正文

R语言数据结构二

IP云
IP云V管理员/6 阅读
06/24
提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

上节我们讲到R语言中的基本数据类型，包括数值型，复数型，字符型，逻辑型以及对应的操作和不同数值类型之间的转换。众所周知，R语言的优势在于进行数据挖掘，大数据处理等方面，因此单个的数据并不能满足我们的需要，于是向量，矩阵，数组，数据框等变量类型应运而生。

向量：与我们在数学里面所学到的向量不同，R语言中的向量类似于我们在C语言中学习的数组，表示一个同种数据类型的数据集。

向量的创建：在R语言中使用c( )命令就创建了一个向量，任何类型的数据都可以组成向量，但一个向量里面的数据最好类型一致，不然会发生一些变化。向量里面的元素用"，"分隔。由此可见，当数值型，字符型，逻辑型的数据放在同一个向量时，字符型优先级高于数值型高于逻辑型，逻辑型的TRUE转为数值型的1，逻辑型的FALSE转为数值型的0

> a <- c(1,2,3,4,5)
> a
[1] 1 2 3 4 5
> b <- c("a","b","c","d")
> b
[1] "a" "b" "c" "d"
> c <- c(1,2,"c",4,5)
> c
[1] "1" "2" "c" "4" "5"
> d <- c(1,2,3,TRUE,4,5)
> d
[1] 1 2 3 1 4 5
> e <- c("a",TRUE,"c","d")
> e
[1] "a" "TRUE" "c" "d"

向量的元素个数：与计算字符串字符个数的函数nchar( )以及str_lenth( )不同，函数length( )用来计算向量中元素的个数。

向量的读取：向量在创建过程中，系统就自动给向量里的每个元素都分配了一个索引（1~N，N为向量中元素个数，这与C语言，Python中都不同）

读取时用c[ m ]来读取向量c中第m个向量

用c[ m:n ]读取向量c中第m到n个向量

用c[x(m:n)]来表示读取m到n的数乘以x，即c[2*(1:5)]就是读取2*（1,2,3,4,5），也即第2,4,6,8,10五个数

> a <- c(1,2,3,4,5)
> length(a)
[1] 5
> a[3]
[1] 3
> a[2:4]
[1] 2 3 4

> a[2*(1:5)] #不存在的数用NaN表示
[1] 2 4 NA NA NA

向量的计算：数值型的向量计算遵循计算法则，长度不同会警告，同时短的向量会顺次从第一位开始填充到与长的向量相同的长度，开始运算。有关单个数值相关的计算都可以用到向量中，来进行整组相同的运算。

> a <- c(1,2,3,4,5)
> b <- c(3,1,4,6,2)
> a+b
[1] 4 3 7 10 7
> a-b
[1] -2 1 -1 -2 3
> a*b
[1] 3 2 12 24 10
> a/b
[1] 0.333 2.000 0.750 0.667 2.500
> a.^2
Error: object 'a.' not found
> a^2
[1] 1 4 9 16 25
> log2(a)
[1] 0.00 1.00 1.58 2.00 2.32
> sqrt(a)
[1] 1.00 1.41 1.73 2.00 2.24
> a <- c(1,2,3,4,5)
> c <- c(2,7,8)
> a+c
[1] 3 9 11 6 12
Warning message:
In a + c : longer object length is not a multiple of shorter object length

其他类型的向量，比如字符型以及逻辑型不能进行上述运算

逻辑型向量与数值型向量还能进行逻辑运算，返回值为布尔型

> a <- c(1,2,3,4,5)
> b <- c(3,1,4,6,2)
> d <- c("a","b","c")
> e <- c("d","e","f")
> d+e
Error in d + e : non-numeric argument to binary operator
> a+d
Error in a + d : non-numeric argument to binary operator
> d & e
Error in d & e :
operations are possible only for numeric, logical or complex types
> a & b
[1] TRUE TRUE TRUE TRUE TRUE
> f <- c(TRUE,TRUE,FALSE,FALSE,TRUE)
> a & f
[1] TRUE TRUE FALSE FALSE TRUE

与向量相关的其他函数：最小值min、最大值max、返回最大值与最小值range、谁是最小值which.min、谁是最大值which.max、求和sum、所有向量元素的乘积prod、向量元素排序sort、向量元素平均值mean、样本方差var，数据统计summary

> a <- c(1,2,3,4,5)
> min(a)
[1] 1
> max(x)
[1] 0.873
> range(a)
[1] 1 5
> which.min(a)
[1] 1
> which.max(a)
[1] 5
> sum(a)
[1] 15
> prod(a)
[1] 120
> sort(a)
[1] 1 2 3 4 5
> sort(a,decreasing = TRUE)
[1] 5 4 3 2 1
> mean(a)
[1] 3
> var(a)
[1] 2.5
> summary(a)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1 2 3 3 4 5

矩阵：矩阵相当于我们在C语言中学习的二位数组，只不过在R语言中对矩阵的处理比在C语言中要方便快速得多

矩阵的创建：

常用matrix(data=NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)

