R语言数据集的学习

一、数据集的概念

按照个人要求的格式来创建含有研究信息的数据集，这是任何数据分析的第一步。在R中，这个任务包括以下两步:
    ·选择一种数据结构来存储数据；
    ·将数据输入或导入到这个数据结构中。
数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量
R可以处理的数据类型（模式）【区别数据结构】包括数值型、字符型、复数型和原生型。R将实例标识符称为rownames(行名)，将类别型(包括名义型和有序型)变量称为因子(factors)。

二、数据结构

• R语言有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表，它们在存储数据类型、创建方式、结构复杂度、以及用于定位和访问其中个别元素的标记等方面均有所不同。

1.向量

向量是用于存储数据型、字符型或逻辑型数据的一维数组。执行组合功能的函数c()用来创建向量。
注意：单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型），同一向量中无法混杂不同模式的数据。

rep()重复一个对象，格式1：

rep(x,times)

x是要重复的对象，times为对象中每个元素重复的次数
例向量c（1，2，3），times=c(2,2,3)是将向量c的1重复2次，2重复2次，3重复3次。

格式2：
rep(x,each=n)
重复x元素n次，

rnorm（）函数随机产生正态分布向量
格式：rnorm（个数，均差，方差）

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matrix()函数创建。（在矩阵中，默认按列填充）
matrix (data ,nrow ,ncol ,byrow ,dimnames )
data：是将要转为矩阵元素的输入向量
nrow：矩阵的行数，默认为1；
ncol：矩阵的列数，默认为1；
byrow：一个逻辑线索。 如果为TRUE，则输入向量元素按行排列，默认按列；
dimnames：以字符型向量表示的行名及列名。

3.数组

在R语言中，数组与矩阵类似，它将矩阵扩展到2维以上。R数组元素的类型也是单一的，可以是数值型，逻辑型，字符型或复数型等。

1）数组的创建

array( data, dim =length, dimnames)
data为创建数组的元素；
dim为数组的维数，是数值型向量；
dimnames是各维度中名称标签列表。

在创建数组时也可以给数组的每一维的每个水平取名字：

4. 数据框

当有多种模式（数值型、字符型或逻辑型）的数据时，可以使用数据框。因为数据框的本质是由一堆向量或者因子构成的列表，其中的每一个向量或者因子代表了一列。（注意每一列的数据类型必须相同。）

1）创建数据框——data.frame（）函数
格式：data.frame(col1,col2,col3…)其中col1,col2,col3…可为任何类型。每一列的名称可由函数name指定。

data.frame(…, row.names = NULL, check.rows = FALSE, check.names = TRUE, stringsAsFactors = default.stringsAsFactors())

row.name用于指定各行的名称，默认没有名称，使用从1开始自增的序列来标识每一行；check.rows用于用来检查行的名称和数量是否一致，默认为FALSE；check.names来检查变量（列）的名称是否唯一且符合语法，默认为TRUE；用来描述是否将字符型向量自动转换为因子，默认转换，若不改变的话使用stringsAsFactors = FALSE来指定即可。

例:关于病人的数据框创建

数据框的每一列数据的模式必须唯一，可以将多个模式的不同列放到一起组成数据框。由于数据框与分析人员通常设想的数据集的形态较为接近，我们在讨论数据框时将交替使用术语**😎

x<-expand.grid(h=c(20,40),w=c(100,200),sex=c("M","F"))
x<

2)数据框的引用
访问数据：
通过行列的下标访问

通过列名或列下标查看列

[[]]和$
若只查看数据的某一列还可以通过 [[]] 和 $

增加和删除列——通过 $ 增加列