R語言數據類型深入詳解
R語言用來存儲數據的對象包括: 向量, 因子, 數組, 矩陣, 數據框, 時間序列(ts)以及列表
意義介紹
1. 向量(一維數據): 隻能存放同一類型的數據
語法: c(data1, data2, …),訪問的時候下標從1開始(和Matlab相同);向量裡面隻能存放相同類型的數據.
> x <- c(1,5,8,9,1,2,5) > x [1] 1 5 8 9 1 2 5 > y <- c(1,"zhao") # 這裡面有integer和字符串, 整數自動轉化成瞭字符 > y[1] [1] "1"
訪問:
> x[-(1:2)] # 不顯示第1,2個元素 [1] 8 9 1 2 5 > x[2:4] # 訪問第2,3,4個元素 [1] 5 8 9
2. 因子(factors): 提供瞭一個處理分類數據的更簡潔的方式
因子在整個計算過程中不再作為數值, 而是作為一個”符號”而已.
factor(x=character(), levels, labels=levels, exclude=NA, ordered=is.ordered(x), nmax=NA)
x: 一個數據向量, 它將被轉換成為因子;
levels: 用來指定因子可能出現的水平(默認也就是向量x裡面互異的值, sort(unique(x)));它是一個字符向量(即每個元素是單個字符, 組成的一個向量), 下面的變量b就是一個字符向量(可以使用as.character()函數來生成).
labels: 用來指定水平的名字;
> a <- c(6,1,3,0) > b = as.character(a) > b [1] "6" "1" "3" "0"
exclude: 一個值向量, 表示從向量x裡面剔除的水平值.
nmax: 水平數目的上界.
> factor(1:3) [1] 1 2 3 Levels: 1 2 3 > factor(1:3, levels=1:6) [1] 1 2 3 Levels: 1 2 3 4 5 6 > factor(1:6, exclude = 2) [1] 1 <NA> 3 4 5 6 Levels: 1 3 4 5 6
一般因子(factor) VS 有序因子(ordered factor)
因子用來存放變量或者有序變量, 這類變量不能用來計算, 而隻能用來分類或者計數. 一般因子表示分類變量, 有序因子用來表示有序變量.
創建一個因子:
> colour <- c('G', 'G', 'R', 'Y', 'G', 'Y', 'Y', 'R', 'Y')
> col <- factor(colour) #生成因子
#labels裡面的內容代替對應位置處的levels內容
> col1 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('Green', 'Red', 'Yellow'))
> levels(col)
[1] "G" "R" "Y"
> levels(col1)
[1] "Green" "Red" "Yellow"
> col2 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('1', '2', '3'))
> levels(col2)
[1] "1" "2" "3"
> col_vec <- as.vector(col2)
> class(col_vec)
[1] "character"
> col2
[1] 1 1 2 3 1 3 3 2 3
Levels: 1 2 3
> col_num <- as.numeric(col2)
> col_num
[1] 1 1 2 3 1 3 3 2 3
> col3 <- factor(colour, levels = c('G', 'R')) #levels裡面沒有'B',導致col3裡面的'B'變成瞭<NA>
> col3
[1] G G R <NA> G <NA> <NA> R <NA>
Levels: G R
> colour
[1] "G" "G" "R" "Y" "G" "Y" "Y" "R" "Y"
創建一個有序因子:
> score <- c('A', 'B', 'A', 'C', 'B')
> score1 <- ordered(score, levels = c('C', 'B', 'A'));
> score1
[1] A B A C B
Levels: C < B < A
3. 矩陣(matrix, 二維數據): 隻能存放同一類型
語法: matrix(data, nrow = , ncol = , byrow = F) — byrow = F表示按列來存放數據(默認), byrow=T表示按行存放數據;
> xx = matrix(1:10, 2, 5) > xx [,1] [,2] [,3] [,4] [,5] [1,] 1 3 5 7 9 [2,] 2 4 6 8 10
4. 數組(大於等於三維的數據): 隻能存放同一類型
語法: array(data, dim) — data: 必須是同一類型的數據; dim: 各維的維度組成的向量;(怎麼感覺和matlab裡面的reshape函數那麼像)
> a = array(1:10,c(2,5)) > a [,1] [,2] [,3] [,4] [,5] [1,] 1 3 5 7 9 [2,] 2 4 6 8 10
5. 數據框(data frame)
數據框是一種矩陣形式排列的數據(類似於excel表格), 但是和矩陣不同的是, 它的每一列可以是不同的數據類型(還是和excel很像).
語法: data.frame(data1, data2,…) — data1,…為每列的數據.
> name <- c("Mr A", "Mr B", "Mr C")
> group <- rep(1,3)
> scort <- c(58,15,41)
> df <- data.frame(name, group, scort)
> df
name group scort
1 Mr A 1 58
2 Mr B 1 15
3 Mr C 1 41
數據訪問:
> df$name [1] Mr A Mr B Mr C Levels: Mr A Mr B Mr C > df[1] name 1 Mr A 2 Mr B 3 Mr C
6. 列表(list): 可以存放不同類型的數據
語法: list(name1=component1, name2=component2, …)
> xx <- rep(1:2, 3:4)
> yy <- c('Mr A', 'Mr B', 'Mr C', 'Mr D', 'Mr E', 'Mr D', 'Mr F')
> zz <- 'discussion group'
> name.list <- list(group = xx, name = yy, decription = zz)
> name.list
$group
[1] 1 1 1 2 2 2 2
$name
[1] "Mr A" "Mr B" "Mr C" "Mr D" "Mr E" "Mr D" "Mr F"
$decription
[1] "discussion group"
參考:
blog.sina.com.cn/s/blog_4d9814240102vigp.html
到此這篇關於R語言數據類型深入詳解的文章就介紹到這瞭,更多相關R語言數據類型內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！