下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容。栏目后续章节的文章将深入概括R语言在临床研究和新药创新领域的应用,填补了国内R教材中尚未广泛覆盖的部分内容。3章2节:继续讲R的数据结构,数组、数据框和列表-CSDN博客文章浏览阅读881次。在R中数据结构(用于存储数据的形式)包括:向量、矩阵、数组、数据框和列表等。熟悉不同数据结构的基本概念和操作技巧,是我们处理数据和分析数据的基础。https://blog.csdn.net/2301_79425796/article/details/140757077
欢迎订阅我们专栏
.......前面部分请点击上面链接看原文(原文5613字)
3、数组(Array)
4、数据框(Data frame)
数组与矩阵有一定的相似性,都以规整的方式存储数据。但与矩阵不同的是,数组的维度可以大于 2,并且像矩阵一样,数组中的元素必须是同一类型的数据。而数据框则类似于矩阵形式的数据,然而它具有一个显著的优势,那就是数据框中的各列可以是不同类型的数据,比如可以同时包含数值型、字符型、逻辑型等多种不同类型的变量。这使得数据框在处理复杂和多样化的数据时非常灵活和实用。数据框可以使用data.frame()
函数创建,每列的数据类型可以不同。
以下示例展示了使用 data.frame()
函数来创建一个关于高血压患者的数据框 patientdata
,其中包含患者的年龄(数值型)、性别(因子型)、患病预后状态(因子型)等不同类型的数据。
patientID <- c(1:4)
age <- c(55, 64, 58, 62)
sex <- as.factor(c("Male", "Female", "Male", "Female"))
status <- as.factor(c("Poor", "Improved", "Excellent", "Improved"))
patientdata <- data.frame(patientID, age, sex, status)
print(patientdata)
输出结果:
patientID age sex status
1 1 55 Male Poor
2 2 64 Female Improved
3 3 58 Male Excellent
4 4 62 Female Improved
输出结果:
生成正态分布随机数是数据分析和模拟中的常见任务。在R语言中,rnorm()
函数被广泛用于生成正态分布的随机数。我们可以使用该函数来生成50个服从标准正态分布的随机数,并将这些随机数创建成一个5列的矩阵。接下来,我们会使用head()
函数查看矩阵的前两行。
mat.1 <- matrix(rnorm(50), ncol = 5)
colnames(mat.1) <- c("a", "b", "c", "d", "e")
head(mat.1, n = 2)
输出结果:
a b c d e
[1,] 2.092190 0.502715552 -0.4738962 -1.769090 0.1247273
[2,] 1.644235 -0.005080861 -0.6468646 1.388739 -2.4386240
在上述代码中,我们生成了一个50个随机数的矩阵,并将其前两行输出。
使用dplyr包创建和查看数据框
dplyr
是R语言中的一个非常流行的数据操作包,它提供了简单且直观的语法来进行数据操作。dplyr
主要用于数据帧(data frame)的操作,包括过滤行、选择列、重新排序、添加新列、以及汇总数据等。其中,as_tibble()
函数可以将矩阵转换为数据框,并显示更多信息(记得要先自行安装dplyr扩展包
):
library(dplyr)
df.1 <- as_tibble(mat.1)
print(df.1)
输出结果:
# A tibble: 10 × 5
a b c d e
<dbl> <dbl> <dbl> <dbl> <dbl>
1 2.09 0.503 -0.474 -1.77 0.125
2 1.64 -0.00508 -0.647 1.39 -2.44
3 1.65 -0.676 -0.540 1.99 0.278
4 0.0208 0.272 0.634 0.857 1.74
5 -0.948 2.10 0.317 1.25 -0.985
6 0.383 0.470 -0.387 1.41 -0.264
7 0.504 0.611 0.773 -0.110 -1.56
8 -1.21 1.81 -1.38 1.64 -2.15
9 0.572 -2.74 0.900 -0.926 -0.498
10 -1.33 -2.09 1.42 -0.628 -0.627
5、列表(List)
在这里,你学到的并非仅仅是 R 的某一个技巧,而是能够从零开始,深入且系统地学习 R 语言。此外,本专栏每周至少定期更新三篇文章,每篇文章篇幅均在 5000 字以上,质量平均分更是高达 93 分。而且,对于已经发表的知识点,我们也会根据新的技术或理解及时进行更新,这是纸质版图书无法做到的。为了让更多的忠实粉丝和同学们享受到实惠,本专栏采用折扣定价策略。随着章节的不断完成,折扣力度会逐渐减小。所以,现在正是订阅的最佳时机!
