R语言笔记【一】：基本数据结构

1. 向量（vector）

1.1 基本描述

即一维数组，元素必须具有相同的类型。R中下标从1开始。

1.2 创建方式

c(element1,element2,element3,...)；1:4 = [1,2,3,4]

1.3 取值方式

• 单选：x[1]
• 多选：
  • x[下标向量]：x[c(1,4)]、x[1:4]
  • x[布尔向量]：x[c(TRUE,FALSE,TRUE)]，其中会按照TRUE,FALSE,TRUE的模式填满x的长度。如：

    > x <- 1:9  # x = [1,2,3,4,5,6,7,8,9]
    > x[c(TRUE,FALSE,TRUE)]  # 等同于 x[TRUE,FALSE,TRUE,TRUE,FALSE,TRUE,TRUE,FALSE,TRUE] 即 x[c(1,3,4,6,7,9)]
    [1] 1 3 4 6 7 9
    

• 反向选择：x[-1]、x[c(-1,-5)]，下标为负数或负数向量表示取除该下标外的其他元素组成的向量

1.4 其他

• 函数typeof()获取到的是向量中元素的类型，而is.vector()才能判断是否是向量：

  > typeof(x)
  [1] "integer"
  > is.vector(x)
  [1] TRUE
  

• 给向量命名：names(x) <- c('a','b','c','d')，之后就可以通过x['a']获取该名称的元素。注意名称可以重复，此时用名称获取时就只能取到第一个匹配上的元素。
• 一个针对向量的逻辑表达式获取到的就是布尔向量：

  > x <- c(1,3,4,5,6,7,8,9)
  > x > 5
  [1] FALSE FALSE FALSE FALSE TRUE TRUE TRUE TRUE
  

  故可以结合这种特性直接做筛选：

  > x <- c(1,3,4,5,6,7,8,9)
  > x[x>5]
  [1] 6 7 8 9
  

• 注意：R中没有真正的标量，只有一个元素的向量，如：

  > a <- 1
  > is.vector(a)
  [1] TRUE
  > a
  [1] 1
  > a[1]
  [1] 1
  

2. 矩阵（matrix）

2.1 基本描述

即二维数组，其中元素必须类型一致

2.2 创建方式

matrix(
   data = vector, 
   nrow = rowNum, 
   ncol = colNum, 
   byrow = FALSE/TRUE, 
   dimnames = list(rowNamesVector, rowNamesVector)
)

若data的长度小于rowNum * colNum则循环重复填充，若大于rowNum * colNum则截取填充。如：

 > m <- matrix(data = 1:20, nrow = 4, ncol = 5, byrow = TRUE, dimnames = list(c("R1","R2","R3","R4"),c("C1","C2","C3","C4","C5")))
 > m
    C1 C2 C3 C4 C5
 R1  1  2  3  4  5
 R2  6  7  8  9 10
 R3 11 12 13 14 15
 R4 16 17 18 19 20

2.3 取值方式

• 选择行：x[1,]、x['R1',]
• 选择列：x[,1]、x[,'C1']
• 选择单元：x[1,1]、x['R1','C1']
• 多选：x[c(1,2),1]、x[1,c(1,2)]、x[c('R1','R2'),'C1']、x['R1',c('C1','C2')]、x[c(TRUE,FALSE,TRUE),]、x[,c(TRUE,FALSE,TRUE)]…
• 反向选择：x[,-1]、x[c(-1,-2),]，下标为负数或负数向量表示取除该下标外的其他行或列组成的矩阵

2.4 其他

• 函数typeof()获取到的是矩阵中元素的类型，而is.matrix()才能判断是否是矩阵：

  > typeof(m)
  [1] "integer"
  > is.matrix(m)
  [1] TRUE
  

• 与向量类似，一个针对矩阵的逻辑表达式获取到的就是布尔矩阵，同样可以直接进行筛选：

  > m>5
     C1    C2    C3    C4    C5
  R1 FALSE FALSE FALSE FALSE FALSE
  R2  TRUE  TRUE  TRUE  TRUE  TRUE
  R3  TRUE  TRUE  TRUE  TRUE  TRUE
  R4  TRUE  TRUE  TRUE  TRUE  TRUE
  > m[m>5]
  [1]  6 11 16  7 12 17  8 13 18  9 14 19 10 15 20
  

  此处应注意筛选出的是向量，并且顺序是按列排列的。

3. 数组（array）

3.1 基本描述

即多维数组，是矩阵的扩展，其中元素必须类型一致。

3.2 创建方式

array(
   data = vector, 
   dim = vector, 
   dimnames = list(dimNamesVector1, dimNamesVector2,...)
)

