R语言数据结构

R语言基础：数组和列表（转载）

数组(array)

一维数据是向量，二维数据是矩阵，数组是向量和矩阵的直接推广，是由三维或三维以上的数据构成的.

数组函数是array(),语法是：array(dadta, dim)，其中data必须是同一类型的数据，dim是各维的长度组成的向量。

1、产生一个三维和四维数组。

例1：xx <- array(1:24, c(3, 4, 2)) #一个三维数组

例2：yy <- array(1:36, c(2, 3, 3, 2)) #一个四维数组

 

2、dim()函数可将向量转化成数组或矩阵。

例1：xx <- 1:24; dim(xx) <- c(3, 4, 2); xx #效果同array(1:24, c(3, 4, 2))

例2：zz <- 1:10; dim(zz) <- c(2, 5); zz #效果同matrix(1:10, 2, 5) 

 

列表(list)

向量、矩阵和数组的元素必须是同一类型的数据。一个数据对象需要包含不同的数据类型，它可以采用列表这种形式。

创建列表可用list()函数，语法是：list(name1 = component1, name2 = component2, ...)。

1、创建一个列表

例1： xx <- rep(1:2, 3:4)

yy <- c('Mr A', 'Mr B', 'Mr C', 'Mr D', 'Mr E', 'Mr D', 'Mr F')

zz <- 'discussion group'

name.list <- list(group = xx, name = yy, decription = zz) #创建了一个名为"name.list"的列表

name.list$n[name.list$g == 2]

length(name.list)

mode(name.list)

names(name.list)

向量（vector）

1、seq():产生有规律的数列，间距省略时默认值为1。

例1：seq(10, 20, 0.5)

例2：seq(0, by = 0.03, length = 15)

 

2、rep()：产生有规律的数列，重复第一个变量若干次。

例1：rep(1:3, 1:3)

例2：rep(1:3, rep(2, 3))

例3：rep(1:3, length = 10)

 

3、向量运算：一般是对应元素之间的运算，所以两个或多个向量运算时，要求它们包含的元素个素相同（或一个是另一个的整数倍）。

例1：a <- 1:3; b <- 4:6; a * b; b^a

例2：a <- 1:3; b <- 4:9; a * b; b^a

 

4、获取向量某一个或多个子集,向量前的负号"-"表示去除相应内容。

例1：x <- c(3, 4, 5, 2, 6); x[1:2]; x[-(1:2)]

例2：x <- c(3, 4, 5, 2, 6); x[c(1, 2, 4, 1)]; x[-c(1, 2, 4, 1)]

例3：xx <- seq(1, by = 3, length = 10); xx[xx > 13]

例4：x <- 1:20; y <- -9:11; x[y > (1)] #注意最后一个是"NA"

 

5、主要向量运算函数。

例1：xx <- c(2, 6, 10, 8, 4)

sum(xx) #和

max(xx) #最大值

min(xx) #最小值

range(xx) #取值范围

mean(xx) #平均值

var(xx) #方差

sort(xx) #从小到大排序

rev(xx) #反排列， 所以从大到小排序应该是rev(sort(xx))

rank(xx) #单元值大小顺序

prod(xx) #乘积，所以阶乘是prod(1:n)

例2：x <- seq(1, 15, 2)

append(x, 20:30, after = 5) #插入数据

append(x, 20:30) #参数after缺省默认从向量的最后插入值

replace(x, c(2, 4, 6), -1) #替换函数

例3：state.name

match(c('Ohio', 'Wyoming'), state.name) #完全匹配函数

pmatch(c('Oh', 'Wy'), state.name) #部分匹配函数

state.name[pmatch(c('Oh', 'Wy'), state.name)]

例4：yy <- -9:10

all(yy > 0) #判断所有

all(yy > -10)

any(yy == 0) #判断部分

any(yy > 0)

any(yy < -10)

矩阵

矩阵(matrix)

矩阵生成函数matrix():matrix(data, nrow = , ncol = , byrow = F)，其中，数据data是必须的，其他都是选择参数，可以不选。byrow = F默认为按列来排列数据，如果想要按行排列，令byrow = T。

1、对角矩阵和单位阵。

例1：x <- 1:6; diag(x) #对角矩阵

例2：y <- rep(1, 5); diag(y) #单位阵

 

