r语言python对比_R和Python数据结构对比

本文内容概要：R语言数据结构及实例操作

Python语言数据结构及实例操作

R语言数据结构及实例解析

接下开始学习R语言的向量、矩阵、数组、数据框、列表这五个数据结构。

1.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。函数c()可用来创建向量。单个向量中的数据必须拥有相同的数据类型.

> name <-c('猴子','李四','王五','张三'); #创建一个向量，并且赋值给name

> name

[1] "猴子" "李四" "王五" "张三"'猴子','李四','王五','张三');

查看向量有多少个元素

> length(name)

[1] 4

查找其中的某个元素

> name[1]

[1] "猴子" #得出位置1的元素

> name[2]

[1] "李四" #得出位置2的元素

> name[1:3]

[1] "猴子" "李四" "王五" #得出位置1到3的元素

增加一个元素

> name<-c(name,'小麻子')

> name

[1] "猴子" "李四" "王五" "张三" "小麻子"

2.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：

myymatrix <- matrix(vector, nrow=number_of_rows, ncol=number_of_columns,

byrow=logical_value, dimnames=list(

char_vector_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），默认情况下按列填充。

创建矩阵

> data<-c(1,2,3,4,5,6)

> rnames<-c('r1','r2')

> cnames<-c('c1','c2','c3')

> a<-matrix(data=data,nrow=2,ncol=3,byrow=TRUE,dimnames = list(rnames,cnames))

> a

c1 c2 c3

r1 1 2 3

r2 4 5 6

查找

> a[1,] #得出矩阵的第一行

c1 c2 c3

1 2 3

> a[,1] #得出矩阵的第一列

r1 r2

1 4

> a[1,2] #得出行为1，列为2的元素

[1] 2

矩阵在绘制条形图中的一个应用

> age<-c(29,34,28,52)

> rname

> a<-matrix(age,nrow=4,ncol=1,dimnames=list(rnames,cnames))

> a

年龄

张三 29

李四 34

王五 28

麻子 52

> barplot(a[,'年龄'])

可看到年龄分布图如下

3.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。如下创建了一个三维（2×3×4）数值型数组。

> 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))

> 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

4.数据框

与矩阵不同的是，数据框的不同列可以包含不同模式（数值型、字符型等）的数据。每一列数据的模式必须唯一，但是却可以将多个模式的不同列放到一起组成数据框。数据框可通过函数data.frame()创建：

mydata <- data.frame(col1, col2, col3,...)

其中的列向量col1、 col2、 col3等可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定。

实例如下：

> patientID <- c(1, 2, 3, 4)

> age <- c(25, 34, 28, 52)

> diabetes <- c("Type1", "Type2", "Type1", "Type1")

> status <- c("Poor", "Improved", "Excellent", "Poor")

> patientdata <- data.frame(patientID, age, diabetes, status)

> patientdata

patientID age diabetes status

1 1 25 Type1 Poor

2 2 34 Type2 Improved

3 3 28 Type1 Excellent

4 4 52 Type1 Poor

选取数据框中的元素

> patientdata[1:2] #选取1、2两列

patientID age

1 1 25

2 2 34

3 3 28

4 4 52

---------------

> patientdata[c("diabetes", "status")] #选取特定的'diabetes','status'两列

diabetes status

1 Type1 Poor

2 Type2 Improved

3 Type1 Excellent

4 Type1 Poor

-------------------

> patientdata$age # 其中$是用来选取一个给定数据框中的某个特定变量。

[1] 25 34 28 52

------------------

> type2<-patientdata[patientdata$diabetes=='Type2',] #查找'Type2'型的病人

> type2

patientID age diabetes status

2 2 34 Type2 Improved

----------------------------------

> type2.number<-nrow(type2) #'Type2'型的病人有多少个

> type2.number

[1] 1

数据框的增加增加一行

> patientID<-c(5)

> diabetes<-c('Type2')

> status<-c('poor')

> age<-c(30)

> newpatient<-data.frame(patientID,diabetes,status,age)

> newpatient

patientID diabetes status age

1 5 Type2 poor 30

> patientdata<-rbind(patientdata,newpatient) #rbind是根据行进行合并，就是自动往下面顺延，但要求所有数据列数是相同的才能用rbind.

> patientdata

patientID age diabetes status

1 1 25 Type1 Poor

2 2 34 Type2 Improved

3 3 28 Type1 Excellent

4 4 52 Type1 Poor

5 5 30 Type2 poor增加一列

> intime<-c('1月1日','2月2日','3月3日','4月4日','5月5日')

> patientdata<-cbind(patientdata,intime) #cbind是根据列进行合并，合并的前提是所有数据行数相等。

> patientdata

patientID age diabetes status intime

1 1 25 Type1 Poor 1月1日

2 2 34 Type2 Improved 2月2日

3 3 28 Type1 Excellent 3月3日

4 4 52 Type1 Poor 4月4日

5 5 30 Type2 poor 5月5日

5.列表

一般来说，列表就是一些对象（或成分，component）的有序集合。

列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(object1, object2, ...)

还可以为列表中的对象命名：

mylist <- list(name1=object1, name2=object2, ...)

创建一个列表

> g <- "My First List"

> h <- c(25, 26, 18, 39)

> j <- matrix(1:10, nrow=5)

> k <- c("one", "two", "three")

> mylist <- list(title=g, ages=h, j, k)

> mylist

$title

[1] "My First List"

$ages

[1] 25 26 18 39

[[3]]

[,1] [,2]

[1,] 1 6

[2,] 2 7

[3,] 3 8

[4,] 4 9

[5,] 5 10

[[4]]

[1] "one" "two" "three"

> mylist[[2]] #指那个含有四个元素的向量

[1] 25 26 18 39

> mylist[["ages"]] #指那个含有四个元素的向量

[1] 25 26 18 39

Python语言数据结构及实例解析

接下来主要讲解数组、元组、字典三个数据结构

1.列表

列表的数据项不需要具有相同的类型

创建一个列表，只要把逗号分隔的不同的数据项使用方括号括起来即可

创建列表

访问列表中的值

列表通过insert函数插入，函数的第一个参数表示插入的索引位置，第二个表示插入的值。

或者使用append，直接在列表末尾添加上元素。

如果要删除特定位置的元素，用pop函数。如果函数没有选择数值，默认删除最后一个元素，如果有，则删除数值对应索引的元素。

更改元素其实是不需要用到函数，直接选取元素重新赋值即可。

创建多维列表

多维列表中查找

2.元组

元组，它和数列非常相似，但是用圆括号表示。但是它最大的特点是不能修改。

创建元组

查找和列表是相同的

3.字典

字典dict全称dictionary，以键值对key-value的形式存储。所谓键值，就是将key作为索引存储，用大括号表示。

创建字典

通过key索引来查找value值

通过赋值来修改字典

dict中删除key和list一样，通过pop函数。

基础的数据类型差不多就这些了，更多的就交给实践和谷歌吧。