《R语言实战》自学笔记5-数据框

数据框(data.frame)是R中最常处理的数据结构。

函数：data.frame(col1,col2,col3,....,row.name=NULL, check.rows = FALSE, check.names=TRUE, stringsAsFactors = default.stringsAsFactors())

其中的列向量col1, col2, col3,...可为任何类型(如字符型、数值型或逻辑型)，每一列的名称可由函数names指定；

row.name用于指定各行（样本）的名称，默认没有名称，使用从1开始自增的序列来标识每一行；

check.rows用于用来检查行的名称和数量是否一致，默认为FALSE；

check.names来检查变量（列）的名称是否唯一且符合语法，默认为TRUE；

stringsAsFactors用来描述是否将字符型向量自动转换为因子，默认转换，若不改变的话使用stringsAsFactors = FALSE来指定即可。

每一列数据的模式必须唯一，不过你却可以将多个模式的不同列放到一起组成数据框。

先构建向量，再组成数据框。

直接用data.frame函数构建数据框。

R语言的下标索引是从1开始的，且下标索引为负数的话表示删除某个元素。

[] 可进行索引，括号内对应的是[行下标, 列下标]。

[1] 1 2 3 4 5 6 7 8

[1] "four"

[1] 1 2 3 4 5 6 7 8

[1] "four"

[1] 1 2 3 4 5 6 7 8

[1] "one" "two" "three"

attach、detach和with()

函数attach()可将数据框添加到R的搜索路径中。

函数detach()将数据框从搜索路径中移除。

函数attach()和detach()最好在你分析一个单独的数据框，并且不太可能有多个同名对象时使用。

with()就是把所有 *** 作都限制在数据框上。

The following objects are masked by .GlobalEnv:

[1] 1 2 3 4 5 6 7 8

[1] "n1" "n2" "n3" "n4" "n5" "n6" "n7" "n8"

[1] 8

[1] 3

[1] 8

[1] "name""values" "values2"

[1] "r1" "r2" "r3" "r4" "r5" "r6" "r7" "r8"

[1] 8 3

[1] "data.frame"

[1] "numeric"

[1] "character"

Length:8 Min. :1.00 Min. :1.00

Class :character 1st Qu.:2.75 1st Qu.:2.75

Mode :character Median :4.50 Median :4.50

Mean :4.50 Mean :4.50

3rd Qu.:6.25 3rd Qu.:6.25

Max. :8.00 Max. :8.00

[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

r语言中添加新列的方法：

假设你数据是data，那么前几列的和是rowSums(data)；

然后你可以重新做一个dataframe

data_new<-data.frame(data,sum=rowSums(data))

R语言Data Frame数据框常用 *** 作：

Data Frame一般被翻译为数据框，感觉就像是R中的表，由行和列组成，与Matrix不同的是，每个列可以是不同的数据类型，而Matrix是必须相同的。

Data Frame每一列有列名，每一行也可以指定行名。如果不指定行名，那么就是从1开始自增的Sequence来标识每一行。

使用data.frame函数就可以初始化一个Data Frame。比如我们要初始化一个student的Data Frame其中包含ID和Name还有Gender以及Birthdate，那么代码为：

student<-data.frame(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"),Gender=c("M","M","F"),Birthdate=c("1984-12-29","1983-5-6","1986-8-8”))

另外也可以使用read.table() read.csv()读取一个文本文件，返回的也是一个Data Frame对象。读取数据库也是返回Data Frame对象。

查看student的内容为：

ID   Name Gender  Birthdate

1   11  Devin       M 1984-12-29

2   12 Edward     M   1983-5-6

3   13  Wenli       F   1986-8-8

这里只指定了列名为ID，Name，Gender和Birthdate，使用names函数可以查看列名，如果要查看行名，需要用到row.names函数。这里我们希望将ID作为行名，那么可以这样写：

row.names(student)<-student$ID

R语言之创建数据集

数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。

R中有许多用于存储数据的结构，包括标量、向量、数组、数据框和列表。

在R中，对象（object）是指可以赋值给变量的任何事物，包括常量、数据结构、函数、甚至是图形。因子（factor）是名义型变量或有序型变量，在R中被特殊地存储和处理。

R中的数据结构：

1.1向量

向量是用于存储数值型、字符型或逻辑型数据的一维数组。创建向量使用函数c()，如下例所示：

数值型向量：a<-c(1,2,5,3,6,-2,4)

