第二章：创建数据集

2.2数据结构

R中的数据结构包括：向量、矩阵、数组、数据框和列表。

2.2.1向量

a <- c(1, 2, 5, 3, 6, -2, 4) # 创建向量
# 访问向量中的元素
a[c(2,4)] # 访问a的第二个和第四个元素
a[2:4]    # 访问a的第二个到第四个元素，等价于a[c(2:4)]
# 注意：a[2, 3, 4]不能正确访问

向量是用于存储数值型、字符型或逻辑型数据的一维数组。通过执行“组合功能”的函数c()来创建向量。同一向量中的数据必须有相同类型或模式。

2.2.2矩阵

my_matrix <- matrix(vector, nrow=number_of_rows, ncol=number_of_columns, byrow=logical_value, dimnames=list(char_vector_rownames, char_vector_colnames)) # 创建矩阵的一般格式
my_matrix <- matrix(c(1, 26, 24, 68), nrow=2, ncol=2, byrow=FALSE, dimnames=list(c('R1','R2'), c('C1', 'C2'))) # 创建矩阵的例子：将(1, 26, 24, 68)按列填充，行名为‘R1’和‘R2’，列名为‘C1’和‘C2’。
# 访问矩阵中的元素
my_matrix[1,] # 访问矩阵的第一行
my_matrix[1, 1] # 访问矩阵第一行第一列的元素

2.2.3数组

my_array <- array(vector, dimensions, dimnames) # 创建数组的一般格式
# 创建数组的例子：将(1:24)按列填充，一个2行，3列，高为4的数组
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))
# 访问数组中的元素
z[1, 2, 3] # 访问高为3，列为2，行为1的元素

2.2.4数据框

my_data <- data.frame(col1, col2, col3, ...) # 创建数据框的一般格式，其中col1,col2,col3可以是任何类型
# 创建数据框的例子：
patientID <- c(1, 2, 3, 4) # 数值型数据
age <- c(25, 34, 28, 52)   # 数值型数据
diabetes <- c('Type1', 'Type2', 'Type1', 'Type1') # 字符型
status <- c('Poor', 'Improved', 'Excellent', 'Poor') # 字符型
patientdata <- data.frame(patientID, age, diabetes, status, row.names = patientID) # row.names选项指定了实例标识符
# 访问数据框中的元素
patientdata[1:2] # 访问数据框的第一列和第二列
patientdata[c('diabetes', 'status')] # 访问数据框的'diabetes'列和'status'列
patientdata$age # 访问数据框的'age'列
# 注意，patientdata$age和patientdata['age']略有区别，前者返回的是一行数，后者返回的是一列数

$的功能是选取数据框的某个特定变量，代替方案有：

  • 使用函数attach(数据框)和detach(数据框)：函数attach()可以将数据框添加到R的搜索路径中。函数detach()可以将数据框从搜索路径中移除。

注意：函数attach()和detach()最好在分析一个单独的数据框，且不可能有太多同名对象时使用。

attach(mtcars)
summary(mpg)    # 等价于summary(mtcars$mpg)
plot(mpg, disp) # 等价于plot(mtcars$mpg, mtcars$disp)
plot(mpg, wt)   # 等价于plot(mtcars$mpg, mtcars$wt)
detach(mtcars)
  • 使用函数with(数据框, {对数据框的操作})：with()中的{}内的语句都针对数据框执行，无需担心名称冲突。

注意：在with()函数内的普通赋值(<-)只在括号内生效，如果希望将对象保存到with()之外的全局环境，需要使用特殊赋值符(<<-)。

with(mtcars, {
  summary(mpg, disp, wt)
  plot(mpg, disp)
  plot(mpg, wt)
})

