R基础|R的6种对象

2021-9-12 萌小白

前文我们讲到R处理数据面对的6种对象：向量，矩阵，数组，因子，列表，数据框。

A. 那我们就得好好给大家介绍一下这位能者的6个对象都长什么样子了。

· 1.向量 ·

向量大体上分为3种，数值向量，字符向量，逻辑向量。（单个向量内元素类型必须一致）

数值向量：

> c(1,2,3,4,5,6,7)

[1] 1 2 3 4 5 6 7

字符向量（字符向量使用单引号和双引号都可以，但是每个对称的引号必须一致）：

> c('a','b','c','d')

[1] "a" "b" "c" "d"

逻辑向量（若想要把true和false写全，输入逻辑字符时就必须全部大写”TRUE”,”FALSE”）：

> c(T,F,T,F,T)

[1] TRUE FALSE TRUE FALSE TRUE

生成向量的常用函数有：c()、seq()、rep()

第一个不需要解释了，其实就是 ”concatenate” 的缩写。各个元素之间需要用 ”,” 隔开。

#Tips ： c() 可以嵌套 c() ，如果是字符元素不加引号的话，会默认为变量。例：

> c(c(1,2),3,4,5)

[1] 1 2 3 4 5

> a<-c(1,2,3)

> c(a,5,6)

[1] 1 2 3 5 6

seq() 函数是建立数字等差序列，其第一个参数是开始值，第二个参数为结束值，第三个参数为步长（不明确的情况下，默认为 1 ，如果步长为 1 ，可以用：代替），如：

> seq(5,11,2) ( 从 5 到 11 ，步长是 2)

[1] 5 7 9 11

> 12:18

[1] 12 13 14 15 16 17 18

rep()函数是输出重复值，有两个参数，第一个参数是被重复的元素组合，第二个参数是重复次数/对应位置的元素重复次数。例（如果第二个参数是一个值，那么表示前一个参数整体重复的次数，如果是一个向量，那么就代表前面对应的位置的重复次数，大家可以考虑下如果两个参数的元素数量不同的情况会怎么样
如：rep(c(1,2,3),c(1,2))）：

> rep(c(1,3,5),3) (重复向量(1,3,5) 3次)

[1] 1 3 5 1 3 5 1 3 5

> rep(seq(1,5,2),1:3) ( 分别重复 1,3,5 的次数为 1,2,3 次 1:3 ，相当于 c(1,2,3) )

[1] 1 3 3 5 5 5

#Tips：在理解这6个对象时，小编推荐这样理解它们，如果每个元素是个点，向量就是一维的线。

· 2.矩阵 ·

矩阵是一个二维的元素向量组，其实就是向量的一个升维版，内部元素也必须一致。换句话说也可以分成三种类型的矩阵。

下面是矩阵的基本使用方法：

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

nrow/ncol代表行数/列数，byrow/bycol如果参数的值为TRUE,那么就代表按照行/列填满数据（默认纵向优先），dimname代表每个行和列的表头名（不是标题），dimname必须是list的格式。例：

> mdat <- matrix(c(1,2,3, 11,12,13), nrow = 2, ncol = 3, byrow = TRUE,

+dimnames = list(c("row1", "row2"),

+c("C.1", "C.2", "C.3")))

> mdat

C.1 C.2 C.3

row1 1 2 3

row2 11 12 13

“+”代表内容未结束，接到下一行。

可以按列或者按行分别使用cbind和rbind函数将向量‘粘’在一起。

>a<- cbind(A=1:5,B=6:10,C=15:19)

A B C

[1,] 1 6 15

[2,] 2 7 16

[3,] 3 8 17

[4,] 4 9 18

[5,] 5 10 19

#Tips ：这个对象就像多个向量的平行拼接，而且必须是规则的矩形，恩 ~ 总的来说就是很方的二维平面。

· 3.数组 ·

数组就像是更高维的矩阵，通常使用dim()函数来创建所需要的维度。内部元素类型需相同。同样的，数组内部元素类型必定是一样的。这里的数组可以很高的维度。

下面是数组的使用方法：

array(data = NA, dim = length(data), dimnames = NULL)

dim 参数指定每一个维度的水平数，后面的永远是高维度的水平。比如 dim=c(3,2,4) ，说明这个数组是个 4*2*3 的数组，即有 4 个 2*3 的矩阵面平行拼接。

例：

>a<-c(1,1,2,1,2,1,1,2,1,2,1,1,2,2,2,2,1,1,2,1,2,2,1,2,1,1,2,2,1,2,2,2,1,2,1,1,2,1,2,2,1,1,1,1,2,1,2,1,2,1,2,1,2,1,2,1,2,1,2,1)

