R語言的資料結構
阿新 • • 發佈：2018-12-19
R共有6種儲存資料的物件型別
- 向量
- 列表
- 陣列
- 資料框
- 矩陣
- 因子
向量(Vectors)
向量是用於儲存數值型、字元型或邏輯型資料的一維陣列。執行組合功能的函式c()可用來建立向量。
# 建立一個向量
apple <- c('red','green',"yellow")
num <- c(12, 23, 34, 56, 78, 83)
print(apple)
print(num)
# 查看向量的型別.
print(class(apple))
[1] "red" "green" "yellow" [1] 12 23 34 56 78 83 [1] "character"
** !!! 單個向量中，資料的型別必須是相同的**
# 向量元素的選取
# 與其他程式語言索引從0計數不同的是，R語言的索引從1開始計數
num[1]
# 選取多個元素
num[1:3]
# 索引前加 - 號代表除去這個元素的其他元素，可以看到結果中沒有第二個元素
apple[-2]
# 選取除了第2個和第3個元素外的其他元素
num[-(2:3)]
12
12 23 34
'red' 'yellow'
12 56 78 83
矩陣(Matrix)
矩陣是一個二維陣列，只是每個元素都擁有相同的模式（數值型、字元型或邏輯型）。可通過函式matrix建立矩陣。
# matrix(data = ,nrow = n,ncol = n,byrow = ,dimnames =list(row_vector,col_vector) ) # data包含了矩陣的元素 # nrow和ncol用以指定行和列的維數 # dimnames包含了可選的、以字元型向量表示的行名和列名 # byrow則表明矩陣應當按行填充（byrow=TRUE）還是按列填充（byrow=FALSE），預設情況下按列填充。 # Create a matrix. M = matrix( num, nrow = 2, ncol = 3, byrow = TRUE, dimnames = list(c('人口','面積'),c('北京','廣州', '上海'))) print(M)
北京 廣州 上海
人口 12 23 34
面積 56 78 83
M1 <- matrix(1:20, nrow=5, ncol=4)
print(M1)
[,1] [,2] [,3] [,4]
[1,] 1 6 11 16
[2,] 2 7 12 17
[3,] 3 8 13 18
[4,] 4 9 14 19
[5,] 5 10 15 20
# 矩陣元素選取
# 選取列
M1[,2]
# 選取行
M1[1,]
# 選取單個元素
M1[3,4]
# 選取符合要求的元素
M1[M1>10]
6 7 8 9 10
1 6 11 16
18
11 12 13 14 15 16 17 18 19 20
資料框(data frame)
資料框是表格資料物件。與矩陣一樣都是二維的，但是不同的是每列可以包含不同的資料模式。 第一列可以是數字，而第二列可以是字元，第三列可以是邏輯的。它是等長度的向量的列表。
df <- data.frame(
gender = c("Male", "Male","Female"),
height = c(152, 171.5, 165),
weight = c(81,93, 78),
Age = c(42,38,26)
)
df
| gender | height | weight | Age |
|---|---|---|---|
| Male | 152.0 | 81 | 42 |
| Male | 171.5 | 93 | 38 |
| Female | 165.0 | 78 | 26 |
patientID <- c(1, 2, 3, 4)
age <- c(25, 34, 28, 52)
diabetes <- c("Type1", "Type2", "Type1", "Type1")
status <- c("Poor", "Improved", "Excellent", "Poor")
patientdata <- data.frame(patientID, age, diabetes, status)
patientdata
| patientID | age | diabetes | status |
|---|---|---|---|
| 1 | 25 | Type1 | Poor |
| 2 | 34 | Type2 | Improved |
| 3 | 28 | Type1 | Excellent |
| 4 | 52 | Type1 | Poor |
# 索引列
print(df$gender)
print(df[,2])
print(df[1:2])
print(df[['Age']])
[1] Male Male Female
Levels: Female Male
[1] 152.0 171.5 165.0
gender height
1 Male 152.0
2 Male 171.5
3 Female 165.0
[1] 42 38 26
# 索引行
print(df[2:3,])
gender height weight Age
2 Male 171.5 93 38
3 Female 165.0 78 26
# 特定條件索引
df[df$Age > 30]
| gender | height | Age |
|---|---|---|
| Male | 152.0 | 42 |
| Male | 171.5 | 38 |
| Female | 165.0 | 26 |
# 索引元素
print(patientdata[1,3]) # 第一列第三行
print(df$Age[1]) # Age列第一行
print(df[[2]][1]) # 第二列第一行
print(df[['Age']][1]) # Age列第一行
[1] Type1
Levels: Type1 Type2
[1] 42
[1] 152
[1] 42
# 生成成糖尿病型別變數diabetes和病情變數status的列聯表
table(patientdata$diabetes, patientdata$status)
Excellent Improved Poor
Type1 1 0 2
Type2 0 1 0
陣列(Array)
雖然矩陣被限制為二維，但陣列可以具有任何數量的維度。 陣列函式使用一個dim屬性建立所需的維數。 在下面的例子中，我們建立了一個包含兩個元素的陣列，每個元素為3x3個矩陣。
