1. 数据结构

1.1 数据结构概述

概念

数据结构是计算机存储、组织数据的方式

数据结构是指相互之间存在一种或多种特定关系的数据元素集合

R中常见的数据结构

向量矩阵数据框：经常使用的一种数据结构列表因子

R中常见的数据结构

数值型：数值可以用于直接结算，加减乘除字符串型：可以进行连接，转换，提取等逻辑型：真或者假日期型

1.2 向量

向量概述

向量是R语言中最基本的数据结构，向量必须由类型相同的元素组成

使用赋值符号“<-”和组合函数c()，可以创建各种类型的向量

> x<-c(1,2,3,4,5) > x [1] 1 2 3 4 5 > y <- c("one","two","there") > y [1] "one" "two" "there" > z <- c(TRUE,FALSE,T,F) > z [1] TRUE FALSE TRUE FALSE

建立特殊的向量

> c(1:10) [1] 1 2 3 4 5 6 7 8 9 10 > seq(from=1,to=10) [1] 1 2 3 4 5 6 7 8 9 10 # from为起始值，to为终止值，by控制步幅 > seq(from=1,to=10,by=2) [1] 1 3 5 7 9 # length.out控制个数 > seq(from=1,to=10,length.out = 3) [1] 1.0 5.5 10.0 > seq(from=1,to=10,length.out = 3) [1] 1.0 5.5 10.0 > rep(2,5) [1] 2 2 2 2 2 # 一共重复5次 > rep(c(1,2,3),5) [1] 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 # 每个重复5次 > rep(c(1,2,3),each=5) [1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 # 每个重复3次，且总体重复2次 > rep(c(1,2,3),each=3,times=2) [1] 1 1 1 2 2 2 3 3 3 1 1 1 2 2 2 3 3 3

访问向量

通过数字索引进行访问 > x <- c(1:10) > x [1] 1 2 3 4 5 6 7 8 9 10 # R语言中的索引位置从1开始 > x[1] [1] 1 # 可以一次用向量索引多个元素 > x[c(1,3,5)] [1] 1 3 5 # 索引负元素指显示除负元素以外的所有元素 > x[-4] [1] 1 2 3 5 6 7 8 9 10 通过表达式进行访问 > x <- c(1:10) # 输出大于4的数 > x[x>4] [1] 5 6 7 8 9 10 # 输出大于4小于8的数 > x[x>4 & x<8] [1] 5 6 7 # 判断1是否在x中 > 1 %in% x [1] TRUE # 将x中的数据定义为TRUE，并输出为TRUE的元素 > x[1 %in% x] [1] 1 2 3 4 5 6 7 8 9 10 通过索引名进行访问 > x <- c(1:10) > names(x) <- c("一","二","三","四","五","六","七","八","九","十") > x["三"] 三 3 > x 一 二 三 四 五 六 七 八 九 十 1 2 3 4 5 6 7 8 9 10

向量运算

向量与数值的加减乘除

> x <- 1:10 # 对向量的运算都是对所有元素的操作 > x + 2 [1] 3 4 5 6 7 8 9 10 11 12 > x - 3 [1] -2 -1 0 1 2 3 4 5 6 7 > x <- x + 1 > x [1] 2 3 4 5 6 7 8 9 10 11 # **是幂次运算 > x ** 2 [1] 4 9 16 25 36 49 64 81 100 121 # %%是求余数 > x %% 2 [1] 0 1 0 1 0 1 0 1 0 1 # %/%是整除运算 > x %/% 2 [1] 1 1 2 2 3 3 4 4 5 5

向量与向量的加减乘除

> x <- 1:10 > y <- seq(1,100,length.out = 10) > x + y [1] 2 14 26 38 50 62 74 86 98 110 > x * y [1] 1 24 69 136 225 336 469 624 801 1000 > x ** y [1] 1.000000e+00 4.096000e+03 9.414318e+10 [4] 2.951479e+20 2.842171e+31 3.771117e+43 [7] 4.183778e+56 2.760699e+70 8.464150e+84 [10] 1.000000e+100 > x %% y [1] 0 2 3 4 5 6 7 8 9 10 > x %/% y [1] 1 0 0 0 0 0 0 0 0 0 #向量运算长的必须是短的元素的整数倍，可以进行循环

数学函数

abs：返回每个向量的绝对值sqrt：计算平方根log、log10：计算对数exp：计算指数ceiling：返回不小于向量的最小整数floor：返回不大于向量的最大整数trunc：返回整数部分round：进行四舍五入

统计函数

sum：向量所有元素之和max：向量元素最大值min：向量元素最小值range：向量元素最大和最小值mean：向量均值var：向量方差sd：向量标准差prod：向量连乘积median：向量中位数quantile：向量分位数which.min：最大值的索引值，还可以与其它统计函数结合

