写在篇前
本篇主要总结R语言中六大基本数据结构的基本概念和常用操作，包括向量（Vector）、矩阵（Matrix）、数组（Array）、因子（Factor）、数据框（Data.Frame）、列表（List）。这六大基本数据结构和R语言流程控制是我们编写R脚本的基石，再结合R语言丰富的函数以及社区开发Package，我们就能应用R语言做很多非常Cool的事情。
向量
向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c()可用来创建向量。注意，单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型） ，如：
> a = c(1,2,3,4,5)
> mode(a) # 说明这是一个数值型存储的向量
[1] "numeric"
向量是一个常用并且非常简单的数据结构，主要需要注意一下向量元素的索引（R语言的数据结构的下标是从1开始的）以及数据类型转换：
# 创建向量
> a = c(1,2,3,4,5)
> b = c(1:5)
> c_ = c("1","2","3","4","5")
> d = c(T,F,T,T,F)
# 数据类型相关操作
> typeof(a)
[1] "double"
> mode(a)
[1] "numeric"
> class(a)
[1] "numeric"
> is.numeric(a)
[1] TRUE
> is.double(a)
[1] TRUE
> as.character(a)
[1] "1" "2" "3" "4" "5"
> as.character(a) == b
[1] TRUE TRUE TRUE TRUE TRUE
# 索引向量元素
> a[1]
[1] 1
> a[2:4]
[1] 2 3 4
> a[c(2,4)]
[1] 2 4
矩阵
矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型），可通
过函数matrix创建矩阵。一般使用格式为：
mymatrix <- matrix(vector, nrow,ncol,byrow=T,
dimnames=list(
char_verctor_rownames,char_vector_colnames
))
其中vector包含了矩阵的元素，nrow和ncol用以指定行和列的维数，dimnames包含了可选的、
以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行填充（byrow=TRUE）还是按
列填充（byrow=FALSE） ，默认情况下按列填。
> nums = 1:4
> rnames = c('r1','r2')
> cnames = c('c1','c2')
> matrix_obj = matrix(nums,nrow=2,dimnames=list(c(),cnames))
> matrix_obj
c1 c2
[1,] 1 3
[2,] 2 4
> matrix_obj = matrix(nums,nrow=2,dimnames=list(rnames,cnames)
+ )
> matrix_obj
c1 c2
r1 1 3
r2 2 4
可以使用下标和方括号来选择矩阵中的行、列或元素。X[i,]指矩阵X中的第i 行，X[,j]
指第j 列，X[i, j]指第i 行第j 个元素，选择多行或多列时，下标i 和j 可为数值型向量。
> a = matrix(1:20,nrow=5)
> a
[,1] [,2] [,3] [,4]
[1,] 1 6 11 16
[2,] 2 7 12 17
[3,] 3 8 13 18
[4,] 4 9 14 19
[5,] 5 10 15 20
# 索引单个数据
> a[1]
integer(1)
> a[7]
[1] 7
# 索引行
> a[1,]
[1] 1 6 11 16
> matrix_obj['r1',]
c1 c2
1 3
# 索引列
> a[,1:2]
[,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10
> matrix_obj[,'c1']
r1 r2
1 2
# 综合
> a[1:2,2:3]
[,1] [,2]
[1,] 6 11
[2,] 7 12
数组
数组（array）与矩阵类似，但是维度可以大于2。数组可通过array函数创建，形式如下：
myarray <- array(vector,dimensions,dimnames)
其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大
值，而dimnames是可选的、各维度名称标签的列表：
> dim1 = c('A1','A2')
> dim2 = c('B1','B2','B3')
> dim3 = c('C1','C2','C3','C4')
> z = array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3)) # 由此创建了一个2*3*4的数组
这里特别需要注意的是这些数在空间上的延伸顺序，此数组可以看作4个2*3的矩阵，各个矩阵中依次按列延伸。因此，该矩阵如下：
> z
, , C1
B1 B2 B3
A1 1 3 5
A2 2 4 6
, , C2
B1 B2 B3
A1 7 9 11
A2 8 10 12
, , C3
B1 B2 B3
A1 13 15 17
A2 14 16 18
, , C4
B1 B2 B3
A1 19 21 23
A2 20 22 24
与前面相同，我们需要关注数组的索引操作，基本和向量、矩阵如出一辙：
# 索引元素
> z[1,1,3]
[1] 13
# 综合索引
> z[1:2,1:3,2]
B1 B2 B3
A1 7 9 11
A2 8 10 12
> z[c('A1','A2'),c('B1','B2','B3'),'C2']
B1 B2 B3
A1 7 9 11
A2 8 10 12
因子
变量可以归结为以下几种：
-
名义型
名义型变量是没有顺序之分的类别 变量。糖尿病类型Diabetes（Type1、Type2）是名义型变量的一例。即使在数据中Type1编码为1而Type2编码为2，这也并不意味着二者是有序的。
-
有序型
有序型变量表示一种顺序关系，而非数量关系。病情Status（poor, improved, excellent）是顺序型变量的一个上佳示例。我们明白， 病情为poor（较差）病人的状态不如improved（病情好转）的病人，但并不知道相差多少。
-
连续型
连续 型变量可以呈现为某个范围内的任意值，并同时表示了顺序和数量。年龄Age就是一个连续型变
量，它能够表示像14.5或22.8这样的值以及其间的其他任意值。
类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor），函数factor()以一个整数向量的形式存储类别值，整数的取值范围是[ 1 … k ]（其中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）组成的内部向量将映射到这些整数。
因子主要有以下几种情况：
-
名义型变量因子
