R的学习——2.创建数据集

chap.2 创建数据集

2.1 数据集的概念

数据集行列的叫法：1）统计学家    观测（observation）和变量（variable）

                           2）数据库分析师    记录（record）和字段（field）

                           3）数据挖掘和机器学习学科研究员  实例（example）和属性（attribute）

R中存储数据的结构：标量、向量、矩阵、数组、数据框和列表

R中处理的数据类型：数值型、字符型、逻辑型（TRUE/FALSE）、复数型、原生型（字节）

2.2 数据结构

一些定义：1）对象。对象（object）是指可以赋值给任何变量的任何事物，包括常量、数据结构、函数甚至图形。

              2）数据框。 数据框（data frame）是R中用于存储数据的一种结构：列表示变量，行表示观测值。同一个数据框可存储不同类型的变量。数据框是存储数据集的主要数据结构。

R中的数据结构

数据结构名称	介绍	创建函数	包含数据类型	备注
向量	一位数组	c()	同一类型
矩阵	二维数组	matrix()	同一类型
数组（array）	维度可以大于2	array()	同一类型	矩阵的推广
数据框	最常用的数据结构	data.frame()	不同类型	每列数据的类型相同，不同列类型可以不同
列表	重要的数据结构 一些对象（或成分，component）的有序集合	list()	不同类型	对象可以是任何结构，甚至是其他列表的组合； 许多R函数的运行结果以列表形式返回

关于选取数据框中的元素问题：

1. 记号$

记号$被用来选取一个给定数据框中的某个特定变量。

以R自带的mtcars数据框为例，使用以下代码获取mpg与wt的散点图。

> plot(mtcars$mpg,mtcars$wt)

2. attach()、detach()和with()

函数attach()可将数据框添加到R的搜索路径中。R在遇到一个变量名后，将检查搜索路径中的数据框。

函数detach()将数据框从搜索路径中移除。

上述两个函数最好在分析一个单独的数据框，且没有多个同名对象时使用。

因此，1.中的代码可以写为

attach(mtcars)
  plot(mpg,wt)
detach(mtcars)

当名称相同的对象不止一个时，考虑使用with()函数。代码如下：

with(mtcars, {
  print(summary(mpg))
  plot(mpg,wt)
})

这种情况下，花括号{ }之间的语句都是针对数据框mtcars的。若仅有一条语句，则花括号可以省略。

赋值仅在with()的括号()内生效。若要创建with结构以外存在的对象，使用特殊赋值号<<-替代标准赋值号<-即可，它可将对象保存到with()函数之外的全局环境中。例如：

with(mtcars, {
  nokeepstats <- summary(mpg)
  keepstats <<- summary(mpg)
})
nokeepstats
keepstats

运行结果：

> nokeepstats
错误: 找不到对象'nokeepstats'
> keepstats
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  10.40   15.43   19.20   20.09   22.80   33.90 

推荐使用with()函数。

3. 实例标识符

R中实例标识符可通过数据框操作函数data.frame()中的row.names来指定。

关于因子：

类别（名义型）变量和有序（有序型）变量在R中称为因子。（变量可归结为名义型、有序型、连续型变量）

factor()函数以一个整数向量的形式存储类别，整数的取值范围时[1...k]（其中k时名义型变量中唯一值的个数），同时一个字符串（原始值）组成的内部向量将映射到这些整数上。  

要表示有序变量，需要为factor()函数指定参数ordered=TRUE。对于字符型变量，因子的水平默认依字母顺序创建。也可以通过指定levels选项来覆盖默认排序。

数值型变量可以通过levels和labels来编码成因子。标签顺序必须和水平顺序相一致。

注：确保指定的水平与数据真实值相匹配，   任何在数据中出现而在参数中未例举的数据都将被设为缺失值。

2.3 数据的输入