R语言实战第20章 高级编程

第20章 高级编程

20.1 R语言回顾

20.1.1 数据类型

有两种最基本的据类型：原子向量(atomic vector)和泛型向量(generic vector)

#1 原子向量

原子向量是包含单个数据类型(逻辑类型、实数、复数、字符串或原始类型)的数组。

矩阵是一个具有维度属性（dim）的原子向量，包含两个元素（行和列）。

数组是一个具有dim属性的原子向量，其中包含三个或者更多元素。

attr()函数允许你创建任意属性并将其与对象关联，如dim() /dimnames() /names() /row,names() /class() /tsp()，最后一个用来创建时间序列对象。

需要注意的是：不能把不同的类型放到一个矩阵或者数组中。

#以矩阵为例

x <- c(1,2,3,4,5,6,7,8)
class(x)
dim(x)

#为x加上dim属性
attr(x,"dim") <- c(2,4) 
x
class(x)
dim(x)
attributes(x)

 #行和列名可以通过加上dimnames属性得到
attr(x,"dimnames") <- list(c("A1","A2"),
                           c("B1","B2","B3","B4"))
print(x)

 #通过去除dim属性来得到一维的向量
attr(x,"dim") <- NULL
x
class(x)
dim(x)

#2 泛型向量或列表

列表是原子向量和/或其它列表的集合。数据框是一种特殊的列表，集合中每个原子向量都有相同的长度。

head(iris)

attributes(iris)

unclass(iris)

以上数据框实际上是包括五个原子向量的列表，它有一个names属性(变量名的字符串向量)，一个row.names属性(识别单个植物的数字向量)和一个带有data.frame的class属性。unclass()可以观察到每个向量代表数据框的一列的具体情况，此处没有截完整图。

 #理解列表 以16章聚类分析技巧的数据为例

iris[1:4]

set.seed(1234)
fit <- kmeans(iris[1:4],3)
names(fit)
length(fit)
unclass(fit)
str(fit)
sapply(fit, class)

 

 

fit中包含的信息可以用以上代码了解到names提供成分名字，length展示对象包含多少成分，unclass直接检查对象的内容，str展示对象结构；sapply(fit, class)返回该类每个成分的对象。

#3 索引

提取对象中的元素公式：object [index]，object是向量，index是一个整数向量或被命名的字符串向量。

提取成分中的元素公式：object [[integer]]

#没有命名的原子变量元素

x <- c(20,18,15,13)
x[3]

x[c(1,4)]

#有命名的原子变量元素

 x <- c(name="Lily",height=165,age=25)
x[c(1,3)]
x[c("name","age")]

 

 #列表索引
fit <- kmeans(iris[1:4],3) #聚成3类
names(fit)
fit[c(1,3)]
fit[c(2:4)]

 

fit[2]
fit[[2]]

#注意对比fit[2]返回的是列表，但fit[[2]]返回的是矩阵，如果想要把结果作为矩阵输入，那么应该使用双括号 [[ ]]

#获取单个的命名成分object [[integer]]与object$name等价

fit[[2]]

fit$centers

 #将[]组合起来使用
fit[[2]]
fit[[2]][c(2,3),]

#提取了fit的第二个成分并且返回第2和3行（第2和3类中四个变量的均值）

#画出K均值聚类分析的中心

 set.seed(1234)
fit <- kmeans(iris[1:4],3)
means <- fit$centers
library(reshape2)
dfm <- melt(means)
names(dfm) <- c("cluster","measurement","centimeters")
dfm$cluster <- factor(dfm$cluster)
head(dfm)

 library(ggplot2)
ggplot(data = dfm,aes(measurement,centimeters,group=cluster))+
  geom_point(size=3,aes(shape=cluster,color=cluster))+
  geom_line(size=1,aes(color=cluster))+ggtitle("profile of iris cluster")

 

20.1.2 控制结构

三个控制流函数：for()  if()  ifelse()
for()函数语法：
for(var in seq){
  statement
}

var是变量名，seq是计算向量的表达式，如果仅有一个语句，那么花括号可以省略

for(i in 1:4) print(1:i)
for(i in 3:7) print(1:i)
for(i in 5:1) print(2:i)

if()和else()函数语法
if(condition){
  statement
}else {
  statement
}

x<-c(1,3,5,7,8)
y<-c(20,23,37,48,59)
if(interactive()){
  plot(x,y)
} else {
  png("myplot.png")
  plot(x,y)
  dev.off()
}
#如果代码交互运行，interactive()函数返回TRUE，同时输出一个曲线图，
#否则，曲线被存在磁盘里

ifelse()函数语法：
ifelse(test,yes,no)

 #检验p值并标记<0.05为显著

#通过向量循环完成

pvalues <- c(0.011,0.05,0.11)
results <- ifelse(pvalues<0.05,"significant","not significant")
print(results)

#同样的结果可以用显示循环完成
pvalues <- c(0.011,0.05,0.11)
results1 <- vector(mode="character", length=length(pvalues))

for(i in 1:length(pvalues)){
    if (pvalues[i] < .05) results1[i] <- "Significant"
    else results1[i] <- "Not Significant"
  }
print(results1)

 #向量化版本更快~