2、矩阵下标

例1：xx <- matrix(1:20, 4, 5)

xx[2, 2]; xx[2, 3:5]; xx[3:4, 3:4]

xx[2, ]; xx[ , 2]

 

3、代数意义下的矩阵乘法"%*%"

例1：yy <- matrix(1:6, 3, 2); zz <- matrix(1:6, 2, 3)

yy %*% zz; zz %*% yy

 

4、矩阵行和列的维数

例1：xx <- matrix(1:20, 4, 5)

dim(xx) #行和列的维数

nrow(xx); ncol(xx) #行数和列数

 

5、矩阵的主要运算函数

例1：x <- 1:6; y <- as.matrix(x) #转换成矩阵

is.matrix(x); is.matrix(y) #判断是否矩阵

例2：   diag() #方阵对角线元素或者生成对角矩阵

apply() #对矩阵应用函数

eigen() #求特征值和特征向量

solve() #求逆矩阵

chol() #Choleski分解

svd() #奇异值分解

qr() #QR分解

det() #求行列式

dim() #给出行列数

t() #矩阵转置

 

6、矩阵合并

例1：aa <- matrix(1:6, 3, 2);  bb <- matrix(7:12, 3, 2)

cbind(aa, bb) #按列合并

rbind(aa, bb) #按行合并

 

7、矩阵apply()运算函数：语法是apply(data, dim, function),dim取1表示对行运用函数，取2表示对列运用函数。

例1：xx <- matrix(1:20, 4, 5)

colMeans(xx) #列均值

colSums(xx) #列和

其余大部分都要用到apply()函数

例2：xx <- matrix(1:20, 4, 5)

apply(xx, 2, mean) #列均值，等同于colMeans(xx)

apply(xx, 2, sum) #列和，等同于colMeans(xx)，所以矩阵行和列的运算推荐用apply()。

apply(xx, 1, var) #行方差

apply(xx, 2, max) #每列最大值

apply(xx, 2, rev) #每列的数反排列

 

因子(factor)和有序因子(ordered factor)

一、因子的特点或性质

1、因子可视为C或JAVA语言中的枚举，适用于有限状态的表示。

2、因子不可以赋枚举集合外的值，如一个因子包含male,female,则不能再赋male和female以为的值，赋其他值会将该元素设置为空值。

因子用来存储类别变量(categorical variables)和有序变量，这类变量不能用来计算而只能用来分类或者计数。因子表示分类变量，有序因子表示有序变量。

  在R语言中，因子（factor）表示的是一个符号、一个编号或者一个等级，即，一个点。例如，人的个数可以是1，2，3，4......那么因子就包括，1，2，3，4.....还有统计量的水平的时候用到的高、中、低，也是因子，因为他是一个点。与之区别的向量，是一个连续性的值，例如，数值中有1，1.1，1.2......可以作为数值来计算，而因子则不可以。如果用我自己的理解，简单通俗来讲：因子是一个点，向量是一个有方向的范围。

  在R中，如果把数字作为因子，那么在导入数据之后，需要将向量转换为因子（factor），而因子在整个计算过程中不再作为数值，而是一个"符号"而已。

因子(factor)和有序因子(ordered factor)

因子用来存储类别变量(categorical variables)和有序变量，这类变量不能用来计算而只能用来分类或者计数。

因子表示分类变量，有序因子表示有序变量。

生成因子数据对象的函数是factor(),语法是factor(data, levels, labels, ...)，其中data是数据，levels是因子水平向量，labels是因子的

 

标签向量。

1、创建一个因子。

例1：colour <- c('G', 'G', 'R', 'Y', 'G', 'Y', 'Y', 'R', 'Y')

col <- factor(colour)

col1 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('Green', 'Red', 'Yellow')) #labels的内容替换colour相应位置对应levels的内容

col2 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('1', '2', '3'))

col_vec <- as.vector(col2) #转换成字符向量

col_num <- as.numeric(col2) #转换成数字向量

col3 <- factor(colour, levels = c('G', 'R'))