1.3 矩阵

矩阵的创建

矩阵的创建使用函数matrix()，元素数要超过行数与列数的乘积，可以只指定行数或列数

默认情况下按照列排序，可使用关键字byrow改为按行排序

> x <- matrix(1:20,nrow = 4,ncol = 5,byrow = T) > x [,1] [,2] [,3] [,4] [,5] [1,] 1 2 3 4 5 [2,] 6 7 8 9 10 [3,] 11 12 13 14 15 [4,] 16 17 18 19 20

给矩阵的行与列命名

可以通过dimnames()函数给矩阵的行或列命名，命名后可以根据名字进行索引

还可以通过dim()函数创建矩阵

# 方式一：dimnames() > x <- matrix(1:20,nrow = 4,ncol = 5,byrow = T) > rnames <- c("R1","R2","R3","R4") > cnames <- c("C1","C2","C3","C4","C5") > dimnames(x) <- list(rnames,cnames) > x C1 C2 C3 C4 C5 R1 1 5 9 13 17 R2 2 6 10 14 18 R3 3 7 11 15 19 R4 4 8 12 16 20 # 方式二：dim() > dim(x) <- c(4,5) > x [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20

1.4 数组

数组的创建

创建数组有两种方式：一是通过函数dim()创建

二是通过array()函数创建，同时可以指定索引名

# 方式一：dim() > x <- 1:8 > dim(x) <- c(2,2,2) > x , , 1 [,1] [,2] [1,] 1 3 [2,] 2 4 , , 2 [,1] [,2] [1,] 5 7 [2,] 6 8 # 方式二：array() > dim1 <- c("A1","A2") > dim2 <- c("B1","B2") > dim3 <- c("C1","C2") > z <- array(1:8,c(2,2,2),dimnames = list(dim1,dim2,dim3)) > z , , C1 B1 B2 A1 1 3 A2 2 4 , , C2 B1 B2 A1 5 7 A2 6 8

1.5 列表

列表顾名思义就是用来存储很多内容的一个集合，在其他编程语言中，列表一般和数组是等同的，但是在R语言中，列表却是R中最复杂的一种数据结构，也是非常重要的一种数据结构。

列表就是一些对象的有序集合。列表中可以存储若干向量、矩阵、数据框，甚至其他列表的组合。

列表的创建

创建一个列表使用函数list()，将列表元素添加其中，并且可以为列表元素命名

> a <- 1:10 > b <- "hello world" > c <- matrix(1:12,nrow = 3,ncol = 4) > mlist <- list(a,b,c) > mlist [[1]] [1] 1 2 3 4 5 6 7 8 9 10 [[2]] [1] "hello world" [[3]] [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12 > mlist <- list(first=a,second=b,third=c) > mlist $first [1] 1 2 3 4 5 6 7 8 9 10 $second [1] "hello world" $third [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12

列表的索引

# 通过数值进行索引 > mlist[1] $first [1] 1 2 3 4 5 6 7 8 9 10 # 可以一次索引多个向量 > mlist[c(1,2)] $first [1] 1 2 3 4 5 6 7 8 9 10 $second [1] "hello world" # 可以通过名称进行索引 > mlist["first"] $first [1] 1 2 3 4 5 6 7 8 9 10 # 使用两个中括号进行索引时，代表是被索引元素的数据类型，而不是列表类型 > mlist[[1]] [1] 1 2 3 4 5 6 7 8 9 10

1.6 数据框

数据框是R语言中应用最广泛的数据结构

利用数据框，可以容纳不同类型的数据，而不必使用同一类型的数据

数据框的每一列的数据类型必须相同，但不同的列可以存储不同的类型的数据

数据框的创建

> a <- c("北京","上海","广州") > b <- c("100平","125平","126平") > c <- c("100万","150万","200万") # 使用data.frame将已经建立好的向量作为参数传入其中 > d <- data.frame(a,b,c) > d a b c 1 北京 100平 100万 2 上海 125平 150万 3 广州 126平 200万

数据框的访问

> d[1] a 1 北京 2 上海 3 广州 > d[c(1,3)] a c 1 北京 100万 2 上海 150万 3 广州 200万

1.6 因子

因子是R语言中非常重要的的对象，或者说向量对象

因子主要用于管理离散的分类变量，比如成绩评定等级（A、B、C），颜色的分类（红、黄、蓝）

因子对象就是管理这些类别变量的重要工具

因子的创建

> grade <- c("A","B","B","A","C") > gradef <- factor(grade) # levels是因子的一个重要属性，揭示了因子中的类别 > gradef [1] A B B A C Levels: A B C