参数含义如下：

data：矩阵的元素，默认为NA，即未给出元素值的话，各项为NA

nrow：矩阵的行数，默认为1；

ncol：矩阵的列数，默认为1；

byrow：元素是否按行填充，默认按列；

dimnames：以字符型向量表示的行名及列名，dimnames( )可以跟参数，参数需为向量格式，第一个向量为行名，第二个向量为列名

> mydata <- c(1:20)
> mydata
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
> myarray <- matrix(mydata,nrow = 4,ncol = 5)
> myarray
[,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
> cnames <- c("C1","C2","C3","C4","C5")
> rnames <- c("R1","R2","R3","R4")
> myarray <- matrix(mydata,nrow = 4,ncol = 5,dimnames = list(rnames,cnames))
> myarray
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
> myarray2 <- matrix(mydata,nrow = 4,ncol = 5,byrow = TRUE,dimnames = list(rnames,cnames))
> myarray2
C1 C2 C3 C4 C5
R1 1 2 3 4 5
R2 6 7 8 9 10
R3 11 12 13 14 15
R4 16 17 18 19 20

矩阵的拼接：用rbind（用列拼接，拼接后的列数跟两矩阵相同）函数或者cbind（用行拼接，拼接后的行数跟两矩阵相同）函数可以将两个向量或者矩阵合并为一个矩阵。注意需要拼接的两个矩阵对应行和列的数量要相等，并且如果有行名和列名的话，要求对应行行名和列名也必须相同。

> mydata <- c(1:20)
> mydata
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
> cnames <- c("C1","C2","C3","C4","C5")
> rnames <- c("R1","R2","R3","R4")
> myarray <- matrix(mydata,nrow = 4,ncol = 5)
> myarray
[,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
> myarray <- matrix(mydata,nrow = 4,ncol = 5,dimnames = list(rnames,cnames))
> myarray
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
> myarray2 <- matrix(mydata,nrow = 4,ncol = 5,byrow = TRUE,dimnames = list(rnames,cnames))
> myarray2
C1 C2 C3 C4 C5
R1 1 2 3 4 5
R2 6 7 8 9 10
R3 11 12 13 14 15
R4 16 17 18 19 20
> myarray3 <- matrix(c(1:15),nrow=3,ncol=5)
> myarray3
[,1] [,2] [,3] [,4] [,5]
[1,] 1 4 7 10 13
[2,] 2 5 8 11 14
[3,] 3 6 9 12 15
> myarray4 <- matrix(c(1:15),nrow=3,ncol=5,dimnames=list(c("R11","R12","R13"),cnames))
> myarray4
C1 C2 C3 C4 C5
R11 1 4 7 10 13
R12 2 5 8 11 14
R13 3 6 9 12 15
> cbind(myarray2,myarray4) #按行进行组合，行数不一致，分别为3和4
Error in cbind(myarray2, myarray4) :
number of rows of matrices must match (see arg 2)
> rbind(myarray2,myarray4) #按列进行组合
C1 C2 C3 C4 C5
R1 1 2 3 4 5
R2 6 7 8 9 10
R3 11 12 13 14 15
R4 16 17 18 19 20
R11 1 4 7 10 13
R12 2 5 8 11 14
R13 3 6 9 12 15
>matrix(c(1:16),nrow=4,ncol=4,dimnames=list(c("R11","R12","R13","R14"),c("C11","C12","C13","C14")))
> myarray5
C11 C12 C13 C14
R11 1 5 9 13
R12 2 6 10 14
R13 3 7 11 15
R14 4 8 12 16
> rbind(myarray2,myarray5) #按列进行组合，列名不一致
Error in rbind(myarray2, myarray5) :
number of columns of matrices must match (see arg 2)

矩阵元素的读取：跟向量读取差不多，多加了一个列的索引而已

常用为c[a,b]，意为读取第a行b列的数据

也可以使用c[,b]读取第b列整个列的数据，返回值为向量

> myarray5[2,3]
[1] 10
> myarray5[,3]
R11 R12 R13 R14
9 10 11 12

矩阵操作中常用的函数：
+, -, * , /       矩阵的四则运算，对应位置的元素进行运算要求矩阵的维数必须相同
t()                矩阵的行列转置
colSums()    分别对矩阵的每一列进行求和
rowSums()   分别对矩阵的每一行进行求和
colMeans()   分别对矩阵的每一列进行求平均值
rowMeans()  分别对矩阵的每一行进行求平均值
det()             解方程的行列式
crossprod()   解两个矩阵的内积
outer()          解两个矩阵的外积，又叫叉积%*%矩阵乘法，要求第一个矩阵的列数与行数相同
diag()            对矩阵取对角元素，若对象为向量（不管有没有缺失值），则生成以向量为对角元素的对角矩阵
solve()          在矩阵可逆的情况下，对矩阵求逆矩阵
eigen()          对矩阵求解特征值和特征向量

Data Frame一般被翻译为数据框，感觉就像是R中的表，由行和列组成，与Matrix不同的是，每个列可以是不同的数据类型，而Matrix是必须相同的。Data Frame每一列有列名，每一行也可以指定行名。如果不指定行名，那么就是从1开始自增的Sequence来标识每一行。

数据框的创建：使用data.frame( )函数。函数里面的每一个参数包含列索引与对应的值

student<-data.frame(ID=c(11,12,13),Name=c(“Devin”,”Edward”,”Wenli”),Gender=c(“M”,”M”,”F”),Birthdate=c(“1984-12-29″,”1983-5-6”,”1986-8-8”))
另外也可以使用read.table()或者read.csv()读取一个文本文件，返回的也是一个Data Frame对象。