R語(yǔ)言學(xué)習(xí)系列04數(shù)據(jù)結(jié)構(gòu)Ⅱ-數(shù)據(jù)框,因子,列表

04.數(shù)據(jù)結(jié)構(gòu)Ⅱ—數(shù)據(jù)框，因子，列表四、數(shù)據(jù)框（數(shù)據(jù)表）R語(yǔ)言中做統(tǒng)計(jì)分析的樣本數(shù)據(jù)，都是按數(shù)據(jù)框類(lèi)型操作的。數(shù)據(jù)框的每一列代表一個(gè)變量屬性的所有取值，每一行代表一條樣本數(shù)據(jù)。1.創(chuàng)建數(shù)據(jù)框通過(guò)函數(shù)data.frame()把多個(gè)向量組合起來(lái)創(chuàng)建，并設(shè)置列名稱(chēng)。其基本格式為：data.frame(col1,col2,col3,...)其中，列向量col1,col2,col3,…可以為任意類(lèi)型。注：矩陣也可以通過(guò)函數(shù)data.frame()轉(zhuǎn)化為數(shù)據(jù)庫(kù)。>data_iris<-data.frame(Sepal.Length=c(5.1,4.9,4.7,4.6),Sepal.Width=c(3.5,3.0,3.2,3.1),Petal.Length=c(1.4,1.4,1.3,1.5),Petal.Width=rep(0.2,4))>data_irisSepal.LengthSepal.WidthPetal.LengthPetal.Width15.13.51.40.224.93.01.40.234.73.21.30.244.63.11.50.2>#矩陣轉(zhuǎn)化為數(shù)據(jù)框>dmatrix<-matrix(1:8,c(4,2))>dmatrix[,1][,2][1,]15[2,]26[3,]37[4,]48>data.frame(dmatrix)X1X21152263374482.數(shù)據(jù)框索引列標(biāo)或列名稱(chēng)索引：data_iris[,1]——返回?cái)?shù)據(jù)框data_iris的第1列data_iris$Sepal.Length或data_iris["Sepal.Length"]——同data_iris[,1]行索引：data_iris[1,]——返回?cái)?shù)據(jù)框data_iris的第1行data_iris[1:3,]——返回?cái)?shù)據(jù)框data_iris的第1至3行元素索引：data_iris[1,1]——返回?cái)?shù)據(jù)框data_iris的第1列第1個(gè)數(shù)據(jù)data_iris$Sepal.Length[1]或data_iris["Sepal.Length"][1]——返回?cái)?shù)據(jù)框data_iris的Sepal.Length列第1個(gè)數(shù)據(jù)用函數(shù)subset()按條件索引>subset(data_iris,Sepal.Length<5)Sepal.LengthSepal.WidthPetal.LengthPetal.Width24.93.01.40.234.73.21.30.244.63.11.50.2注：還可用sqldf包中的sqldf()函數(shù)，借助sql語(yǔ)句索引。例如，library(sqldf)sqldf("select*frommtcarswherecarb=1orderbympg",s=TRUE)3.數(shù)據(jù)框的編輯類(lèi)似矩陣操作，可通過(guò)函數(shù)rbind()，增加行（樣本數(shù)據(jù)），要求寬度（列數(shù)）相同；函數(shù)cbind()，增加列（屬性變量），要求高度（行數(shù)）相同。刪除樣本（行），類(lèi)似矩陣操作。用函數(shù)names()查看或修改數(shù)據(jù)框的列名。>#增加樣本數(shù)據(jù)（行）>data_iris<-rbind(data_iris,list(5.0,3.6,1.4,0.2))>data_irisSepal.LengthSepal.WidthPetal.LengthPetal.Width15.13.51.40.224.93.01.40.234.73.21.30.244.63.11.50.255.03.61.40.2>#增加屬性變量（列）>data_iris<-cbind(data_iris,Species=rep("setosa",5))>data_irisSepal.LengthSepal.WidthPetal.LengthPetal.WidthSpecies15.13.51.40.2setosa24.93.01.40.2setosa34.73.21.30.2setosa44.63.11.50.2setosa55.03.61.40.2setosa>#刪除數(shù)據(jù)>data_iris[,-1]#刪除第1列Sepal.WidthPetal.LengthPetal.WidthSpecies13.51.40.2setosa23.01.40.2setosa33.21.30.2setosa43.11.50.2setosa53.61.40.2setosa>data_iris[-1,]#刪除第1行Sepal.LengthSepal.WidthPetal.LengthPetal.WidthSpecies24.93.01.40.2setosa34.73.21.30.2setosa44.63.11.50.2setosa55.03.61.40.2setosa>#編輯數(shù)據(jù)框列名>names(data_iris)#查看數(shù)據(jù)框列名[1]"Sepal.Length""Sepal.Width""Petal.Length""Petal.Width""Species">names(data_iris)[1]="sepal.length"#修改第1列列名>names(data_iris)[1]"sepal.length""Sepal.Width""Petal.Length""Petal.Width""Species"五、因子（factor）變量分為名義型（無(wú)順序好壞之分的分類(lèi)變量，如性別）、有序型（有順序好壞之分的分類(lèi)變量，如療效）、連續(xù)型（通常的數(shù)值變量，可帶小數(shù)位）。名義型和有序型的類(lèi)別變量，在R中稱(chēng)為因子。因子提供了一個(gè)簡(jiǎn)單且緊湊的形式來(lái)處理分類(lèi)數(shù)據(jù)，因子用水平來(lái)表示所有可能的取值，例如，性別有兩個(gè)水平：男、女。