2、创建一个有序因子。

若因子需要有序，比如差，一般，好，很好，非常好，则可使用order参数：order=TRUE。

例1：score <- c('A', 'B', 'A', 'C', 'B')

score1 <- ordered(score, levels = c('C', 'B', 'A')); score1

3、用cut()函数将一般的数据转换成因子或有序因子。

例1：exam <- c(98, 97, 52, 88, 85, 75, 97, 92, 77, 74, 70, 63, 97, 71, 98, 65, 79, 74, 58, 59, 60, 63, 87, 82, 95, 75, 79, 96, 50, 88)

exam1 <- cut(exam, breaks = 3) #切分成3组

exam2 <- cut(exam, breaks = c(0, 59, 69, 79, 89, 100)) #切分成自己设置的组

attr(exam1, 'levels'); attr(exam2, 'levels'); attr(exam2, 'class')

ordered(exam2, labels = c('bad', 'ok', 'average', 'good', 'excellent')) #一个有序因子

 

数据框

数据框(data frame)

    数据框是一种矩阵形式的数据，但数据框中各列可以是不同类型的数据。数据框每列是一个变量，每行是一个观测。数据框可以看成是矩阵的推广，也可看作一种特殊的列表对象，很多高级统计函数都会用到数据框。

数据框用函数data.frame()生成，语法是：data.frame(data1, data2, ...)

1、生成一个数据框

例1：name <- c('Mr A', 'Mr B', 'Mr C'); group <- rep(1, 3); score <- c(69, 71, 92)

dd <- data.frame(name, group, score)

 

2、合并数据框

例1：name <- c('Ms C', 'Ms D'); group <- c(2, 2); score <- c(93, 99)

dd1 <- data.frame(name, score, group) #注意这里排列顺序与dd中不同

dd2 <- rbind(dd, dd1) #行合并结果与dd排列顺序一致，说明其中有一个匹配过程。

dd3 <- rbind(dd1, dd)

例2：age <- c(14, 15, 14, 16, 13)

dd4 <- cbind(dd2, age) #列合并

dd4[2, 3]; dd4$score[2]

 

3、"连接"函数

attach()和detach()函数是应用数据框时很有用的工具。attach()函数将数据框连接入当前工作空间，detach()取消连接。

如果不用attach()，需要用$提取数据框内某一列数据。

1、attach()和detach()函数的应用

例1：girl1 <- read.table('d:/girl1.txt', head = T) #读取数据

WT2

attach(girl1) #连接入当期工作空间

WT2 <- 12:13

mode(WT2) #结果时数值型

rm(WT2)

detach(girl1) #取消连接

WT2

girl1$WT2

 

-----R对象和数据组织---------------

来源：http://blog.csdn.net/enjoy_learn/article/details/52422501

R的数据对象：

---存储角度：数值型，字符型，逻辑型

---结构角度：向量（具有相同存储类型数据的集合）

                      矩阵（列：变量，行：观测）--二维表格

                    数组（多张二维表的集合）

                    数据框（与矩阵类似，用于存储多个存储类型不同的变量）

                    列表：向量、矩阵、数组、数据框的集合

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

创建和访问R的数据对象

---（1）创建R的数据对象：对象名<-R常量或R函数

--- （2）访问R的数据对象：对象名或print（对象名）

----（3）查看R的数据对象的结构：str(对象名)

-----(4)管理R的数据对象：ls():显示当前工作区间的变量名列表

-------rm(对象名或对象名列表)，remove(对象名)：删除当前工作区间的指定对象。

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

   调用R的向量组织数据

判断数据对象是否为向量：is.vector(数据对象名)

创建只包含一个元素的向量：标量

------对象名<-R常量

-----（V4<-TRUE）,幅值语句直接放入括号内，表示创建对象，并直接显示对象值

-----#开头的程序行为注释

 

创建包含多个元素的向量

---包含多个元素的目的是：保存一个变量到R中。----对象名<-R函数

最常用的R函数是C函数，seq,rep,

> holderage<-c(22,22,23,23)

> length(holderage)

[1] 4

> vehiclegroup<-rep("A",each=4)

> vehiclegroup

[1] "A" "A" "A" "A"

> vehiclleage<-seq(from=1,to=4,by=1)

> vehiclleage

[1] 1 2 3 4

> claimamt<-c(2312,2256,1064,1280)

> claimamt

[1] 2312 2256 1064 1280

> nclaims<-c(8,8,4,1)

> nclaims

[1] 8 8 4 1

> str(vehiclegroup)

 chr [1:4] "A" "A" "A" "

 

向量相同，可以使用赋值语句，向量元素相同，可借助重复函数和序列函数简化书写

 

rep重复函数

rep(起始值：终止值，each=重复次数)或times=重复次数

 (vehiclegroup<-rep(10:15,times=4))