其中dim即为表示各个维度长度的向量。如c(2,3,4,5)表示2*3*4*5的4维数组。data与矩阵类似，长度不够则循环重复填充，长度超出则截断填充，而且填充按维度顺序进行，即先把第一个维度遍历填充，之后第二个维度加一，继续在第一个维度上遍历填充。如：

> arr <- array(data = 1:24, dim = c(2,3,4), dimnames = list(c('A1','A2'),c('B1','B2','B3'),c('C1','C2','C3','C4')))
> arr
, , 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

3.3 取值方式

• 选择特定一个维度：x[1,,]、x[,'B1',]
• 选择特定多个维度：x[,c(TRUE,FALSE,TRUE),1]、x['A1',,c(2,3)]
• 选择指定单元：x[1,1,1]、x['A1','B1','C1']
• 反向选择：x[,-1,]、x[c(-1,-2),,]，下标为负数或负数向量表示取除该下标外的其他元素组成的数组
  一定要注意逗号的个数，即 逗号个数 = 维度 - 1

3.4 其他

• 函数typeof()获取到的是数组中元素的类型，而is.array()才能判断是否是数组：

  > typeof(arr)
  [1] "integer"
  > is.array(arr)
  [1] TRUE
  

  此处应注意，由于矩阵就是二维的数组，故对二维的数组调用is.matrix返回的是TRUE；对矩阵调用is.array同样返回TRUE。而不管对任何矩阵或数组，调用is.vector均返回FALSE。

• 与向量和矩阵类似，一个针对数组的逻辑表达式获取到的就是维度一致的布尔数组，同样可以直接进行筛选：

  > arr[arr > 15]
  [1] 16 17 18 19 20 21 22 23 24
  

  此处应注意筛选出的是向量，并且顺序是按列排列的。

个人小结：本质上来讲，向量（vector）、矩阵（matrix）、数组（array）都仅仅是一系列同一种类型数据的不同组织方式。在RStudio中除了矩阵，向量和数组也出现在Values列表中而不是Data列表中。可以看出R语言操作取值的方式非常灵活，尤其可以直接结合布尔表达式进行筛选。

4. 数据框（data.frame）

4.1 基本描述

类似Excel表格，其中每列数据即为一个向量，每列数据的类型可以不同，但每列数据的长度必须一致。

4.2 创建方式

data.frame(
   key1 = vector1, key2 = vector2, ...,
   row.names = vector(row1Name, row2Name, ...)
)

其中定义各列即通过key = value进行，其中value即为表示该列数据的向量；key即为最后生成的数据表中，该列的名称。row.names即为最后生成的数据表中每一行的名称。

4.3 取值方式

• 选择特定一列或多列：df[1]、df[c(1,2)]、df[c(TRUE,FALSE)]、df[c('key1','key2')]。注意即使仅仅选择一列，这种方式选取出来的数据仍为数据框结构；
• 以向量形式选择特定一列：df$key1。注意用这种方式选取的数据则为向量，即丢失了名称信息，但方便进行各种操作。
• 选择指定单元：df[1,1]、x['row1Name','key1']
• 反向选择：df[,-1]、df[c(-1,-2),]，下标为负数或负数向量表示取除该下标外的其他元素组成的数据框

4.4 其他

• 函数typeof()获取到的类型为list，因为Dataframe本质上也就是列表，详情下述。而is.data.frame()才能判断是否是数据框

  > typeof(df)
  [1] "list"
  > is.data.frame(df)
  [1] TRUE
  

5. 列表（list）

5.1 基本描述

数据框dataframe要求每列数据的长度必须一致。列表list就是数据框的扩展，不要求每个成分的长度都一样，更自由也更复杂。

5.2 创建方式

list(key1 = object1, key2 = object2, ...)

其中定义列表中各个成分即通过key = value进行，其中value可以为R中任意一种对象；key即为最后生成的列表中，该成分的名称。也可以不带有key，则各个成分的名称则从1开始按顺序命名。

5.3 取值方式

• 选择特定一个成分：l[[1]]、l[['key1']]。在成分有名称时也可以使用$进行选择，如l$key1
• 反向选择：df[,-1]、df[c(-1,-2),]，下标为负数或负数向量表示取除该下标外的其他元素组成的数据框

5.4 其他

• 函数typeof()获取到的列表类型均为list。因为Dataframe本质上也就是列表，故使用is.list()判断数据框也为TRUE。并且数据框也可以通过两个方括号获取具体某列，效果与使用$一致。

  > df <- data.frame(x=c(1:9),y=c(2:10), row.names = c(1:9))
  > is.list(df)
  [1] TRUE
  > df[['x']]
  [1] 1 2 3 4 5 6 7 8 9
  > df$x
  [1] 1 2 3 4 5 6 7 8 9