代码来源：datacamp R语言学习
R 的数据类型
- Decimal values like 4.5 are called numerics.
- Natural numbers like 4 are called integers. Integers are also numerics.
- Boolean values (TRUE or FALSE) are called logical.
- Text (or string) values are called characters.
向量
通过 <- c() 创建向量。
并通过names 为向量命名。
names(vectors) <- c('a','b','c')
- sum()
计算向量的加和。
sum(vector)
- vector[n]
选择向量中的某个变量
或选择多个变量
poker_midweek <- poker_vector[c(2,3,4)]
# 选择vector中的2，3，4变量
roulette_selection_vector <- roulette_vector[2:4]
# 选择vector 中 2～4变量，与上同
- mean()
求平均。
poker_start = mean(vector)
- 利用向量进行比较
selection_vector <- poker_vector>0
# 输出结果为原先向量中数值判断后返回的布尔值。
'''
Monday Tuesday Wednesday Thursday Friday
TRUE FALSE TRUE FALSE TRUE
'''
此时可以将判断后的结果向量selection_vector作为选择值用于poker_vector的选择。
R knows what to do when you pass a logical vector in square brackets: it will only select the elements that correspond to TRUE in selection_vector.
即可以通过下式获得对应TRUE的信息。
poker_winning_days <- poker_vector[selection_vector]
- 整合多个向量
box_office <- c(new_hope, empire_strikes, return_jedi)
可以通过直接依靠c() 整合
matrix 矩阵
- 建立矩阵
matrix(1:9, byrow = TRUE, nrow = 3)
1）1:9 表示矩阵行或列的元素信息，例设定为1到9；
2）byrow 表示矩阵是按照何种排列，TRUE 为行，False 为列；
3）nrow 表示每行元素数。
返回结果
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
若为按列 排列
matrix(1:12, byrow = FALSE, ncol = 3)
'''
[,1] [,2] [,3]
[1,] 1 5 9
[2,] 2 6 10
[3,] 3 7 11
[4,] 4 8 12
'''
- 为行或列命名
定义某个矩阵
star_wars_matrix <- matrix(1:6, nrow = 3, byrow = TRUE)
# 按行排列，3行6个数字，2列。
定义行和列
region <- c("US", "non-US")
titles <- c("A New Hope", "The Empire Strikes Back", "Return of the Jedi")
命名行&列
colnames(star_wars_matrix) <- region
# 命名列
rownames(star_wars_matrix) <- titles
# 命名行
输出
star_wars_matrix
- 添加列到matrix
使用cbind() 。
向量包含的元素数值需等于矩阵行数。
big_matrix <- cbind(matrix1, matrix2, vector1 ...)
-
添加行到matrix
使用rbind()，操作同cbind() -
加和
colSums() 或 rowSums() -
选择矩阵中的元素
matrix[x, y] ，x表示行，y表示列
martix[1:2,2:3]
# 选取1、2行的第2与3列的元素。
# 返回的也是一个向量类型的值。
'''
non-US worldwide_vector
A New Hope 314.4 775.398
The Empire Strikes Back 247.9 538.375
'''
factors
- 什么是factor
The term factor refers to a statistical data type used to store categorical variables. The difference between a categorical variable and a continuous variable is that a categorical variable can belong to a limited number of categories. A continuous variable, on the other hand, can correspond to an infinite number of values.
factor因子 用于分类变量，分类变量是存储有条件数目的分类的；而连续变量则可以储存及对应一系列数目（可以无穷大）。
简单例子：
性别：男，女。
永远是finite number of categories。
- 将向量转换为因子
factor_sex_vector <- factor(sex_vector)
- 两种类型的变量下的factor
1）A nominal variable，表示没有内在顺序的变量类型。如动物的种类：猴子，兔子，老鼠。不同的动物之间不存在高低顺序的关联性。
2）An ordinal variable，表示有一个排序关系。如描述程度关系的词：高，中，低。明显有一个内在关系。
# Animals
animals_vector <- c("Elephant", "Giraffe", "Donkey", "Horse")
factor_animals_vector <- factor(animals_vector)
factor_animals_vector
# Temperature
temperature_vector <- c("High", "Low", "High","Low", "Medium")
factor_temperature_vector <- factor(temperature_vector, order = TRUE, levels = c("Low", "Medium", "High"))
factor_temperature_vector
通过order,与level 调整 ordinal varibles 在factor 中的等级。
若没有通过定义factor直接设置levels 及顺序。
可以之后语句添加
survey_vector <- c("M", "F", "F", "M", "M")
# 定义向量
factor_survey_vector <- factor(survey_vector)
# 定义因子
levels(factor_survey_vector) <- c("Female", "Male")
# 为因子定义level为Female，Male，因为按照默认顺序排列，字母表中F在M前
# 所以Female 会指代给F
# 这样的好处是在定义向量时不必完整的输入向量具体名称
# 直接在设定因子时定义即可。
factor_survey_vector
- summary a factor
通过summary() 函数了解因子中不同类型变量的数值。
survey_vector <- c("M", "F", "F", "M", "M")
factor_survey_vector <- factor(survey_vector)
levels(factor_survey_vector) <- c("Female", "Male")
# 定义factor
summary(factor_survey_vector)
# 汇总并返回
'''
Female Male
2 3
'''
ps : 也可以给数字、字符串、矩阵使用summary()。
数字
> summary(a)
Min. 1st Qu. Median Mean 3rd Qu. Max.
