R语言之创建数据集

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中有许多用于存储数据的结构，包括标量、向量、数组、数据框和列表。

在R中，对象（object）是指可以赋值给变量的任何事物，包括常量、数据结构、函数、甚至是图形。因子（factor）是名义型变量或有序型变量，在R中被特殊地存储和处理。

R中的数据结构：

1.1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。创建向量使用函数c()，如下例所示：

     数值型向量：a<-c(1,2,5,3,6,-2,4)

     字符型向量：b<-c("one","two","three")

     逻辑型向量：c<-c(TRUE,TRUE,TRUE,FALSE,TRUE)

     注：单个向量中的数据必须拥有相同的类型或模式。

     标量是只含一个元素的向量，例如f<-3、g<-"US"和h<-TRUE。它们用于保存常量。

     访问向量中的元素，可在方括号中给定元素所处位置的数值，如：a[c(2,4)]用于访问向量a中的第二个和第四个元        素。

1.2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），可以通过matrix创建矩阵

      一般使用格式为：

      mymatrix<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns,byrow=logical_value,dimnames=list(

      char_vector_rownames,char_vector_colnames)) ，其中vector包含了矩阵的元素，nrow和ncol用以指定

      行和列的维数，dimnames包含了可选的以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行

      填充（byrow=TRUE）还是按列填充（byrow=FALSE），默认情况下按列填充。代码演示如下：

> cells<-c(1,23,56,485)> rnames<-c("R1","R2")> cnames<-c("c1","c2")

<pre name="code" class="html">> mymatrix<-matrix(cells ,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames))> mymatrix   c1  c2R1  1  23R2 56 485

1.3数组

数组与矩阵类似，但是维数可以大于2。数组可通过array函数创建，形式如下：

myarray<-array(vector,dimensions,dimnames)，其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。代码如下:

> dim<-c("A1","A2")> dim1<-c("A1","A2")> dim2<-c("B1","B2","B3")> dim3<-c("C1","C2","C3","C4")> z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3))> z, , C1   B1 B2 B3A1  1  3  5A2  2  4  6, , C2   B1 B2 B3A1  7  9 11A2  8 10 12, , C3   B1 B2 B3A1 13 15 17A2 14 16 18, , C4   B1 B2 B3A1 19 21 23A2 20 22 24

1.4数据框

     数据框中不同的列可以包含不同模式（数值型、字符型等）的数据，是R中最常处理的数据结构。数据框可以通过函数data.frame()创建：mydata<-data.frame(col1,col2,col3,...)，其中的列向量col1，col2，col3，...可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定。代码如下：

> age<-c(25,34,28,53)> patientID<-c(1,2,3,4)> diabetes<-c("Type1","Type2","Type1","Type1")> status<-c("Poor","Improved","Excellent","Poor")> patientdata<-data.frame(patientID,age,diabetes,status)> patientdata  patientID age diabetes    status1         1  25    Type1      Poor2         2  34    Type2  Improved3         3  28    Type1 Excellent4         4  53    Type1      Poor> patientdata$age[1] 25 34 28 53<pre name="code" class="html">> table(patientdata$diabetes,patientdata$status)               Excellent Improved Poor  Type1         1        0    2  Type2         0        1    0

    $被用来选取一个给定数据框中的某个特定变量，上面table(patientdata$diabetes,patientdata$status)生成了       diabetes和status的列联表。

    函数attach()可将数据框添加到R的搜索路径中。

    函数detach()将数据框从搜素路径中移除。

    相对于attach。多数的R书籍更推荐使用函数with()。

1.5因子

     变量可归结为名义型、有序型或连续型变量。类别（名义型）变量和有序类别（有序型）变量在R中称为因子。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是名义变量中唯一值得个数），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。

名义型eg：假设有向量：diabetes<-c("Type1","Type2","Type1","Type1")

        语句diabetes<-factor(diabetes)将此向量存储为（1，2，1，1）.

有序型eg:   对于给定变量status<-c("Poor","Improved","Excellent","Poor")

        语句status<-factor(status,ordered=TRUE)会将向量编码为（3，2，1，3）。

1.6列表（list）

     列表是R的数据类型中最为复杂的一种。列表就是一些对象的（或成分，component)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，甚至是其他列表的组合。可以使用函数list（）创建列表：

      mylist<-list(object1,object2,...)

    注：列表成为了R中的重要数据结构。

           1.列表允许以一种简单的方式组织和重新调用不相干的信息；

           2.许多R函数的运行结果都是以列表的形式返回的。