learnR_datastructure_2

learnR_datastructure_2

#数据集的行和列
统计学家：           观测和变量   observation&variable
数据分析师：          记录和字段   record&field
数据挖掘者：          示例和属性   example&attribute

#数据结构：          伪“标量”、向量、矩阵、数组、数据框、列表。
#数据类型：          数值型、字符型、逻辑型、复数型（虚数）、原生型（字节）。
#变量：                包括名义型（类别型）、有序型、连续型等变量。
####名义型变量：  diabetes <- c('Type1','Type2','Type1','Type1')  
####有序型变量：  status <- c('Poor','Improved','Excellent','Poor')   
####连续型变量：  age <- c(18,23,20,24)
#对象：                常量、数据结构、函数、图形。
#实例标识符：         rownames(行名)，标记实例名称所用的变量。
#因子：                R中，指类别（名义型）变量和有序变量。它决定数据的分析方式和视觉呈现。

2.1 伪“标量”（维度='1'， 共存数据类型=1, mode=unsure）
my_scalar <- 'hello' #R中没有标量，标量以单元素向量的形式出现。

2.2 向量  （维度=1， 共存数据类型>1, mode=unsure）
my_vector <- c(1, 'hello', TRUE, 3+4i)

2.3 矩阵  （维度=2， 共存数据类型=1, mode='numeric'）
vector <- 1:12
rnames <- c('r1','r2','r3')
cnames <- c('c1','c2','c3','c4')
my_matrix <- matrix(vector, nrow=3, ncol=4, byrow=FALSE, dimnames=list(rnames, cnames))

2.4 数组  （维度>2， 共存数据类型=1, mode='numeric'）
vector <- 1:24
dim1 <- c('a1','a2')
dim2 <- c('b1','b2','b3')
dim3 <- c('c1','c2','c3','c4')
my_array <- array(vector, c(2,3,4), dimnames=list(dim1,dim2,dim3))

2.5 数据框（维度=2， 共存数据类型>1, mode='list'）
id <- c(1,2,3)
name <- c('Curry','Tampson','Green')
age <-c (20,NA,22)
sex <- c('male','female','male')
my_data <- data.frame(id, name, age, sex, row.names=id)#实例标识符row.names

2.6 列表      （维度>2， 共存数据类型>1, mode='list'）
aa <- 'My_First_list'
bb <- c('Tom','Jerry')
cc <- matrix(1:10, nrow=5) 
my_list <- list(title=aa, person=bb, score=cc)
my_list[[2]] == my_list[['person']] == my_list$person

########################################################################
#关于数据框中变量（my_data$name）的不同的代码写法

2.5.1   常规写法
summary(mtcars$mpg)
plot(mtcars$mpg, mtcars$disp)
plot(mtcars$mpg, mtcars$wt)
2.5.2   不推荐#attach()，容易引起变量名冲突
attach(mtcars)
summary(mpg)
plot(mpg, disp)
plot(mpg, wt)
detach(mtcars)
2.5.3   #with()函数
with(mtcars, {
    no_print  <- summary(mpg)
    yes_print <<- summary(mpg)  #<<-特殊赋值符
    plot(mpg, disp)
    plot(mpg, wt)
})
yes_print
no_print

2.5.4 因子
R中，指类别（名义型）变量和有序变量。它决定数据的分析方式和视觉呈现。
####名义型变量factor()转换：
diabetes <- c('Type1','Type2','Type1','Type1')
diabetes_f <- factor(diabetes)  #无序赋值numeric1,2,3...

####有序型变量factor()转换：
status <- c('Poor','Improved','Excellent','Poor')
status_f1 <- factor(status, ordered=TRUE)   #以字母顺序赋值numeric1,2,3...
status_f2 <- factor(status, ordered=TRUE, levels=c('Poor','Improved','Excellent'))
#以levels顺序赋值numeric1,2,3...

另，读取Excel多行表头的data.frame方式处理：