https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482
第一章:认识数据科学和R
1章1节:数据科学的发展历程,何 R 备受青睐及我们专栏的独特之处(更新20240822)-CSDN博客
1章2节:关于人工智能、机器学习、统计学连和机器学习、R 与 ChatGPT 的探究 (更新20240814)-CSDN博客
1章3节:R 语言的产生与发展轨迹(更新2024/08/14)-CSDN博客
1章4节:数据可视化, R 语言的静态绘图和 Shiny 的交互可视化演示(更新20240814)-CSDN博客
第二章:R的安装和数据读取
2章1节:R和RStudio的下载和安装(Windows 和 Mac)_rst语言选择哪个镜像-CSDN博客
2章2节:RStudio 四大区应用全解,兼谈 R 的代码规范与相关文件展示_rstudio的console和terminal-CSDN博客
2章3节:RStudio的高效使用技巧,自定义RStudio环境(更新20240823)_rstudio如何使用-CSDN博客
2章4节:用RStudio做项目管理,静态图和动态图的演示,感受ggplot2的魅力-CSDN博客
2章5节:认识和安装R的扩展包,什么是模糊搜索安装,工作目录和空间的区别与设置(更新20240807 )-CSDN博客
2章6节:R的数据集读取和利用,如何高效地直接复制黏贴数据到R(更新20240807 )_r语言 复制数据集-CSDN博客
2章7节:读写RDS,CSV,TXT,Excel,SPSS、SAS、Stata、Minitab等的数据文件(更新20240807)_r语言读取rds文件-CSDN博客
2章8节:一文学会 R Markdown 的文档核心操作,切记文末有R资源的分享_r markdown文件(.rmd)-CSDN博客
2章9节:认识R与数据库连接和网络爬虫,学会在R中使用SQL语言_sql和r语言-CSDN博客
2章10节:用 R 直接下载并分析 NHANES 数据库的数据,文末示例自创便捷下载函数(更新20240807)_nhanes数据分析-CSDN博客
第三章:认识数据
3章1节:数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客
3章2节:继续讲R的数据结构,数组、数据框和列表-CSDN博客
3章3节:R的赋值操作与算术运算_r里面的赋值-CSDN博客
第四章:数据的预处理
4章1节:全面了解 R 中的数据预处理,通过 R 基本函数实施数据查阅_r数据预处理-CSDN博客
4章2节:从排序到分组和筛选,通过 R 的 dplyr 扩展包来操作-CSDN博客
4章3节:处理医学类原始数据的重要技巧,R语言中的宽长数据转换,tidyr包的使用指南-CSDN博客
4章4节:临床数据科学中如何用R来进行缺失值的处理_临床生存分析缺失值r语言-CSDN博客
4章5节:数据科学中的缺失值的处理,删除和填补的选择,K最近邻填补法-CSDN博客
4章6节:R的多重填补法中随机回归填补法的应用,MICE包的实际应用和统计与可视化评估-CSDN博客
4章7节:用R做数据重塑,数据去重和数据的匹配-CSDN博客
4章8节:用R做数据重塑,行列命名和数据类型转换-CSDN博客
4章9节:用R做数据重塑,增加变量和赋值修改,和mutate()函数的复杂用法_r语言如何在数据集中添加变量-CSDN博客
4章10节:用R做数据重塑,变体函数应用详解和可视化的数据预处理介绍-CSDN博客
4章11节:用R做数据重塑,数据的特征缩放和特征可视化-CSDN博客
4章12节:R语言中字符串的处理,正则表达式的基础要点和特殊字符-CSDN博客
4章13节:R语言中Stringr扩展包进行字符串的查阅、大小转换和排序-CSDN博客
4章14节:R语言中字符串的处理,提取替换,分割连接和填充插值_r语言替换字符串-CSDN博客
4章15节:字符串处理,提取匹配的相关操作扩展,和Stringr包不同函数的重点介绍和举例-CSDN博客
4章16节:R 语言中日期时间数据的关键处理要点_r语言 时刻数据-CSDN博客
第五章:定量数据的统计描述
5章1节:用R语言进行定量数据的统计描述,文末有众数的自定义函数-CSDN博客
5章2节:离散趋势的描述,文末1个简单函数同时搞定20个结果-CSDN博客
5章3节:在R语言中,从实际应用的角度认识假设检验-CSDN博客
5章4节:从R语言的角度认识正态分布与正态性检验-CSDN博客
5章5节:认识方差和方差齐性检验(三种方法全覆盖)-CSDN博客
5章9节:组间差异的非参数检验,Wilcoxon秩和检验和Kruskal-Wallis检验-CSDN博客
第六章:定性数据的统计描述
6章1节:定性数据的统计描述之列联表,文末有优势比计算介绍-CSDN博客
6章2节:认识birthwt数据集,EpiDisplay和Gmodels扩展包的应用-CSDN博客
6章3节:独立性检验,卡方检验,费希尔精确概率检验和Cochran-Mantel-Haenszel检验-CSDN博客
6章4节:相关关系和连续型变量的Pearson相关分析-CSDN博客
6章5节:分类型变量的Spearman相关分析,偏相关分析和相关图分析-CSDN博客
6章6节:相关图的GGally扩展包,和制表的Tableone扩展包-CSDN博客
第七章:R的传统绘图
7章1节:认识R的传统绘图系统,深度解析plot()函数和par()函数的使用-CSDN博客
7章2节:R基础绘图之散点图、直方图和概率密度图-CSDN博客
7章5节:散点矩阵图,与小提琴图、Cleveland 点图、马赛克图和等高图-CSDN博客
7章6节:用R进行图形的保存与导出,详细的高级图形输出,一文囊括大多数保存的各种问题,和如何批量保存不同情况的图形-CSDN博客
第八章:R的进阶绘图
8章1节:认识 ggplot2 扩展包,深度解析 qplot() 函数的使用-CSDN博客
8章2节:深度讲解 ggplot2 的绘图步骤,理解其核心逻辑, 和 ggplot()函数-CSDN博客
8章3节:用R来绘制医学地理图,文末有具体完整代码-CSDN博客
8章4节:维恩图的认识与应用,和使用UpSet图-CSDN博客
8章5节:用R绘制平行坐标图-CSDN博客
8章8节:绘制自定义的高质量动态图和交互式动态图-CSDN博客
第九章:临床试验的统计