R语言入门学习笔记（二）

R语言入门学习笔记（二）

---

---

前言

我们已经学习了R语言的基础操作界面以及主要R元素（函数、R包等）。接下来，我们将具体学习R对象（向量、矩阵、数组、列表、数据框）的相关知识。了解R对象将有利于系统了解R语言处理以及存储数据的形式。其中，还会介绍属性与强制转换的概念，这对于更深入了解所有R对象的特征有所帮助。

一、R向量

1.原子型向量

原子型向量是最简单的包含数据的向量，在R中表示为几个单独数据的组合。比如，c(1, 2, 3)就表示了一个原子型向量，其中的元素为数字1，2，3。R中，可以将一组数据使用c函数组合起来从而形成一个原子型向量。
注意：可以使用is.vector()检验对象是否为原子型向量，可以使用length()检测向量的长度。

2.向量类型

R中，可以使用6种类型的原子型向量：数值型（双整型，double）、整型（integer）、字符型（character）、逻辑型（logical）、复数类型（complex）、原始类型（raw）。可以使用typeof()查看向量类型。
（1）数值型也叫双整型，是数字的默认类型。可以包含正负数，也可以包含小数。
（2）整型，只包含整数。想要获得一个整型的数字，可以在一个整数后面键入“L”来实现。
注意：双整型会有浮点误差的存在，这是由于双整型对象有64字节的存储空间，在遇到一些数字时可能不能存储完全，就会进行取舍从而造成误差。比如$(\sqrt{2}{)}^2-2$计算结果就是4.4108…
（3）字符型指的是纯文本，通过在字符外加双引号来获得。比如，text <- "hello"。
（4）逻辑型只有两个，分别是TURE和FALSE在R中默认T和F为连着和的缩写。
（5）复数类型，将数字与字母i相加得到，指的是数学概念上的复数。
（6）原始类型是存储数据的原始字节，可以使用raw(n)生成一个长度为n的空原始类型向量。

3.属性

属性是附加给原子型向量的额外信息，可以理解为对象的元数据（metadata）。通常R会忽略这些属性信息。
可以使用attributes()查看对象的属性信息。但如果不人为为原子型向量添加属性，会返回NULL。原子型向量常见的属性信息为名称、维度和类（后面要介绍的R对象的其他类型也是如此）。名称属性可以使用names()直接查看，可以使用names()为原子型向量附上名称属性。

a <- c(1, 2, 3)
names(a)
#> NULL
names(a) <- c("one", "two", "three")
names(a)
#> "one" "two" "three"
attributes(a)
#> $names
#> [1] "one" "two" "three"

维度属性可以将原子型向量转换为一个多维数组（array）。方法是将原子型向量附上dim属性，例如可以将a向量重排位一个1×3的矩阵（一行三列）。

dim(a) <- c(1, 3)
a
#>	    [,1] [,2] [,3]
#> [1,]    1    2    3

另外想要删除这些属性，只需要将相应属性附上NULL即可。
类属性将在后面第五节进行说明。

二、R矩阵

矩阵就是一个用来存储数据的二维数组，这与线性代数中的矩阵概念没什么区别。想要生成一个矩阵，要将一个原子型向量交给matrix()函数。其中，使用nrow参数定义该矩阵的行数，或使用ncol参数定义矩阵的列数。

b <- c(1, 2, 3, 4, 5, 6)
m <- matrix(b, nrow = 2)
#>      [,1] [,2] [,2]
#> [1,]    1    3    5
#> [2,]    2    4    6

注意matrix的默认排序方式是先排满列在排行。如果想要更改为按行优先排列，可以设置参数byrow = TRUE即可。

三、数组

array函数用于生成一个n维数组。比如可以利用array将数值排列到一个三维立方空间中。它没有matrix函数那么灵活，和dim属性设置的效果类似。array()的第一个参数是一个原子型向量，第二个参数名称为dim。

ar <- c(1:4, 5:8, 9:12)
array(ar, dim = c(2, 2, 3))
#> , , 1
#> 
#>      [,1] [,2]
#> [1,]    1    3
#> [2,]    2    4
#> 
#> , , 2
#> 
#>     [,1] [,2]
#> [1,]    5    7
#> [2,]    6    8
#> 
#> , , 3
#> 
#>      [,1] [,2]
#> [1,]    9   11
#> [2,]   10   12

四、列表

列表是将数据组织在一个一维集合中，但它与原子型向量不同的是，它组织的不是具体的值，而是R对象。可以使用list()函数创建列表。

lst <- list(1:20, "R语言真好玩", list(TRUE, FALSE))
lst
#> [[1]]
#>  [1]  1  2  3  4  5  6  7  8  9 10 #> 11 12 13 14 15 16 17 18 19 20
#> 
#> [[2]]
#> [1] "R语言真好玩"
#> 
#> [[3]]
#> [[3]][[1]]
#> [1] TRUE
#> 
#> [[3]][[2]]
#> [1] FALSE