> diabetes = c("Type1","Type2","Type1","Type2") > diabetes = factor(diabetes) > diabetes [1] Type1 Type2 Type1 Type2 Levels: Type1 Type2 > str(diabetes) Factor w/ 2 levels "Type1","Type2": 1 2 1 2 > summary(diabetes) Type1 Type2 2 2 -
有序型变量因子
> status = c("Poor","Imporved","Excellent","Poor") > status = factor(status,ordered=TRUE) > status [1] Poor Imporved Excellent Poor Levels: Excellent < Imporved < Poor > str(status) Ord.factor w/ 3 levels "Excellent"<"Imporved"<..: 3 2 1 3 > summary(status) Excellent Imporved Poor 1 1 2 -
自定义因子水平顺序
> status = c("Poor","Improved","Excellent","Poor") > status = factor(status,ordered=TRUE,levels=c("Poor","Improved","Excellent"),labels=c("bad","middle","good")) > status [1] bad middle good bad Levels: bad < middle < good > str(status) Ord.factor w/ 3 levels "bad"<"middle"<..: 1 2 3 1 > summary(status) bad middle good 2 1 1
数据框
数据框（data.frame）可以理解为二维数据表，每一行代表一条记录，每一列代表一个属性。不同于矩阵，数据框中每一列的数据类型可以不同，更加灵活多变、应用广泛，比如Excel数据导入R中处理一般就采用该种数据类型。数据框的操作稍微更复杂，以下主要例举基本的数据框构建、行列名操作、子集操作、数据类型转换、查询合并等方面。
构建数据框
# 最基本的初始化方式
students<-data.frame(ID=c(1,2,3),Name=c("jeffery","tom","kim"),Gender=c("male","male","female"),Birthdate=c("1986-10-19","1997-5-26","1998-9-8"))
观察数据
> summary(students)
ID Name Gender Birthdate
Min. :1.0 jeffery:1 female:1 1986-10-19:1
1st Qu.:1.5 kim :1 male :2 1997-5-26 :1
Median :2.0 tom :1 1998-9-8 :1
Mean :2.0
3rd Qu.:2.5
Max. :3.0
> str(students)
'data.frame': 3 obs. of 4 variables:
$ ID : num 1 2 3
$ Name : Factor w/ 3 levels "jeffery","kim",..: 1 3 2
$ Gender : Factor w/ 2 levels "female","male": 2 2 1
$ Birthdate: Factor w/ 3 levels "1986-10-19","1997-5-26",..: 1 2 3
行名、列名
# 获取行名、列名
> row.names(students)
[1] "1" "2" "3"
> rownames(students)
[1] "1" "2" "3"
> names(students)
[1] "ID" "Name" "Gender" "Birthdate"
>colnames(students)
[1] "ID" "Name" "Gender" "Birthdate"
# 设置列名、行名
> row.names(students)<-c("001","002","003")
> rownames(students)<-c("001","002","004")
> names(students)<-c("id",'name','gender','birthday')
> colnames(students)<-c("id",'name','gender','birth')
获取行数据、列数据
需要注意的是R语言的下标是从1开始
# 获取列
> students$name
[1] jeffery tom kim
Levels: jeffery kim tom
> students[,2]
[1] jeffery tom kim
Levels: jeffery kim tom
> students[[2]]
[1] "jeffery" "tom" "kim"
> students[2]
name
001 jeffery
002 tom
004 kim
> students['name']
name
001 jeffery
002 tom
004 kim
> students[c('id','name')]
id name
001 1 jeffery
002 2 tom
004 3 kim
> students[1:2]
id name
001 1 jeffery
002 2 tom
004 3 kim
# 获取行
> students[1,]
ID Name Gender Birthdate
1 1 jeffery male 1986-10-19
# 获取列和行
> students[2:3,2:4]
name gender birth
002 tom male 1997-5-26
004 kim female 1998-9-8
在复杂操作时，可以使用以下代码简化代码：
# attach、detach
> attach(students)
> name<-name
> detach(students)
> name
[1] jeffery tom kim
Levels: jeffery kim tom
# with
> with(students,{
+ name<-name
+ })
> print(name)
[1] jeffery tom kim
Levels: jeffery kim tom
但是上面的with有一种情况需要注意，当要在{}中对存在的全局变量赋值时，需要使用<<-进行赋值：
# 01
name<-c(1,2,3)
> with(students,{
+ name<-name
+ })
> name # 你会发现，结果和上面不一样
[1] 1 2 3
# 02
> name<-c(1,2,3)
> with(students,{
+ name<<-name
+ })
> name # 此时效果将和上面一样
[1] jeffery tom kim
Levels: jeffery kim tom
添加列
> students$Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(as.Date(students$Birthdate),"%Y"))
