R语言基础数据结构
2022-02-09 13:45
本文内容
对象 向量 数据结构 运算符及向量运算 函数 子集选取
对象
对象
R语言里一切都是对象(object)。
对象的创建
对象的创建与使用。首先确定一个对象名,然后使用赋值操作符 <-
,将数据赋值给它。
在Rstudio中同时按下 Alt
和 -
,就可以产生赋值箭头
对象的创建与使用
我们给这个盒子取名 x,然后把10这个数放入盒子。
x <- 10
当键入 x
然后回车,就打印出 x
的值。
x
对象重新赋值
当我们再把6这个数放入盒子x
后
x <- 6
此时x
就被更新了,变成了最新的数值
x
变量命名规则
变量名必须以字母、数字、下划线 _
和句点.
组成开头不能是数字 大小写敏感, y
和Y
是两个不同的变量名不能有空格,可以用下划线代替空格,比如
my_age <- 30
变量名的可读性
测量男生的身高
一般的变量名
x <- 175
不错变量名
height <- 175
更佳的变量名
boy_height_cm <- 175
对象属性
x <- 6
所有R对象都有其属性,最重要的两个属性:
类型 长度
typeof(x)
length(x)
向量
盒子可以装更多数据
前面,我们把6这个数放入盒子 x
,
x <- 6
现在,我们想多装一些数据(有顺序、好取出),比如3,4,5,6,7
x <- 3, 4, 5, 6, 7 # 这样可以吗?
冰糖葫芦
我们小时候吃的冰糖葫芦,中间用一根木棒把水果串起来,有先后顺序,而且方便取出。
knitr::include_graphics("images/vector_like11.jpg", dpi = 300)
向量就像冰糖葫芦
对应到R语言里,用 c()
函数实现类似结构
x <- c(3, 4, 5, 6, 7)
x
向量就像冰糖葫芦
x <- c(3, 4, 5, 6, 7)
我们观察到c()
函数构造向量的几个要求
这里的 c
就是 combine 或 concatenate 的意思它要求元素之间用英文的逗号分隔 且元素的数据类型是统一的,比如这里都是数值
聚合成新向量
c()
函数还可以把两个向量聚合成一个新的向量。
low <- c(1, 2, 3)
high <- c(4, 5, 6)
sequence <- c(low, high)
sequence
命名向量(named vector)
向量元素可以有自己的名字
x <- c('a' = 5, 'b' = 6, 'c' = 7, 'd' = 8)
x
或者
x <- c(5, 6, 7, 8)
names(x) <- c('a', 'b', 'c', 'd')
x
单个值的向量,就可以偷懒
我们再回头看看之前的
x <- 6
它实际上就是
x <- c(6)
即长度为 1 的向量,相当于,只有一个草莓的糖葫芦。在我看来,x <- 6
是 x <- c(6)
偷懒的写法。
向量的属性
我们再来看看向量的两个基本属性
x <- c(3, 4, 5, 6, 7)
类型
typeof(x)
长度
length(x)
数值型向量
向量的元素都是数值类型,因此也叫数值型向量。
数值型的向量,有 integer 和 double 两种:
x <- c(1L, 5L, 2L, 3L) # 整数型
x <- c(1.5, -0.5, 2, 3) # 双精度类型,常用写法
x <- c(3e+06, 1.23e2) # 双精度类型,科学计数法
数值型向量,偷懒方法1
但如果向量元素很多,用手工一个个去输入,实际运用中不现实。在特定情况下,有几种偷懒方法:
seq()
函数可以生成等差数列,from
参数指定数列的起始值,to
参数指定数列的终止值,by
参数指定数值的间距:
s1 <- seq(from = 0, to = 10, by = 0.5)
s1
数值型向量,偷懒方法2
rep()
是 repeat(重复)的意思,可以用于产生重复出现的数字序列:times
指定要生成的个数each
指定每个元素重复的次数
s2 <- rep(x = c(0, 1), times = 3)
s2
s3 <- rep(x = c(0, 1), each = 3)
s3
数值型向量,偷懒方法3
m:n
,如果单纯是要生成数值间距为1的数列,用m:n
更快捷,它产生从 m 到 n 的间距为1的数列
# Colon operator (with by = 1):
s4 <- 0:10
s4
s5 <- 10:1
s5
字符串型向量
字符串(String)数据类型,实际上就是文本类型,必须用单引号或者是双引号包含
x <- c("a", "b", "c")
x <- c('Alice', 'Bob', 'Charlie', 'Dave')
x <- c("hello", "baby", "I love you!")