结果中的[[1]]表示的是列表中的第一个元素，[1]表示的是某个元素的第1行内容。
可以使用str函数查看列表中的对象

五、数据框

数据框是列表的二维版本，它可以将向量组织在一个二维表格之中，这是数据分析时常用的一种R对象。数据框与矩阵相比，它可以在每一列保存一种类型的数据，列与列之间可以不同，但是每列需要是同一种数据类型的数据，且每列会有列名。
手动创建数据框可以使用data.frame()函数：

df <- data.frame(day = c("Mon", "Tue", "Wed"), event = c("Play", "Play", "Play"), times = c(5, 6, 7))
df
#>   day event times
#> 1 Mon  Play     5
#> 2 Tue  Play     6
#> 3 Wed  Play     7

数据框不能组合不等长的向量，需要确保每个向量的长度相等，或者R的循环规则下可以变成等长向量（在学习笔记（一）中提到的，较短向量进行重复至较长的向量长度，及长向量长度需要是短向量长度的整数倍）。

六、类（class）的概念

前面介绍了属性的概念，到这里介绍了更多的R对象，所有的R对象都有属性的特征，都可以看作是这类R对象的元数据。类属性作为属性的一种，具体的表明了对象的类别。改变对象的维度会改变其class属性。

dim(a) <- c(1, 3)
typeof(a)
#> "double"
class(a)
#> "matrix" "array" 

在运行attributes()函数时，对象的class属性不一定总会显示，有时可能需要class()函数进行查询。一些原子型向量在查询类属性时如下：

class("感谢阅读，共同成长")
#> "character"
class(6)
#> "numeric"

可以看到，原子型向量的class属性与其类型存在一些偏差，例如双整型向量的类是“numeric”。
可以使用class函数设置对象的类属性。在R中，类属性相同的对象通常具有类似的特性。在后续的学习中也将慢慢地介绍如何构建和使用自己定义的类。
下面介绍另外两种原子型向量的类：日期与时间和因子型。
（1）日期和时间，R中会有一个特殊的类来表示日期和时间数据。

# 获得系统时间
now <- Sys.time()
now
#> [1] "2024-01-29 19:44:55 CST"
class(now)
#> [1] "POSIXct" "POSIXt" 
typeof(now)
#> "double"

POSIXct是一个广泛应用于表示日期与时间的框架，在这个框架下，时间表示为自1970年1月1日零点（UTC）开始逝去的秒数。可以使用unclass()函数将class属性移除来显示这一具体秒数。

unclass(now)
#> [1] 1706528695

（2）因子，在R中用于存储分类信息。比如民族和发色等。可以将其视为性别类似的概念，即限定了取值范围。这些值之间可能有一些特殊的顺序规则。
可以使用factor()函数传递一个原子型向量生成一个因子。R会将向量中的值重编码为一串整数值，再将编码的结果存储在一个整型向量中。此外，R还会为其田间一个levels属性和class属性：

color <- factor(c("red", "green", "red", "green"))
typeof(color)
#> "integer"

attributes(color)
#> $levels
#> [1] "green" "red"  
#>
#> $class
#> [1] "factor"

使用unclass函数查看R是如何存储因子的：

unclass(color)
#> [1] 2 1 2 1
#> attr(,"levels")
#> [1] "green" "red"  

因此可知，R在显示因子信息时使用了levels属性。每个1显示为green，2显示为red。
因子的存在使得统计模型中加入分类变量变得简单，因为这些变量已经被编码为一些数值。但是，因子引起表现为整数值往往会使人比较困惑。
加载和生成数据时，R会经常尝试将字符串类型的数据转换为因子型。一般而言需要禁止这样做。可以使用as.character()函数将一个因子强制转换成字符串，这样R会将因子标签转换为字符串向量而舍弃其中的整数值信息。

七、强制转换

如果尝试将不同类型的数据塞进同一个向量，R会将它们转换为同一种类型。这牵扯到了R的强制转换，也是默认情况下R的一种对数据类型的转换方式。了解这套规则后，可以利用这个功能完成很多事情。
规则是，如果原子型向量包含字符串，R会将该向量中所有元素转换为字符型。如果只包含逻辑型和数值型，R会将逻辑型转换为数值型，其中TRUE值转换为1，FALSE值转换为0。（即转换优先级：字符型 > 数值型 > 逻辑型）引用书中的一幅图来强化一下记忆！

八、加载数据和保存数据

在数据分析过程中，我们往往将外部数据保存为R对象进行分析，然后将分析后的结果R对象保存为输出文件。大多数数据科学应用程序都可以直接打开纯文本文件，也可以将相关数据输出为纯文本文件。
要在R中加载一个纯文本文件，可以在RStudio中单击Import Dataset，然后选择From text file即可。

另外，也可以直接使用read.table()或read.csv()对本地文件进行读取。可以自行使用?read.table调取帮助文档学习。

read.csv("data.csv", header = TRUE)

其中header = TRUE表示data.csv中包含列名。
保存数据时，可以使用write.csv()命令：

write.csv(data, file = "results.csv", row.names = FALSE)

其中row.names = FALSE用于避免R在存储数据时将行名一起存储（一列数字）。

总结

至此，我们了解了R语言中R对象的基本形式。掌握并牢记这些基本的R对象对后续的数据分析十分关键。另外还学到了R对象属性的概念，其中class类属性表示的是R对象的一种类型，这些属性的概念后续还会有重要的应用。在输入数据时，R会执行强制转换，这个强制转换的规则是R的内部规则，熟悉后后续会有不错的应用。