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。
欢迎订阅我们专栏
.......前面部分请点击上面链接看原文(原文5426字)
二、R的数据结构
1、向量(Vector)
向量是R语言中最基础的数据结构,几乎所有其他数据结构都是由向量构成的。向量可以包含数值、字符、逻辑值、复数等类型的数据。
数值型向量(Numeric Vector)
数值向量(Numeric vector)指的是由数值构成的向量。单个的数值(即标量数值)属于最简单的数值向量。数值向量属于最常运用的数据类型,并且几乎是所有数据分析的基础。接下来,我们通过函数 c()来生成一个整数值变量。
例如:
a <- c(1, 2, 3, 4, 5.5)
print(a)
输出结果为:
[1] 1.0 2.0 3.0 4.0 5.5
创建连续的整数值向量
如果想要创建一系列连续的整数值,运算符“:”能够轻松达成这一目标,在变量 b 中即为 1 到 6 的整数值。运算符“:”可用于创建连续的整数值向量,例如:
b <- c(1:6)
print(b)
输出结果为:
[1] 1 2 3 4 5 6
使用seq()
函数创建向量
seq()
函数的功能与“:”类似,但可以更灵活地设置递增的步长。例如:
c <- seq(5, length.out = 8, by = 0.5)
print(c)
输出结果为:
[1] 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5
使用rep()
函数创建重复序列
rep()
函数可以帮助我们构建一个重复的序列,其中times
参数设置序列总重复数,each
参数设置每次重复的元素重复次数。例如:
d <- rep(c(1, 2, 3), times = 3, each = 2)
print(d)
输出结果为:
[1] 1 1 2 2 3 3 1 1 2 2 3 3 1 1 2 2 3 3
字符型向量(String Vector)
字符型向量(String vector)是由字符或者字符串所组成的向量,其能够通过函数 c() 或者 cat() 来构建。下面以高血压的三个类型作为字符串的内容,生成一个具有 6 个元素、包含中文和英文的混杂字符型向量 x_string 。
x_string <- c("ISH", "单纯收缩型高血压", "IDH", "单纯舒张型高血压", "SDH", "混合型高血压")
print(x_string)
输出结果为:
[1] "ISH" "单纯收缩型高血压" "IDH" "单纯舒张型高血压" "SDH" "混合型高血压"
在编程语言中,如果需要在一个字符串内部包含双引号,就需要使用转义字符来避免语法错误。转义字符通常是反斜杠(\
),它告诉解释器接下来的字符是特殊字符,不是普通字符。
例如,在R语言中,如果你想在一个字符串内部包含双引号,你需要在双引号前加上反斜杠(\
)来进行转义。假设你想要创建一个字符串,内容是:I "Love" China
,你可以这样写:
str <- "I \"Love\" China"
print(str)
\"
表示一个双引号,但它不会被解释为字符串的结束,而是字符串内容的一部分。
输出结果会是:
[1] "I \"Love\" China"
如果你需要显示完整的字符串,包括外部的双引号,你可以用单引号来定义字符串,或者用cat()函数:
cat('I "Love" you')
输出结果会是:
I "Love" you
布尔型向量(Logical Vector)
布尔型向量又被称作“逻辑向量”,简单来讲,就是由 TRUE 和 FALSE 构成的向量。布尔型向量基本上是以“是”或“否”来体现对一组逻辑问题的回答。
在第一行代码中,2 大于 1,其回答为 TRUE 。
print(2 > 1)
输出结果为:
[1] TRUE
接着在第二行代码中,R 会理解为在 c(2,1) 和 1 之间依次进行元素比较,这等价于 c(2>1,1>2) ,所以回复为 TRUE 和 FALSE 。
print(c(2, 1) > 1)
输出结果为:
[1] TRUE FALSE
因子型向量(Factor Vector)
因子型向量(Factor vector)是将数据存储为整数值向量的一种分类变量(Categorical variables)。它可分为无序分类变量(Unordered categorical variable)和有序分类变量(Categorical variable)两类。其中,在因子变量中所包含的非重复值被称作因子水平。函数 factor() 是以整数向量的形式来存储类别值,其取值范围是[1…k](这里的 k 是名义型变量中唯一值的个数),同时一个由字符串(原始值)构成的内部向量会映射到这些整数上。
创建无序因子
高血压类型 Hypetension(ISH、IDH、SDH)属于因子向量的无序分类变量,在数据中 ISH 编码为 1,IDH 编码为 2,SDH 编码为 3。
hypertension <- factor(c("ISH", "IDH", "SDH", "SDH"))
print(hypertension)
输出结果为:
[1] ISH IDH SDH SDH Levels: IDH ISH SDH
创建有序因子
疾病状态 Status(poor、improved、excellent)则是因子向量的有序分类变量。
status <- factor(c("Poor", "Improved", "Excellent", "Poor"), levels = c("Poor", "Improved", "Excellent"), ordered = TRUE)
print(status)
输出结果为:
[1] Poor Improved Excellent Poor Levels: Poor < Improved < Excellent
2、矩阵(Matrix)
........
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。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
9章4节:两组例数相同的均数比较的样本量估计和绘制功效曲线-CSDN博客
9章5节:两组的例数不等的均数比较的样本量估计和可视化-CSDN博客
9章6节:自身配对设计的均数比较临床试验的样本量估计和可视化-CSDN博客
9章8节: 两、三组试验组率比较的样本量估算和可视化-CSDN博客
9章9节:试验的随机分组认识,用R做简单随机化-CSDN博客
9章11节:用R实现区组随机化和置换区组随机化-CSDN博客
9章12节:动态随机化方法介绍,和用R绘制随机化卡片-CSDN博客
第十章:Meta分析攻略
10章1节:认识循证医学中的Meta分析,并予代码演示分析绘图-CSDN博客
10章2节:Meta分析的7大步骤的扼要解读-CSDN博客
10章3节:二分类变量的Meta分析模型,分析公式构建和结果解读-CSDN博客