R语言数据结构

对象的基本类型

1. 字符(character)
   
   • x <- “sjming”
2. 数值(numeric;real numbers)
   
   • x <- 3.14
3. 整数(integer)
   
   • x <- 2L
4. 复数(complex)
   
   • x <- 1+2i
5. 逻辑(logical)(TF必须大写)
   x <- TRUE
6. 常用方法
   
   • 查看对象类型:class(x)
   • 大小写敏感

对象的属性

1. 名称
2. 维度
3. 类型
4. 长度

向量

1. 创建

   # Vectorx <- vector("character", length = 10)  #This is annotationx1 <- 1:4 #integerx2 <- c(1,2,3,4) #numric,If the type is not same, they will be transform to one.

2. 强制类型转换函数
   
   • as.numeric(x)
   • as.logical(x)
   • as.character(x)
3. 查看属性
   
   • class(x) //类型
   • names(x) <- c(“a”, “b”, “c”, “d”) //名称

矩阵

1. 相当于 向量+维度(nrow,ncol)

2. 创建

   # Matrix x <- matrix(nrow = 3, ncol = 2)x1 <- matrix(1:6, nrow = 3, ncol = 2)y <- 1:6   # by Vectordim(y) <- c(2,3)y2 <- matrix(1:6, nrow = 2, ncol = 3)rbind(y, y2)cbind(y, y2)

3. 查看属性
   
   • dim(x) //查看定义
   • attributes(x) //查看所有属性
   • rbind(x1, x2) //矩阵按行拼接
   • cbind(x1, x2) //矩阵按列拼接

数组(了解即可)

1. 与矩阵类似,但是维度可以大于2,矩阵维度只能等于2

2. 创建

   # Arrayx <- array(1:24, dim = c(4,6))x1 <- array(1:24, dim = c(2, 3, 4))

列表

1. 可以包含不同类型的对象

2. 创建

   # listl <- list("a", 2, 10L, 3+4i, TRUE)l1 <- list(a=1, b=2, c=3) #name is a,b,c,value is 123l2 <- list(c(1,2,3), c(4,5,6,7))x <- matrix(1:6, nrow = 2, ncol = 3)  # name for matrixdimnames(x) <- list(c("a","b"), c("c", "d", "e"))

因子

1. 处理分类数据,有序和无序
   因子可以理解为:整数向量+标签
   常用语线性模型

2. 创建

   # factorx <- factor(c("female", "female", "male", "male", "female"))y <- factor(c("female", "female", "male", "male", "female"), levels = c("male", "female"))

   注意:这里用levels设置标签,在前的是基线水平

3. 查看属性
   
   • table(x)
   • unclass(x) //去掉属性,变为integer向量

缺失值

1. NA/NaN
   
   • NaN属于NA,NA不属于NaN
   • NaN一般表示整数的缺失值,而NA可以表示各种缺失值
2. 常用方法
   
   • is.na()/is.nan() //判断一个向量中是否有缺失值

数据框

1. 存储表格数据
   
   • 视为各元素长度相同的列表
     
     • 每个元素代表一列数据
     • 每个数据的长度代表行数
     • 元素类型可以不同

2. 创建

   # data framedf <- data.frame(id = c(1,2,3,4), name = c("a","b","c","d"), gender = c(TRUE,TRUE,FALSE,FALSE))

3. 常用函数
   
   • nrow(df) //查看行数
   • ncol(df) //查看列数
   • data.matrix(df) // transform to matrix

日期和时间

1. Date
   
   • 距离1970-1-1的天数

2. 使用

   # data framex <- date()  # standard timeclass(x)  # characterx2 <- Sys.Date() # 2016-05-19class(x2) # Datex3 <- as.Date("2016-01-01") #new Dateclass(x3) # Dateweekdays(x3) # Chinese, Fridaymonths(x3) # Chinese, Januaryquarters(x3) # Q1, first quarterjulian(x3) # 16801# math calculatex4 <- as.Date("2016-05-01") x4-x3 # Time difference of 121 daysas.numeric(x4-x3) # 121

3. 时间POSIXct/POSIXlt
   
   • 距离1970的秒数
   • POSIXct, 整数, 常用于存入数据框
   • POSIXlt, 列表,包含星期,年月日的信息

4. 使用

   # Timex <- Sys.time() # "2016-05-19 09:50:46 CST"class(x) # "POSIXct" "POSIXt" p <- as.POSIXlt(x) # "2016-05-19 09:54:33 CST"class(p) # "POSIXlt" "POSIXt" names(unclass(p)) # "sec"   "min"   "hour"  "mday"  "mon"   "year"  "wday"  "yday"  "isdst"p$sec # 33.33464x1 <- "1 1, 2016 01:01"strptime(x1, "%m %d, %Y %H:%M") # "2016-01-01 01:01:00"