List
?list
myList <- list(myVector, myMatrix, myDf)#建立myList
myList#把mylist印出來看看

# 有名稱的List
myList <- list(vec = myVector, mat = myMatrix, df = myDf)#這次加上名稱
myList#再把mylist印出來看看

myList[2]#第二個物件:矩陣，包含名稱
myList[[2]]#第二個物件:矩陣，不含名稱
myList["mat"]#第二個物件:矩陣，包含名稱
myList[["mat"]]#第二個物件:矩陣，不含名稱
myList[[3]][4,2]#第三個物件myDf的第四列第二欄元素
```

## NA 與 NULL

* 在 R 中 NA 與 NULL 都是代表遺漏值，兩者最大的差異處在於是否會被運算函數包含做運算
* NA 會被包含，因此在運算函數中要另外使用`na.rm`這個參數
* NULL 不會被包含

```{r}
naExample <- c(88, NA, 12, 92, 33)#建立一個有NA的數字向量
nullExample <- c(88, NULL, 12, 92, 33)#建立一個有NULL的數字向量
?mean#查看mean函數
mean(naExample)#無法計算平均值
mean(naExample, na.rm=TRUE)#na.rm即為NA removoe
mean(nullExample)#可以順利計算平均值
```

## Reference
* R in Action, Robert I. Kabacoff
* The Art of R Programming, Norman Matloff

&copy; Tony Yao-Jen Kuo 2016