【R语言入门第三章】

第三章：数据操作与数据结构

在第二章中，我们介绍了R语言的基本数据类型、变量、运算符和函数。在本章中，我们将学习如何操作数据，包括数据结构的创建、索引和子集选择、数据的合并和分割等操作。

3.1 数据结构

R语言提供了多种数据结构，用于存储和组织数据。以下是一些常见的数据结构：

3.1.1 向量（Vector）

向量是R中最简单的数据结构，用于存储一维数据。向量可以包含相同类型的数据元素。

# 创建一个数值向量
numeric_vector <- c(1, 2, 3, 4, 5)

# 创建一个字符向量
character_vector <- c("apple", "banana", "cherry")

# 创建一个逻辑向量
logical_vector <- c(TRUE, FALSE, TRUE)

3.1.2 列表（List）

列表是一种复合数据结构，可以包含不同类型的元素，包括向量、矩阵、数据框等。

# 创建一个列表
my_list <- list(numeric_vector, character_vector, logical_vector)

# 访问列表中的元素
element1 <- my_list[[1]] # 第一个元素是一个数值向量
element2 <- my_list[[2]] # 第二个元素是一个字符向量

3.1.3 矩阵（Matrix）

矩阵是二维的数据结构，可以包含相同类型的数据元素。

# 创建一个列表
my_list <- list(numeric_vector, character_vector, logical_vector)

# 访问列表中的元素
element1 <- my_list[[1]] # 第一个元素是一个数值向量
element2 <- my_list[[2]] # 第二个元素是一个字符向量

3.1.4 数据框（Data Frame）

数据框是表格形式的数据结构，每列可以包含不同类型的数据，类似于数据库表格。

# 创建一个数据框
my_data_frame <- data.frame(Name = c("Alice", "Bob", "Charlie"),
                             Age = c(25, 30, 22))

# 访问数据框中的列
names <- my_data_frame$Name # 获取Name列
ages <- my_data_frame$Age # 获取Age列

3.2 数据操作

在R中，你可以执行各种数据操作，包括创建、筛选、合并和转换数据。以下是一些常见的数据操作：

3.2.1 创建数据

你可以使用向量、矩阵、数据框等来创建数据。例如，创建一个新的数据框：

# 创建一个数据框
new_data_frame <- data.frame(Name = c("David", "Eva"),
                             Age = c(28, 24))

3.2.2 索引和子集选择

你可以使用索引和子集选择来访问数据结构中的特定元素或子集。

# 访问向量中的元素
element <- numeric_vector[3] # 获取第3个元素

# 子集选择数据框
subset_df <- my_data_frame[my_data_frame$Age > 25, ] # 选择年龄大于25的行

3.2.3 数据合并

你可以使用合并操作将多个数据结构合并成一个。例如，使用`rbind()`和`cbind()`函数合并数据框的行和列：

# 合并数据框的行
merged_rows <- rbind(my_data_frame, new_data_frame)

# 合并数据框的列
merged_columns <- cbind(my_data_frame, new_data_frame)

3.2.4 数据转换

R提供了许多函数来进行数据转换，如数据类型转换、数据重塑、缺失值处理等。

# 数据类型转换
numeric_vector <- as.numeric(character_vector)

# 数据重塑（将宽格式数据转换为长格式）
library(reshape2)
melted_data <- melt(my_data_frame, id.vars = "Name")

# 处理缺失值
cleaned_data <- na.omit(my_data_frame) # 删除包含缺失值的行

这是关于数据操作和数据结构的一个简要概述。在接下来的章节中，我们将深入探讨数据可视化、统计分析和更高级的R编程技术，以帮助你更好地利用R进行数据分析和建模。