2 2 2 2 2 2
字符串
> summary(x2)
Length Class Mode
5 character character
矩阵
> summary(all_wars_matrix)
US non-US worldwide_vector
Min. :290.5 Min. :165.8 Min. :475.1
1st Qu.:299.9 1st Qu.:206.8 1st Qu.:506.7
Median :309.3 Median :247.9 Median :538.4
Mean :353.6 Mean :242.7 Mean :596.3
3rd Qu.:385.2 3rd Qu.:281.1 3rd Qu.:656.9
Max. :461.0 Max. :314.4 Max. :775.4
- 比较factor 中的变量
对于有条件关系的因子中的变量，ordinal variables，则会返回一个判断的布尔值。ps: 这类factor 在类别上也叫做ordered（至少Rstudio上是这样显示的）
如：
temperature_vector <- c("High", "Low", "High","Low", "Medium")
factor_temperature_vector <- factor(temperature_vector, order = TRUE, levels = c("Low", "Medium", "High"))
high <- factor_temperature_vector[1]
# 将本来向量顺序中的第一个值返还给high
low <- factor_temperature_vector[2]
high > low
返回
high > low
[1] TRUE
对于没有顺序关系，nominal variables,则会报错。
Warning message:
In Ops.factor(high, medium) : ‘>’ not meaningful for factors
性别不存在顺序。
# Build factor_survey_vector with clean levels
survey_vector <- c("M", "F", "F", "M", "M")
factor_survey_vector <- factor(survey_vector)
levels(factor_survey_vector) <- c("Female", "Male")
# Male
male <- factor_survey_vector[1]
# Female
female <- factor_survey_vector[2]
返回
NA
数据架构
一个合适数据架构就和问卷一样，是包含不同类型的数据的。
比如
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
如同一个问卷一样。
'Are you married?' or 'yes/no' questions (logical)
'How old are you?' (numeric)
'What is your opinion on this product?' or other 'open-ended' questions (character)
-
查看数据集
通过head()与tail() -
查看data frame 的结构
可以通过str() 快速了解数据集的结构信息。
1）数据集中的observation数目。通常也就是行数。
2）变量数目。通常也是列数。
3）变量的数目与类型。
4）前10个observation 的信息。
- 构建data frame。
首先构建vectors。
name <- c("Mercury", "Venus", "Earth", "Mars", "Jupiter", "Saturn", "Uranus", "Neptune")
type <- c("Terrestrial planet", "Terrestrial planet", "Terrestrial planet",
"Terrestrial planet", "Gas giant", "Gas giant", "Gas giant", "Gas giant")
diameter <- c(0.382, 0.949, 1, 0.532, 11.209, 9.449, 4.007, 3.883)
rotation <- c(58.64, -243.02, 1, 1.03, 0.41, 0.43, -0.72, 0.67)
rings <- c(FALSE, FALSE, FALSE, FALSE, TRUE, TRUE, TRUE, TRUE)
将不同的vctors 拼接起来。
planets_df <- data.frame(name, type, diameter, rotation, rings)
显示
> planets_df
name type diameter rotation rings
1 Mercury Terrestrial planet 0.382 58.64 FALSE
2 Venus Terrestrial planet 0.949 -243.02 FALSE
3 Earth Terrestrial planet 1.000 1.00 FALSE
4 Mars Terrestrial planet 0.532 1.03 FALSE
5 Jupiter Gas giant 11.209 0.41 TRUE
6 Saturn Gas giant 9.449 0.43 TRUE
7 Uranus Gas giant 4.007 -0.72 TRUE
8 Neptune Gas giant 3.883 0.67 TRUE
- 选取data frame的信息
跟matrix 类似。
ps：其实就完全可以将data frame 理解为一个包含不同类型数据的matrix。
不同之处在于，frame work 可以对行和列进行定义（分类函数）。
所以可以借助于变量名查询。
planets_df[1:5,"diameter"]
通过$可以直接获取分类变量下的全部信息。
rings_vector <- planets_df$rings
将 rings 列下的全部元素给新的向量
通过筛选分类下的布尔型数据，可以针对该数据筛选出目标数据。
如找出所有带有rings 的planet。
planets_df[rings_vector,]
# 列出所有符合TRUE的planet
planets_df[rings_vector,"name"]
# 列出所有符合TRUE的行星name
- 通过条件语句获得信息
subset(frame_name, condition)
subset(planets_df, subset = diameter < 1)
# 获得直径小于1的变量
- 排序
order() 会将其中的元素按照大小顺序排列，并按照大小顺序返回元素所在的位置数据。
> a <- c(100, 10, 1000)
> order(a)
[1] 2 1 3
网友评论