2 数据结构及数据的输入输出

数据结构

R语言的基础数据机构包括标量、向量、矩阵、数据框、因子、列表等，下面将逐一介绍

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。向量一般由函数c()生成，也可由其他函数生成。以下是常用的向量生成方法。

a <- c(1,2,-5,1,3,-10)
a ## 这行代码用于显示a

1. 1
2. 2
3. -5
4. 1
5. 3
6. -10

b <- c('Feb', 'July', "June", 'Oct') #单引号与双引号效果一样

c <- c(TRUE, FALSE, T, F) ## TRUE与T等效，同理，FALSE与F等效

d <- seq(from=1, to=10, by=2) 
d

1. 1
2. 3
3. 5
4. 7
5. 9

##seq() 常用来生成向量，如果想了解更多 seq()函数的细节，可以输入如下代码：
?seq

e <- seq(from=1, to=10, length.out=10)
e
length(e) ## 输出 向量e的长度

1. 1
2. 2
3. 3
4. 4
5. 5
6. 6
7. 7
8. 8
9. 9
10. 10

10

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。

y1 <- matrix(1:20, nrow=5, ncol=4)
y1

A matrix: 5 × 4 of type int

1	6	11	16
2	7	12	17
3	8	13	18
4	9	14	19
5	10	15	20

y2 <- matrix(1:20, nrow=5, ncol=4, byrow=T)
y2

A matrix: 5 × 4 of type int

1	2	3	4
5	6	7	8
9	10	11	12
13	14	15	16
17	18	19	20

y2[1,]

1. 1
2. 2
3. 3
4. 4

y2[2,]

1. 5
2. 6
3. 7
4. 8

数据框

数据框是进行数据分析时候，最常使用的一个数据格式。数据框的每一行表示一个样本，每一列表示一个特征。如下是一个典型的数据框。

data(mtcars)
head(mtcars)

A data.frame: 6 × 11

	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>
Mazda RX4	21.0	6	160	110	3.90	2.620	16.46	0	1	4	4
Mazda RX4 Wag	21.0	6	160	110	3.90	2.875	17.02	0	1	4	4
Datsun 710	22.8	4	108	93	3.85	2.320	18.61	1	1	4	1
Hornet 4 Drive	21.4	6	258	110	3.08	3.215	19.44	1	0	3	1
Hornet Sportabout	18.7	8	360	175	3.15	3.440	17.02	0	0	3	2
Valiant	18.1	6	225	105	2.76	3.460	20.22	1	0	3	1

数据框的创建很简单，如下是一种简单的数据框创建方式：

id <- 1:5
status <- c("poor", "improved", "excellent", "poor", 'improved')
gender <- c('female', 'male', 'female', 'male', 'male')
df <- data.frame(id, status, gender)
df

A data.frame: 5 × 3

id	status	gender
<int>	<chr>	<chr>
1	poor	female
2	improved	male
3	excellent	female
4	poor	male
5	improved	male

选取数据框的某一类，可通过数据框名称$特征值名称的方式

df$id

1. 1
2. 2
3. 3
4. 4
5. 5

对数据框进行初步分析，可采用如下方式：

summary(df)

       id       status             gender         
 Min.   :1   Length:5           Length:5          
 1st Qu.:2   Class :character   Class :character  
 Median :3   Mode  :character   Mode  :character  
 Mean   :3                                        
 3rd Qu.:4                                        
 Max.   :5                                        

为数据框df增加一列，可采用如下操作：

a <- c(3,4,1,2,3)
df$b <- a
df$c <- a > 3
head(df)

A data.frame: 5 × 5

	id	status	gender	b	c
	<int>	<chr>	<chr>	<dbl>	<lgl>
1	1	poor	female	3	FALSE
2	2	improved	male	4	TRUE
3	3	excellent	female	1	FALSE
4	4	poor	male	2	FALSE
5	5	improved	male	3	FALSE

当然，更多时候，数据框不是通过输入获得，而是通过读取硬盘文件获得。关于读取文件，我们会在后面讲解。

因子

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）。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。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上。

因子分为无序因子和有序因子两类：

## 无序因子
type <- c('a', 'b', 'a', 'c', 'b') #字符串向量
type_f <- factor(type) #将向量type转换为无序因子 
# type_f <- factor(type)将此向量存储为(1, 2, 1, 3, 1)
# 并在内部将其关联为 1=a，2=b，3=c（具体赋值根据字母顺序而定）
paste("type的类别是",class(type))

‘type的类别是 character’

1. 'a'
2. 'b'
3. 'a'
4. 'c'
5. 'b'

paste("type_f的类别是",class(type_f))
str(type_f)

‘type_f的类别是 factor’