# Create an array.
a <- array(c('green','yellow'),dim = c(3,3,2))
print(a)
, , 1
[,1] [,2] [,3]
[1,] "green" "yellow" "green"
[2,] "yellow" "green" "yellow"
[3,] "green" "yellow" "green"
, , 2
[,1] [,2] [,3]
[1,] "yellow" "green" "yellow"
[2,] "green" "yellow" "green"
[3,] "yellow" "green" "yellow"
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))
print(z)
, , C1
B1 B2 B3
A1 1 3 5
A2 2 4 6
, , C2
B1 B2 B3
A1 7 9 11
A2 8 10 12
, , C3
B1 B2 B3
A1 13 15 17
A2 14 16 18
, , C4
B1 B2 B3
A1 19 21 23
A2 20 22 24
陣列的索引同矩陣，只不過下標從2個變成了3個，陣列同矩陣一樣，資料型別必須一樣
因子(Factors)
我們都知道，變數的型別可以分為如下幾種
- 類別變數（定性變數）
- 無序類別變數（名義值）：類別無法排序，沒有順序關係，比如行業類別，性別
- 有序類別變數（順序值）：類別之間有順序關係，比如等級，評價‘差’，‘一般’，‘很好’
- 數值變數（定量變數）
- 離散變數（有限值）： 只能去有限個值的變數，可以一一列舉。
- 連續變數（無限值）：在一個或多個區間內取任何值，連續不斷不可一一列舉，比如溫度，身高。
類別變數在R中被稱為因子，函式factor()以一個整數向量的形式儲存類別值，整數的取值範圍是[1-k ]（其中k 是名義型變數中唯一值的個數），同時一個由字串（原始值）組成的內部向量將對映到這些整數上。這種做法類似於python特徵分子中的將類別變數dummy化
對於有序變數，我們還可以指定變數對應的編碼，使編碼與邏輯順序相一致，比如low,mid,high對應1,2,3
patientID <- c(1, 2, 3, 4)
age <- c(25, 34, 28, 52)
diabetes <- c("Type1", "Type2", "Type1", "Type1")
status <- c("Poor", "Improved", "Excellent", "Poor")
diabetes <- factor(diabetes)
status <- factor(status, order=TRUE) # order=TRUE R將此變數當做有序變數對待
patientdata <- data.frame(patientID, age, diabetes, status)
str(patientdata） # 資料的資訊，相當於pandas中的info
summary(patientdata) # 描述性統計
# 可以看到，描述性統計中，R對數值型分析了最大最小值等，而對因子採用了頻數統計。
'data.frame': 4 obs. of 4 variables:
$ patientID: num 1 2 3 4
$ age : num 25 34 28 52
$ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1
$ status : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3
patientID age diabetes status
Min. :1.00 Min. :25.00 Type1:3 Excellent:1
1st Qu.:1.75 1st Qu.:27.25 Type2:1 Improved :1
Median :2.50 Median :31.00 Poor :2
Mean :2.50 Mean :34.75
3rd Qu.:3.25 3rd Qu.:38.50
Max. :4.00 Max. :52.00
# 如果變數的預設順序不是按照邏輯順序排列的，比如status如果是按照improved,poor,excellent排列，
# 那麼預設的順序就無法代表真實邏輯順序。
# 因此，可以新增levels變數
status <- factor(status,order=TRUE,levels = c("poor", "improved", "excellent"))
# 這樣就相當於指定了順序，任何在資料中出現而未在引數中列舉的資料都將被設為缺失值
列表
R中的列表比較像python中的列表，列表中的元素可以是單個字元，數值，也可以是向量，矩陣，陣列等
列表就是一些物件的有序集合
# Create a list.
list1 <- list(c(2,5,3),21.3,sin)
# Print the list.
print(list1)
[[1]]
[1] 2 5 3
[[2]]
[1] 21.3
[[3]]
function (x) .Primitive("sin")
g <- "My First List"
h <- c(25, 26, 18, 39)
j <- matrix(1:10, nrow=5)
k <- c("one", "two", "three")
mylist <- list(title=g, ages=h, j, k)
print(mylistlist)
$title
[1] "My First List"
$ages
[1] 25 26 18 39
[[3]]
[,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10
[[4]]
[1] "one" "two" "three"
mylist[['ages']] # 輸出ages
mylist[[2]] # 輸出第二個元素
25 26 18 39
25 26 18 39
處理資料的常用函式
length(object)
# 顯示物件中元素/成分的數量
dim(object)
# 顯示某個物件的維度
str(object)
# 顯示某個物件的結構
class(object)
# 顯示某個物件的類或型別
mode(object)
# 顯示某個物件的模式
names(object)
# 顯示某物件中各成分的名稱
c(object, object,…)
# 將物件合併入一個向量
cbind(object, object, …)
# 按列合併物件
rbind(object, object, …)
# 按行合併物件
Object
# 輸出某個物件
head(object)
# 列出某個物件的開始部分
tail(object)
# 列出某個物件的最後部分
ls()
# 顯示當前的物件列表
rm(object, object, …)
# 刪除一個或更多個物件。語句rm(list = ls())將刪除當前工作環境中的幾乎所有物件,以句點.開頭的隱藏物件將不受影響
newobject <- edit(object)
# 編輯物件並另存為newobject
fix(object)
# 直接編輯物件