(这是两个30人5列6排的班里的同学性别列表 1是男性，2是女性)

>gname=c('class1','class2')

>rname=c('r1','r2','r3','r4','r5','r6')

>cname=c('c1','c2','c3','c4','c5')

>array(a,dim=c(6,5,2),dimnames=list(rname,cname,gname))

, , class1

c1 c2 c3 c4 c5

r1 1 1 2 2 1

r2 1 2 2 1 1

r3 2 1 2 2 2

r4 1 2 2 2 2

r5 2 1 1 1 1

r6 1 1 1 2 2

, , class2

c1 c2 c3 c4 c5

r1 2 2 1 2 2

r2 2 1 1 1 1

r3 1 2 2 2 2

r4 2 2 1 1 1

r5 1 1 2 2 2

r6 1 1 1 1 1

#Tips ：这个对象就像多个矩阵面的平行拼接，可以看成长方体。

· 4.因子 ·

因子是使用向量创建的R对象，类似统计学中的分类变量，它将向量与向量中元素不同值一起存储成标签，而不论是哪种类型的向量，最后都存储成字符型元素。而这种数据结构使得不同的分类类别被赋予有意义的名称成为可能。例：

> pain<-c(0,3,2,2,1,3)

> fpain<-factor(pain,levels=0:3)

> levels(fpain)<-c('none','mild','medium','severe')

> fpain

[1] none severe medium medium mild severe

Levels: none mild medium severe

Pain 表示 6 个病人的疼痛水平编码，我们希望把它看成一个分类变量处理，通过 factor 函数建立因子 fpain ， levels 表示使用 0,1,2,3 来编码前面的向量，理论上 levels 可以省略。

· 5.列表 ·

列表是一个大杂烩，她可以把很多不同类型的向量复合在一起。并且，可以允许每个向量的长度不同，比较适合隶属于同一单位的多个属性的结合。

例：张三的老师制作了一个列表，包含姓名，各科成绩和是否通过：

> name<-c("zhang san","san er")

> score<-c(98,87,79,89,91)

> pass<-TRUE

> mylist<-list(name,score,pass)

> mylist

[[1]]

[1] "zhang san" "san er"

[[2]]

[1] 98 87 79 89 91

[[3]]

[1] TRUE

另外，单独提取列表中的一个部分，可以利用列表名后的[[1/2/3]]来提取。例如：

> mylist[[2]]

[1] 98 87 79 89 91

要再进一步提取元素可以再加后标 [1/2/3/4/5]

> mylist[[2]][2]

[1] 87

#Tips ：由此可见列表可以将长度不同，类型不同的向量拼接在一起，甚至可以嵌套列表。许多 R 的内置函数计算结果不仅仅是一个向量，因此以列表的形式返回结果。可以理解为二维不规则数据。

· 6.数据框 ·

到最后一个对象了，在其他统计软件包中，数据框被称为“数据矩阵”或“数据集”，他是一系列等长度的向量和/或因子，交叉相关，很适合数据收集的类型。

例：

> d<-data.frame(

+ gender=c('Male','Female','Female'),

+ height=c(171.5,152,165),

+ weight=c(61,56,55),

+ age=c(42,38,26)

+ )

Gender height weight age

1 Male 171.5 61 42

2 Female 152.0 56 38

3 Female 165.0 55 26

数据框调用单个变量时，可以直接使用变量名如：

> d$age

[1] 42 38 26

#Tips ：数据框的感觉就像每一行代表一个单位，每一列代表一项属性，因此每列内部数据类型一致，而列间数据类型可能不同。可以理解为二维规则数据。

B. 下面我们来说一下对对象的操作：

· 1.索引 ·

如果需要向量中一个具体的元素，你可以用以下办法：

> a<-c(1,3,5,7,9)

> a[2]

[1] 3

方括号用来选择数据，也称为索引 (indexing) 或子集选择 (subsetting) 。如果希望修改元素值的话，可以采用左侧赋值 ( 比如： > a[2]<-4 来把原来的 3 覆盖成 4 )

展示多个值，可以使用一个向量来索引：

> a[c(1,3,5)]

[1] 1 5 9

#Tips ：这个 c() 是有必要的如果是 a[1,3,5] 是指定一个三维的阵列 (a) 中的一个点，而不是 3 个点。

同时也可以采用负索引，如果想把 7 和 9 从 a 中剔除掉的结果，可以：

> a[c(-4,-5)]

[1] 1 4 5

· 2.条件选择 ·

当然有的时候我们并不知道我们想要的数据在一个向量中的位置，只需要部分满足条件的值，那么可以插入一个关系表达式来完成，选择向量中大于100的值输出：

> b=c(123,132,156,245,54,56,101)