 Factor w/ 3 levels "a","b","c": 1 2 1 3 2

## 有序因子

satisfaction <- c("dissatisfied", "satisfied", "neutral", "satisfied", "dissatisfied")
satisfaction_f <- factor(satisfaction, order=T,
                        levels = c("dissatisfied", "neutral", "satisfied" ))
str(satisfaction_f)

 Ord.factor w/ 3 levels "dissatisfied"<..: 1 3 2 3 1

列表

列表（list）是一些对象的有序集合。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。

a <- "abcdefsds"
b <- 1:10
c <- matrix(1:20, nrow=2)
a_list <- list(a_string=a, a_vector=b, a_matrix=c)
a_list

$a_string

'abcdefsds'

$a_vector

1. 1
2. 2
3. 3
4. 4
5. 5
6. 6
7. 7
8. 8
9. 9
10. 10

$a_matrix

A matrix: 2 × 10 of type int

1	3	5	7	9	11	13	15	17	19
2	4	6	8	10	12	14	16	18	20

str(a_list$a_string)
str(a_list$a_matrix)

 chr "abcdefsds"
 int [1:2, 1:10] 1 2 3 4 5 6 7 8 9 10 ...

数据的输入输出

一般情况下，我们较少从键盘上输入数据，更多的是从硬盘的文件中导入数据。经常使用的数据格式包括：csv，txt，xls,dta格式等。

df1 <- read.table("data1.csv", header=T, sep=",") 
## header 用于表征每列是否有名称，sep用于表征数据与数据之间的分隔符，csv格式的分隔符是","
## 如果读取文件的路径不是R默认的路径，应该写入绝对路径：
## df1 <- read.table("D:/datafile/data1.csv", header=T, sep=",")
head(df1)

A data.frame: 6 × 12

	X	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
	<chr>	<dbl>	<int>	<dbl>	<int>	<dbl>	<dbl>	<dbl>	<int>	<int>	<int>	<int>
1	Mazda RX4	21.0	6	160	110	3.90	2.620	16.46	0	1	4	4
2	Mazda RX4 Wag	21.0	6	160	110	3.90	2.875	17.02	0	1	4	4
3	Datsun 710	22.8	4	108	93	3.85	2.320	18.61	1	1	4	1
4	Hornet 4 Drive	21.4	6	258	110	3.08	3.215	19.44	1	0	3	1
5	Hornet Sportabout	18.7	8	360	175	3.15	3.440	17.02	0	0	3	2
6	Valiant	18.1	6	225	105	2.76	3.460	20.22	1	0	3	1

##csv格式是最常用的保存数据的格式，excel中可以保存为csv格式，如果是csv格式，可以用更简单的函数导入数据
##write.csv中将分隔符设置为","
df2 <- read.csv("data1.csv", header=T)
head(df2)

A data.frame: 6 × 12

	X	mpg	cyl	disp	hp	drat	wt	qsec	vs	am	gear	carb
	<chr>	<dbl>	<int>	<dbl>	<int>	<dbl>	<dbl>	<dbl>	<int>	<int>	<int>	<int>
1	Mazda RX4	21.0	6	160	110	3.90	2.620	16.46	0	1	4	4
2	Mazda RX4 Wag	21.0	6	160	110	3.90	2.875	17.02	0	1	4	4
3	Datsun 710	22.8	4	108	93	3.85	2.320	18.61	1	1	4	1
4	Hornet 4 Drive	21.4	6	258	110	3.08	3.215	19.44	1	0	3	1
5	Hornet Sportabout	18.7	8	360	175	3.15	3.440	17.02	0	0	3	2
6	Valiant	18.1	6	225	105	2.76	3.460	20.22	1	0	3	1

##写入数据与读取数据类似
write.table(df1, "data2.csv", sep=",")
write.csv(df1, "data3.csv")

## xls格式的导入
library(xlsx)
df3 <- read.xlsx("data2.xls",1)
head(df3)

A data.frame: 6 × 6

	mpg	cyl	disp	hp	drat	wt
	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>
1	21.0	6	160	110	3.90	2.620
2	21.0	6	160	110	3.90	2.875
3	22.8	4	108	93	3.85	2.320
4	21.4	6	258	110	3.08	3.215
5	18.7	8	360	175	3.15	3.440
6	18.1	6	225	105	2.76	3.460

## xlsx格式的导入
df4 <- read.xlsx("data3.xlsx",2)
head(df4)

A data.frame: 6 × 5

	qsec	vs	am	gear	carb
	<dbl>	<dbl>	<dbl>	<dbl>	<dbl>
1	16.46	0	1	4	4
2	17.02	0	1	4	4
3	18.61	1	1	4	1
4	19.44	1	0	3	1
5	17.02	0	0	3	2
6	20.22	1	0	3	1