R语言基础

R语言第二章

2.1 数据类型

数据类型分为：
1.整数型(integer)

x1<-33L;print(class(x1))
#out: [1] "integer"

2.数值型(numeric)

x1<-24;print(class(x1))
#out:[1] "numeric"

3.逻辑型(logical)

x1<-TRUE;class(x1)
#out: [1] "logical"

4.字符型(character)

x1<-'sifsfj';class(x1)
#out:[1] "character"

5.复数型(complex)

x1<-3+2i;class(x1)
#out:[1] "complex"

说明：class()是查看数据类型的函数，以及“；“的作用是如果你想一行写多条命令的话就需要‘‘;”，注释主要由于对代码的说明其符号为 #，增加当前行注释使用Shift+Ctrl+C 以及直接输入#符号

2.2 结构数据类型

结构数据类型：向量，数据框，数组，矩阵，列表等等。

2.2.1矩阵

矩阵是二维结构
1.创建矩阵方法：matrix(data,nrow,ncol=,byrow=T),其中data是矩阵的元素，nrow为行维数，ncol为列的维数。

x1<-matrix(1:40,5,8);x1
#out:     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]

#[1,]    1    6   11   16   21   26   31   36
#[2,]    2    7   12   17   22   27   32   37
#[3,]    3    8   13   18   23   28   33   38
#[4,]    4    9   14   19   24   29   34   39
#[5,]    5   10   15   20   25   30   35   40
#生成5行8列的矩阵，其中1，2，3，4，5....默认以列排的。
x1<-matrix(1:40,5,8,byrow=T);x1
#out:# [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
# [1,]    1    2    3    4    5    6    7    8
# [2,]    9   10   11   12   13   14   15   16
# [3,]   17   18   19   20   21   22   23   24
# [4,]   25   26   27   28   29   30   31   32
# [5,]   33   34   35   36   37   38   39   40
#byrow=T,作用就是将矩阵按行排，当T为F时就是第一个的结果，系统默认为F
#当然x1<-matrix(1:40,nrow=5,ncol=8);x1结果与第一个结果相同

另外一种构成矩阵的方法：rbind(c1,c2,…cn),表示按行拼接（row bind），cbind()按列拼接。

rbind(c(1,2,3),c(2,4,6))
#out:     [,1] [,2] [,3]
#[1,]    1    2    3
#[2,]    2    4    6

2.矩阵的索引

• 方法一

x<-matrix(1:20,4,5);x
#out:     [,1] [,2] [,3] [,4] [,5]
#[1,]    1    5    9   13   17
#[2,]    2    6   10   14   18
#[3,]    3    7   11   15   19
#[4,]    4    8   12   16   20
x[2,] #x[i,] 返回矩阵的第i行
#[1]  2  6 10 14 18
x[,2]#x[,i]返回矩阵的第i列
#[1] 5 6 7 8
x[2,3]#x[i,j]返回矩阵的第i行，第j列
#[1] 10
x[2,-3]##x[i,-j]返回矩阵的第i行，排除第j列
#[1]  2  6 14 18

• 方法二
  利用向量来索引

x<-matrix(1:20,4,5);x
#out:     [,1] [,2] [,3] [,4] [,5]
#[1,]    1    5    9   13   17
#[2,]    2    6   10   14   18
#[3,]    3    7   11   15   19
#[4,]    4    8   12   16   20
x[c(1,3,4),c(1,3)]#返回1，3，4行，1，3列
#     [,1] [,2]
#[1,]    1    9
#[2,]    3   11
#[3,]    4   12
x[c(1,3,4),-c(1,3)]#返回1，3，4行以及排除1，3列
#     [,1] [,2] [,3]
#[1,]    5   13   17
#[2,]    7   15   19
#[3,]    8   16   20