1.創(chuàng)建因子（1）用函數(shù)factor()，基本格式為：factor(x,levels,labels=...,exclude=...,ordered=...,nmax=...)其中，x為創(chuàng)建因子的數(shù)據(jù)向量；levels指定因子的水平數(shù)，默認(rèn)為x中不重復(fù)的所有值；labels設(shè)置各水平名稱(chēng)（前綴），與水平一一對(duì)應(yīng)；exclude指定有哪些水平是不需要的；ordered設(shè)置是否對(duì)因子水平排序，默認(rèn)為T(mén)RUE即有序因子，F(xiàn)ALSE為無(wú)序因子；nmax設(shè)定水平數(shù)的上限。>ff<-factor(substring("statistics",1:10,1:10),levels=letters)>ff[1]statisticsLevels:abcdefghijklmnopqrstuvwxyz>ff[,drop=TRUE]#去掉未包含在向量中的水平，同f.<-factor(ff)[1]statisticsLevels:acist>factor(1:10,labels="let")[1]let1let2let3let4let5let6let7let8let9let10Levels:let1let2let3let4let5let6let7let8let9let10>factor(LETTERS[3:1],ordered=TRUE)[1]CBALevels:A<B<C注：函數(shù)substring()用來(lái)提取字符串的子串，第2個(gè)參數(shù)是起始位置，第3個(gè)參數(shù)是終止位置；letters和LETTERS是R中專(zhuān)有變量，表示26個(gè)小寫(xiě)/大寫(xiě)字母組成的字符向量。（2）用函數(shù)gl()創(chuàng)建因子序列用函數(shù)gl()生成不同水平的因子序列，基本格式為：gl(n,k,length=n*k,labels=seq_len(n),ordered=FALSE)其中，n表示因子水平數(shù)；k表示每個(gè)水平的重復(fù)數(shù)；length表示生成序列的長(zhǎng)度；labels為表示因子水平的n維向量；ordered指定是否為有序因子，TRUE為有序因子，F(xiàn)ALSE為無(wú)序因子。>#生成水平數(shù)為3，每個(gè)水平重復(fù)2次的因子序列>gl(3,2)[1]112233Levels:123>#生成水平為“TRUE”和“FALSE”，每個(gè)水平重復(fù)3次的因子序列>gl(2,3,labels=c("TRUE","FALSE"))[1]TRUETRUETRUEFALSEFALSEFALSELevels:TRUEFALSE>#生成水平數(shù)為2，序列長(zhǎng)度為10的因子序列>gl(2,1,10)[1]1212121212Levels:12>#生成水平數(shù)為3，每個(gè)水平重復(fù)2次的有序因子序列>gl(3,2,ordered=TRUE)[1]112233Levels:1<2<32.因子的存儲(chǔ)方式R語(yǔ)言中，因子是以整數(shù)型向量存儲(chǔ)的，每個(gè)因子水平對(duì)應(yīng)一個(gè)整數(shù)型的數(shù)。對(duì)字符型向量創(chuàng)建的因子，會(huì)按照字母順序排序，再對(duì)應(yīng)到整數(shù)型向量。>status<-c("Poor","Improved","Excellent","Poor")>class(status)[1]"character">status.factor<-factor(status,ordered=TRUE)>status.factor[1]PoorImprovedExcellentPoorLevels:Excellent<Improved<Poor>class(status.factor)[1]"ordered""factor">storage.mode(status.factor)[1]"integer">as.numeric(status.factor)[1]3213>levels(status.factor)[1]"Excellent""Improved""Poor"六、列表列表就是一些對(duì)象或成分的有序集合（組合方式更自由）。列表允許整合若干對(duì)象到單個(gè)對(duì)象名下，例如，某個(gè)列表可能是若干向量、矩陣、數(shù)據(jù)框，甚至是其它列表的組合。一般在使用R語(yǔ)言進(jìn)行數(shù)據(jù)分析和挖掘的過(guò)程中，向量和數(shù)據(jù)框是用的最多的，列表常在存儲(chǔ)較復(fù)雜的數(shù)據(jù)時(shí)作為數(shù)據(jù)對(duì)象類(lèi)型。列表提供了一種簡(jiǎn)單的方式來(lái)組織和重新調(diào)用不相干的信息。另外，許多R函數(shù)的運(yùn)行結(jié)果都是用列表形式返回的。1.創(chuàng)建列表用函數(shù)list()，基本格式為：list(object1,object2,...)其中，object對(duì)象可以是任何類(lèi)型。若同時(shí)為列表中的對(duì)象命名：list(name1=object1,name2=object2,...)>data<-list(a=c(1,2,3,4),b=c("one","two","three"),c=c(TRUE,FALSE),d=(1+2i))>data$a[1]1234$b[1]"one""two""three"$c[1]TRUEFALSE$d[1]1+2i>#查看列表的數(shù)據(jù)結(jié)構(gòu)>summary(data)LengthClassModea4-none-numericb3-none-characterc2-none-logicald1-none-complex>#創(chuàng)建一個(gè)內(nèi)含多種結(jié)構(gòu)的列表>g<-"MyList">h<-c(25,26,18,39)>j<-matrix(1:10,nrow=5)>mylist<-list(title=g,ages=h,j)>mylist$title[1]"MyList"$ages[1]25261839[[3]][,1][,2][1,]16[2,]27[3,]38[4,]49[5,]510>summary(mylist)LengthClassModetitle1-none-characterages4-none-numer