> students<-within(students,{
Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(as.Date(Birthdate),"%Y"))
})
数据类型转换
student$Name<-as.character(student$Name)
student$Birthdate<-as.Date(student$Birthdate)
子集查询
> students[which(students$Gender=="male"),] # 获取性别是male的数据行
> students[which(students$Gender=="male"),"Name"] # 获取性别是male的名字
[1] jeffery tom
Levels: jeffery kim tom
> subset(students,Gender=="male" & Age<30 ,select=c("Name","Age"))
Name Age
2 tom 22
> library(sqldf)
> result<-sqldf("select Name,Age from student where Gender='male' and Age<30")
数据合并
# inner join
score<-data.frame(SID=c(1,1,2,3,3),Course=c("Math","English","Math","Chinese","Math"),Score=c(90,80,80,95,96))
> result<-merge(students,score,by.x="ID",by.y="SID")
> result
ID Name Gender Birthdate Age Course Score
1 1 jeffery male 1986-10-19 33 Math 90
2 1 jeffery male 1986-10-19 33 English 80
3 2 tom male 1997-5-26 22 Math 80
4 3 kim female 1998-9-8 21 Chinese 95
5 3 kim female 1998-9-8 21 Math 96
# rbind
> student2<-data.frame(ID=c(21,22),Name=c("Yan","Peng"),Gender=c("female","male"),Birthdate=c("1982-2-9","1983-1-16"),Age=c(32,31))
> rbind(student2, students)
ID Name Gender Birthdate Age
1 21 Yan female 1982-2-9 32
2 22 Peng male 1983-1-16 31
3 1 jeffery male 1986-10-19 33
4 2 tom male 1997-5-26 22
5 3 kim female 1998-9-8 21
# cbind
> cbind(students, score[1:3,])
ID Name Gender Birthdate Age SID Course Score
1 1 jeffery male 1986-10-19 33 1 Math 90
2 2 tom male 1997-5-26 22 1 English 80
3 3 kim female 1998-9-8 21 2 Math 80
列表
列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，
component）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个
列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。可以使用函数list()创建列表:
mylist <- list(obj1,bj2,...)
# or
mylist <-(name1=obj1,name2=obj2,...)
以下展示列表的主要操作，包括构建列表、获取列表元素等：
# 构建
> a = 'My First List'
> b = c(1,2,3,4,5)
> c = matrix(1:10, nrow=5)
> d = c("1","2","3","4","5")
> mylist = list(title=a,months=b,c,d)
> mylist
$title
[1] "My First List"
$months
[1] 1 2 3 4 5
[[3]]
[,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10
[[4]]
[1] "1" "2" "3" "4" "5"
# 索引方式(特别注意他们之间的区别)
> mylist[[1]] # 返回list中对应元素
[1] "My First List"
> mylist[1] # 返回的是list类型
$title
[1] "My First List"
> mylist['title'] # 返回的是list类型
$title
[1] "My First List"
> mylist[['title']] # 返回list中对应元素
[1] "My First List"
> mylist$title # 返回list中对应元素
[1] "My First List"
# 所以不难推测，构建list的子集可以如下：
> mylist[c('title','months')]
$title
[1] "My First List"
$months
[1] 1 2 3 4 5
其他
上面的示例代码中涉及可能涉及下面这些容易混淆的函数，在此，对这些函数进行总结归纳：
-
上下文函数
with和attach的区别就是，如果在with上下文中需覆盖全局变量的值，需要使用
<<-符号，而attach会默认覆盖；within跟with功能相同，但返回值不同，within会返回所有修改生效后的原始数据结构（列表、数据框等），而with的返回值一般都被忽略。- with
- attach、detach
- within
-
数据类型函数
在R里面，每一个对象都有一个mode和一个class，前者表示对象在内存中是如何存储的 (numeric, character, list and function)；后者表示对象的抽象类型。
-
typeof
The Type of an Object
-
mode
The (Storage) Mode of an Object
-
class
R possesses a simple generic function mechanism which can be used for an object-oriented style of programming.Method dispatch takes place based on the class of the first argument to the generic function.
-
905
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