2.2.5因子

变量可归纳为“名义型变量”、“有序型变量”和“连续型变量”。其中，“名义型变量”(类别)和“有序型变量”(有序类别)在R中被称为因子。

# 名义型变量
diabetes <- c('Type1', 'Type2', 'Type1', 'Type1')
diabetes <- factor(diabetes) # 字符型变量因子化为名义型变量
# 有序型变量
status <- c('Poor', 'Improved', 'Excellent', 'Poor')
status <- factor(status, ordered=TRUE, levels=c('Poor', 'Improved', 'Excellent')) # 字符型变量因子化为有序型变量，levels选项覆盖默认排序(对字符型变量，因子默认依照字母顺序排序)

函数factor()以一个整数向量形式存储类别值，整数范围是R语言选择特定行 r语言选取特定的行_r语言，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。

2.2.6列表

my_list <- list(name1 = object1, name2 = object2, ...) # 创建列表的一般格式，其中列表对象可以是任何数据结构
# 创建列表的例子：
g <- 'My First List'   # 字符串
h <- c(25, 26, 18, 39) # 数值型向量
j <- matrix(1:10, nrow=5) # 矩阵
k <- c('one', 'two', 'three') # 字符型向量
my_list <- list(title = g, ages = h, j, k)
# 访问列表中的元素
my_list[[2]]
my_list[['ages']]

2.3.1使用键盘输入数据

# 创建一个空数据框(或矩阵)
my_data <- data.frame(age = numeric(0), gender = character(0), weight = numeric(0)) # age=numeric(0)将创建一个指定模式但不包含实际数据的变量
my_data <- edit(my_data) # 等价于fix(my_data)
# 注意：edit()函数编辑的结果需要赋值回对象本身，这是因为edit()实际上是在对象的一个副本上进行操作的。

2.3.2从带分隔符的文本文件导入数据

mydataframe <- read.table(file, header = logical_value, sep = 'delimiter', row.names = 'name') # 使用read.table()读入一个表格格式的文件并保存为一个数据框的一般语法
# 读入文件为数据框的例子：
grades <- read.table('studentgrades.csv', header = TRUE, sep=',', row.names = 'STUDENTID') # hearder=TRUE表示首行包含变量名，row.names='STUDENTID'表明'STUDENTID'是行标识符。

注意：默认情况下，字符型变量将转化为因子。如果不希望这样，可以：

  • 设置选项stringsAsFactors=FALSE，这将停止对所有字符型变量的转化。
  • 或使用选项colClasses为每个列指定一个类，如logical(逻辑型)，numeric(数值型)，character(字符型)，factor(因子)。

2.4 数据集的标注

为了使结果易读，数据分析人员通常会对数据集进行标注。标注通常包括“变量标签”和为类别型变量中的编码添加“值标签”。

2.4.1变量标签

R语言处理变量标签的能力有限。一种解决方法是将变量标签作为变量名。

names(patientdata)[2] <- 'Age at hospitalization (in years)' # 将数据框patientdata的第二个变量重命名。后续可以通过patientdata[2]来引用这个变量，而它的变量名则作为变量标签。

2.4.2值标签

函数factor()可以为类别型变量创建值标签。

patientdata$gender <- factor(patientdata$gender, levels = c(1, 2), labels = c('male', 'female')) # levels代表变量的实际值，labels表示包含了理想值标签的字符型向量

2.5处理数据对象的实用函数

R语言选择特定行 r语言选取特定的行_数据_02

本章细节：

1.在R中，对象是指可以赋值给变量的任何事物，包括常量、数据结构、函数、徒刑。

2.R中的标量是指含有一个元素的向量。

3.在R中，对象名称中的句点(.)没有特殊意义。但美元符号($)却有其他语言中句点类似的含义，即指定一个对象的某个部分。

4.R不提供多行注释或块注释，所以必须以#作为多行注释每行的开始。

5.将一个值赋值给某个向量、矩阵、数组或列表中一个不存在的元素时，R将自动扩展这个数据结构以容纳新值。

6.R的下标从1开始。

7.变量无法被声明，它们在首次被赋值时生成。