> b[b>100]

[1] 123 132 156 245 101

比较操作符有 <( 小于 ) ， >( 大于 ) ， ==( 等于 ) ， <=( 小于等于 ) ， >=(
大于等于 ) ， !=( 不等于 ) 。这里需要注意双等号用来判断是否相等，避免与赋值符号 ”=”
混淆，！表示否定。还有几个结合表达式，逻辑运算符 &( 和 ) ， |( 或 ) ，！ ( 非 ) 。如：

> b[b>100 & b<150]

[1] 123 132 101

#Tips ：其实，中间还含有一步逻辑判断结果的输出，如在上一个过程中：

> b>100 & b<150

[1] TRUE TRUE FALSE FALSE FALSE FALSE TRUE

然后是 b [ TRUE TRUE FALSE FALSE FALSE FALSE TRUE ] 来控制每一个元素是否输出 ##

· 3.数据框的索引 ·

之前我们提到数据框提取向量，使用d$age来提取d中的age变量。还有另一种方法：

> d[ ,4]

[1] 42 38 26

#Tips ： 4 前面的 ”,”
最好保留，尽管在这里有和没有结果是一样的，但是输出的形式不同，而且也方便理解。只有一个数字的索引在数据框中只会提取列数据，不会提取行数据，所以
d[3, ] 中的 ”,” 省掉和不省结果是不同的。逗号前代表行，逗号后代表列。

同时，前面提到的条件选择在这里也同样适用，提取数据框d中年龄<40的单位。

> d[ d[,4]<40, ]

gender height weight age

2 Female 152 56 38

3 Female 165 55 26

这里，d[,4]<40 返回的值是一个向量，[1] FALSE TRUE
TRUE，然后这个结果在索引逗号的前面代表行入选结果，第一行剔除，后两行保留。逗号后空白，代表保留所有列。 #Tips ：在 R
中如果这种嵌套内容让你产生了困惑，建议分解成细小的步骤，先把内环的东西结果研究明白，循序渐进，这样就会更加容易。

有的时候，数据条目过多，只想显示开头的几行，怎么办呢？

> head(trees)

Girth Height Volume

1 8.3 70 10.3

2 8.6 65 10.3

3 8.8 63 10.2

4 10.5 72 16.4

5 10.7 81 18.8

6 10.8 83 19.7

#Tips ： R 本身内置了许多数据集，可以通过 data() 来展示它们，这里的 trees 就是其中一个内置的数据集。 head() 函数默认显示前六行。同理， tail() 函数是显示数据的最后 6 行。

· 4.数据分组 ·

有的时候我们需要把一个数据集中的不同类型的单位区分开，以R自带的iris(鸢尾花)数据集为例：

> head(iris)

Sepal.Length Sepal.Width Petal.Length Petal.Width Species

1 5.1 3.5 1.4 0.2 setosa

2 4.9 3.0 1.4 0.2 setosa

3 4.7 3.2 1.3 0.2 setosa

4 4.6 3.1 1.5 0.2 setosa

5 5.0 3.6 1.4 0.2 setosa

6 5.4 3.9 1.7 0.4 setosa

通过species变量把数据分成三个部分(species有三个取值：setosa, versicolor, virginica)：

> set<-iris[iris$Species=="setosa", ]

> ver<-iris[iris$Species=="versicolor", ]

> vir<-iris[iris$Species=="virginica", ]

或者也可以使用split()函数，他根据分组生成一系列向量(列表)：

> list1<-split(iris,iris$Species)

> list1

#Tips：因为结果都过大，这里不集中展示。

· 5.数据排序 ·

对向量的排序是常见工作，只需要使用sort()函数即可。

> e<-c(7,7,4,2,3,8,2,8,4)

> sort(e)

[1] 2 2 3 4 4 7 7 8 8

有的时候，对单一的向量的排序并不能满足我们的要求，有的时候需要根据一个变量的排序来规划其他变量的顺序。有一个特别抽象的函数order()，首先他展示的是变量的次序(这个函数有点像看病叫号)：

> height<-c(173,180,175,169,171,171,173,168,181,179,170)

> weight<-c(65,70,70,62,60,58,69,73,86,80,71)

> f<-data.frame(height,weight)

> f

height weight

1 173 65

2 180 70

3 175 70

4 169 62

5 171 60

6 171 58

7 173 69

8 168 73

9 181 86

10 179 80

11 170 71

> g<-order(f$height)

> g

[1] 8 4 11 5 6 1 7 3 10 2 9

> f$weight[g]

[1] 73 62 71 60 58 65 69 70 80 70 86

当然对于多个变量的数据框也可以排序：

> f[g, ]