 [1] 10 11 12 13 14 15 10 11 12 13 14 15 10 11 12 13 14 15 10 11 12 13 14 15

> (vehiclegroup<-rep(10:15,each=4))

 [1] 10 10 10 10 11 11 11 11 12 12 12 12 13 13 13 13 14 14 14 14 15 15 15 15

 

seq序列函数

   seq(from=起始值，to =终止值，by=步长)

    seq(from=起始值，to =终止值，by=个数)   

scan键盘数据读入函数

          R支持从键盘输入一组数据到指定向量中，函数书写：

                对象名<-scan()

            每个数据间以回车键分隔，所有数据输入完毕后，按住Ctrl+回车键表示结束输入。

Vector创建向量函数

        vector(length=元素个数)，创建的初值默认为FALSE，需通过向量元素访问，给各元素赋予具体值

 vector(length=5)

[1] FALSE FALSE FALSE FALSE FALSE

 

访问向量中为元素

-----访问指定位置上的元素：

> a<-vector(length=10)

> a

 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

> a[1]<-1

> a[2:4]<-c(2,3,4)

> a

 [1] 1 2 3 4 0 0 0 0 0 0

> b<-seq(from=5,to=9,by=1)

> b

[1] 5 6 7 8 9

> a[5:9,10]<-c(b,10)

Error in a[5:9, 10] <- c(b, 10) : 矩阵里的下标数目不对

> a

 [1] 1 2 3 4 0 0 0 0 0 0

> a[c(5:9,10)]<-c(b,10)

> a

 [1]  1  2  3  4  5  6  7  8  9 10

-----利用位置向量访问指定位置上的元素

 

利用逻辑型位置向量访问指定位置上的元素，a[b],b的长度不够a的长度时，按b 先前的顺序取值

-------访问指定元素之外的元素

向量名[-位置常量]；访问除第几个元素以外的元素

向量名[-位置常量1：位置常量2]

向量名[-c(5:9),10]

向量名[-位置向量名]

---

用R的矩阵组织数据，

可通过is函数判断数据对象是否为矩阵。

is.matrix(数据对象名)

2016/09/03 14:07

由向量创建矩阵：

cbind(向量名列表)：各向量存储类型一致

ClaimData<-cbind(holderage,vehiclege,claimamt,nclaims) 

dim(矩阵名)：显示矩阵行列数

colnames(ClaimData)  : 显示矩阵各列名称

colnames(ClaimData [,2:4])  显示矩阵指定列名称

rownames(ClaimData)<-c("1","2","3","4")，给矩阵各行命名

显示指定行名称：rownames(Claimdata[c(1,3),])

rbind(a,b)  行合并函数

------------由单个向量派生矩阵

矩阵中的元素已存在于一个向量中

matrix（向量名，nrow=行数，ncol=列数，byrow=TRUE/FALSE,...）

a<-matrix(a,nrow=5,ncol=6,byrow=FALSE,dilnames=list(dim1,dim2));

---------访问矩阵中的元素:

1)访问指定位置上的元素

矩阵名[行位置常量，列位置常量]

矩阵名[c(1,2),c(1,3)] 

2）访问指定行上的所有元素

head(矩阵名，n)

tail(矩阵名，n)

3)访问指定列上的所有元素

4）利用编辑窗口访问矩阵元素

fix(矩阵名)

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

数据框用于存储多个存储类型不尽相同的变量；

      统计                计算机

行：观测----------记录

列：变量----------域

判断数据对象是否为数据框

is.data.frame(数据对象名)  TRUE?FALSE

创建数据框

ChaimDataFrm<-data.frame(域名1=向量名1，域名2=向量名2，。。。)

创建数据表时，数据框中是空的，通过：numeric(0)创建一个不包含任何数据的数值型的域。

访问数据框

（1）矩阵方式访问

（2）数据框名$域名

        数据框名[["域名"]]

        数据框名[[域编号]]

还可：

        attach（数据框名）

        访问域名函数1

        访问域名函数2

        detach（数据框名）

还可：
    with（数据框名，{

            域访问函数1

            域访问函数2

            }）

with内为局部环境，类似C语言里的局部变量。

若修改数据框中的值或增加新的域，需采用within函数

数据框名<-within(数据框名，{

                        域访问函数

                        域修改函数

                                }）

在{ }内生成的新向量均默认加入数据框，成为新的域。