需要注意的是,x1
是字符串型向量,x2
是数值型向量
x1 <- c("1", "2", "3")
x2 <- c(1, 2, 3)
逻辑型向量
逻辑型常称为布尔型(Boolean):
常量值只有 TRUE 和 FALSE。 TRUE 和 FALSE 在R语言中是保留词汇
x <- c(TRUE, TRUE, FALSE, FALSE)
x <- c(T, T, F, F) # 与上等价,但不推荐
以下两者不要混淆
x <- c(TRUE, FALSE) # 逻辑型
x <- c("TRUE", "FALSE") # 字符串型
因子型向量
因子型可以看作是字符串向量的增强版,它是带有层级(Levels)信息的字符串向量。
比如,这里四个季节的名称,他们构成一个向量。
four_seasons <- c("spring", "summer",
"autumn", "winter")
我们使用 factor()
函数将其转换成因子型向量
four_seasons_factor <- factor(four_seasons)
four_seasons_factor
因子型向量
查看因子型向量的时候,同时也显示层级信息
默认的情况,它是按照字符串首字母的顺序排序
four_seasons_factor <- factor(four_seasons)
four_seasons_factor
也可以指定顺序,比如按照我对四个季节的喜欢排序
four_seasons_factor <- factor(
four_seasons,
levels = c("summer", "winter", "spring", "autumn")
)
four_seasons_factor
小结
前面介绍了向量,它是R语言中最基础的数据结构,我们还会遇到其它数据结构
矩阵 列表 数据框
这些数据结构都可以看作由向量衍生出来的。
矩阵
矩阵可以存储行(row)和列(column)二维的数据
它实际上是向量的另一种表现形式。
矩阵
矩阵可以用 matrix()
函数创建,第一位参数的位置是用于创建矩阵的向量。比如下面把向量c(2, 4, 3, 1, 5, 7)
转换成2行3列的矩阵
m <- matrix(
c(2, 4, 3, 1, 5, 7),
nrow = 2,
ncol = 3
)
m
矩阵
矩阵的属性
类型
class(m)
长度
length(m)
维度
dim(m)
矩阵
向量是一个竖着的糖葫芦,在转换成矩阵的时候,也是先竖着排,第一列竖着的方向排满后,就排第二列,这是默认的情形。
如果想改变这一传统习惯,也可以增加一个语句
byrow = TRUE
,这条语句让向量先横着排,排完第一行,再排第二行。
matrix(
c(2, 4, 3, 1, 5, 7), nrow = 2, byrow = TRUE
)
列表
想象有一个小火车,小火车的每节车厢是独立的,因此每节车厢装的东西可以不一样。这种结构,装载数据的能力很强大,称之为列表(list)。
创建列表
list1 <- list(
a = c(5, 10),
b = c("I", "love", "R", "language", "!"),
c = c(TRUE, TRUE, FALSE, TRUE)
)
list1
创建列表
列表
c()
函数创建向量 Vs. list()
函数创建列表
相同点:元素之间用逗号分开。 不同点: 向量的元素是单个值;列表的元素可以是更复杂的结构,可以是向量、矩阵或者列表。 向量要求每个元素的数据类型必须相同,要么都是数值型,要么都是字符型;而列表的元素允许不同的数据类型。
列表的属性
类型
class(list1)
长度
length(list1)
数据框
列表是一个小火车,如果每节车厢装的都是向量而且等长,那么这种特殊形式的列表就变成了数据框 (data frame)
创建数据框
我们可以使用 data.frame()
函数构建
df <- data.frame(
name = c("Alice", "Bob", "Carl", "Dave"),
age = c(23, 34, 23, 25),
marriage = c(TRUE, FALSE, TRUE, FALSE),
color = c("red", "blue", "orange", "purple")
)
df
数据框就是我们经常用的excel表格
由于数据框融合了向量、列表和矩阵的特性,所以在数据科学的统计建模和可视化中运用非常广泛。
数据框的属性
类型
class(df)
维度
nrow(df)
ncol(df)
数据结构
R 对象的数据结构(向量、矩阵、列表和数据框),总结如下