字符型向量：b<-c("one","two","three")

逻辑型向量：c<-c(TRUE,TRUE,TRUE,FALSE,TRUE)

注：单个向量中的数据必须拥有相同的类型或模式。

标量是只含一个元素的向量，例如f<-3、g<-"US"和h<-TRUE。它们用于保存常量。

访问向量中的元素，可在方括号中给定元素所处位置的数值，如：a[c(2,4)]用于访问向量a中的第二个和第四个元素。

1.2矩阵

矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型），可以通过matrix创建矩阵

一般使用格式为：

mymatrix<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns,byrow=logical_value,dimnames=list(

char_vector_rownames,char_vector_colnames)) ，其中vector包含了矩阵的元素，nrow和ncol用以指定

行和列的维数，dimnames包含了可选的以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行

填充（byrow=TRUE）还是按列填充（byrow=FALSE），默认情况下按列填充。代码演示如下：

[plain] view plain copy

>cells<-c(1,23,56,485)

>rnames<-c("R1","R2")

>cnames<-c("c1","c2")

[plain] view plain copy

<pre name="code" class="html">>mymatrix<-matrix(cells ,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames))

>mymatrix

c1 c2

R1 1 23

R2 56 485

1.3数组

数组与矩阵类似，但是维数可以大于2。数组可通过array函数创建，形式如下：

myarray<-array(vector,dimensions,dimnames)，其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。代码如下:

[html] view plain copy

>dim<-c("A1","A2")

>dim1<-c("A1","A2")

>dim2<-c("B1","B2","B3")

>dim3<-c("C1","C2","C3","C4")

>z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3))

>z

, , C1

B1 B2 B3

A1 1 3 5

A2 2 4 6

, , C2

B1 B2 B3

A1 7 9 11

A2 8 10 12

, , C3

B1 B2 B3

A1 13 15 17

A2 14 16 18

, , C4

B1 B2 B3

A1 19 21 23

A2 20 22 24

1.4数据框

数据框中不同的列可以包含不同模式（数值型、字符型等）的数据，是R中最常处理的数据结构。数据框可以通过函数data.frame()创建：mydata<-data.frame(col1,col2,col3,...)，其中的列向量col1，col2，col3，...可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定。代码如下：

[html] view plain copy

>age<-c(25,34,28,53)

>patientID<-c(1,2,3,4)

>diabetes<-c("Type1","Type2","Type1","Type1")

>status<-c("Poor","Improved","Excellent","Poor")

>patientdata<-data.frame(patientID,age,diabetes,status)

>patientdata

patientID age diabetesstatus

1 1 25Type1 Poor

2 2 34Type2 Improved

3 3 28Type1 Excellent

4 4 53Type1 Poor

>patientdata$age

[1] 25 34 28 53

<pre name="code" class="html">>table(patientdata$diabetes,patientdata$status)

Excellent Improved Poor

Type1 102

Type2 010

$被用来选取一个给定数据框中的某个特定变量，上面table(patientdata$diabetes,patientdata$status)生成了 diabetes和status的列联表。

函数attach()可将数据框添加到R的搜索路径中。

函数detach()将数据框从搜素路径中移除。

相对于attach。多数的R书籍更推荐使用函数with()。

1.5因子

变量可归结为名义型、有序型或连续型变量。类别（名义型）变量和有序类别（有序型）变量在R中称为因子。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。

函数factor（）以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（其中k是名义变量中唯一值得个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。

名义型eg：假设有向量：diabetes<-c("Type1","Type2","Type1","Type1")

语句diabetes<-factor(diabetes)将此向量存储为（1，2，1，1）.

有序型eg: 对于给定变量status<-c("Poor","Improved","Excellent","Poor")

语句status<-factor(status,ordered=TRUE)会将向量编码为（3，2，1，3）。

1.6列表（list）

列表是R的数据类型中最为复杂的一种。列表就是一些对象的（或成分，component)的有序集合。列表允许你整合若干（可能无关）的对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至是其他列表的组合。可以使用函数list（）创建列表：

mylist<-list(object1,object2,...)

注：列表成为了R中的重要数据结构。

1.列表允许以一种简单的方式组织和重新调用不相干的信息；

2.许多R函数的运行结果都是以列表的形式返回的。

---