3.矩阵运算
as.vector(y):将矩阵转化为向量
t(y):矩阵的转置
nrow(y):返回矩阵行数
ncol(y):返回矩阵列数
colSums(y):对矩阵各列求和
rowSums(y):对矩阵各行求和
colMeans(y):对矩阵各列求平均值
rowMeans(y):对矩阵各行求平均值
diag(y):返回对角元素

y<-matrix(1:16,4,4);y
#     [,1] [,2] [,3] [,4]
#[1,]    1    5    9   13
#[2,]    2    6   10   14
#[3,]    3    7   11   15
#[4,]    4    8   12   16
as.vector(y)
#[1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16
t(y)
#     [,1] [,2] [,3] [,4]
#[1,]    1    2    3    4
#[2,]    5    6    7    8
#[3,]    9   10   11   12
#[4,]   13   14   15   16
nrow(y)
#[1] 4
colSums(y)
#[1] 10 26 42 58
rowMeans(y)
#[1]  7  8  9 10
diag(y)
#[1]  1  6 11 16

2.2.2数组

数组的维数可大于2，和矩阵相同每个元素只能拥有一个基本类型数据类型
array(data,dimensions) 其中data给出数组元素，dimensions给出了各个维度下标的最大值。

x<-array(1:24,c(2,3,4));x#创建三维数组
#, , 1

#     [,1] [,2] [,3]
#[1,]    1    3    5
#[2,]    2    4    6

#, , 2

#     [,1] [,2] [,3]
#[1,]    7    9   11
#[2,]    8   10   12

#, , 3

#     [,1] [,2] [,3]
#[1,]   13   15   17
#[2,]   14   16   18

#, , 4

#     [,1] [,2] [,3]
#[1,]   19   21   23
#[2,]   20   22   24

###其中c(2,3,4)表示2行，3列，4组
#数组索引与矩阵相同
x[1,2,3]
#out：15
#
> a<-array(rep(1:3,each=9),dim=c(3,3,3));a
#, , 1

#     [,1] [,2] [,3]
#[1,]    1    1    1
#[2,]    1    1    1
#[3,]    1    1    1

#, , 2

#     [,1] [,2] [,3]
#[1,]    2    2    2
#[2,]    2    2    2
#[3,]    2    2    2

#, , 3

 #    [,1] [,2] [,3]
#[1,]    3    3    3
#[2,]    3    3    3
#[3,]    3    3    3
rowSums(a)
#[1] 18 18 18
rowSums(a,dims=1)
#[1] 18 18 18
rowSums(a,dims=2)
#     [,1] [,2] [,3]
#[1,]    6    6    6
#[2,]    6    6    6
#[3,]    6    6    6
colSums(a)
#     [,1] [,2] [,3]
#[1,]    3    6    9
#[2,]    3    6    9
#[3,]    3    6    9
colSums(a,dims=2)
#[1]  9 18 27

数组b的三维图为：

2.2.3数据框

数据框是二维结构，与矩阵不同的是它可允许不同的数据类型放在一个列中

• 创建数据框
  x<-data.frame(colname1=col1,colname2=col2,…)
  col1,col2,为列向量。

x<-data.frame(wupin=c('apple','banans','pen'),color=c('red','yellow','black') num=c(2,4,5))
x
#out:   wupin  color num
# 1  apple    red   2
# 2 banans yellow   4
# 3    pen  black   5

• 数据框索引
  和矩阵相同

x[,2]
#[1] "red"    "yellow" "black" 
x$color
#[1] "red"    "yellow" "black" 
#x$color 其通过变量引用数据框元素法，
#想当然的理解为:相当于索引变量的[],

• 修改列/行的名字
  1.通过colnames(<数据框>)来读取并编辑列名称
  2 通过row.names(<数据框>)来读取并编辑行名称

colnames(x)[1]<-'things';x
#out   things  color num
#1  apple    red   2
#2 banans yellow   4
#3    pen  black   5
colnames(x)<-c('1','2','3');x
#       1      2 3
#1  apple    red 2
#2 banans yellow 4
#3    pen  black 5
row.names(x)[1]<-'row1';x
#          1      2 3
#row1  apple    red 2
#2    banans yellow 4
#3       pen  black 5