第二课：高级数据结构
夏骁凯
2016年11月28日
本节课程知识点
- 函数
- 数据框、矩阵
- 因子
- 列表
函数
简单的认识一下：
c( )
hist( )
rnorm( )
1. 函数
定义：在编程环境中完成某项动作的命令，封装了一系列复杂的代码
格式：函数名（形式参数 = 真实参数）
参数调用
- 根据相对位置调用
- 使用形式参数调用
帮助系统
当我不知道的时候，我就打个问号
2. 长方形的数据结构：矩阵、数据框
特征：各行、各列长度一致
矩阵与数据框的差异
数据框：
- 统计概念
- 横为行（row）或观测（observation），纵为列（column）或属性（attribution）
- 可以为属性命名
矩阵：
- 数学概念，元素只可为数字
举例
head(iris) #iris为鸢尾花数据，记录了不同品种的鸢尾花的各位置的长度
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
数据框的建立
num <- 1:5
char <- letters[1:5] #letters是R中内建的向量，内容为小写字母
mydataframe <- data.frame(number = num, letter = char) #建立数据框，参数中等号前为列名，等号后为索引的向量
mydataframe
number letter
1 1 a
2 2 b
3 3 c
4 4 d
5 5 e
数据框的属性
nrow(mydataframe) #查看行数
[1] 5
ncol(mydataframe) #查看列数
[1] 2
names(mydataframe) #查看列名
[1] "number" "letter"
colnames(mydataframe) #查看列名
[1] "number" "letter"
数据框的索引（1）
mydataframe[,1] #提取第一列
[1] 1 2 3 4 5
mydataframe[2,] #提取第二行
number letter
2 2 b
mydataframe[3,2] #提取第三行第五列
[1] c
Levels: a b c d e
在对数据框使用方括号提取时，逗号前表示行数，逗号后表示列数，空出不写则代表相应的整行/整列
数据框的索引（2）
mydataframe$number #使用$符号可以直接根据列名提取数据
[1] 1 2 3 4 5
数据框的操作（1）
rbind(mydataframe,mydataframe) #行合并
number letter
1 1 a
2 2 b
3 3 c
4 4 d
5 5 e
6 1 a
7 2 b
8 3 c
9 4 d
10 5 e
cbind(mydataframe,mydataframe) #列合并
number letter number letter
1 1 a 1 a
2 2 b 2 b
3 3 c 3 c
4 4 d 4 d
5 5 e 5 e
数据框的操作（2）
- 删除、修改与向量一致
- 可以使用merge()融合
- 可以使用na.omit()删除缺失值
数据框的向量化计算
x <- cbind(x1 = 3, x2 = c(4:1, 2:5))
head(x) #head()函数可以简单查看数据框的前六行
x1 x2
[1,] 3 4
[2,] 3 3
[3,] 3 2
[4,] 3 1
[5,] 3 2
[6,] 3 3
apply(x, 2, sum) #计算每行总和
x1 x2
24 24
apply(x, 1, sum) #计算每列总和
[1] 7 6 5 4 5 6 7 8
矩阵的建立
matrix(1:20, nrow = 5, ncol = 4)
[,1] [,2] [,3] [,4]
[1,] 1 6 11 16
[2,] 2 7 12 17
[3,] 3 8 13 18
[4,] 4 9 14 19
[5,] 5 10 15 20
matrix(1:20, nrow = 4, ncol = 5, byrow = T) #byrow参数决定了矩阵的填充方式
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15
[4,] 16 17 18 19 20
矩阵的属性与操作
与数据框相同
3. 离散数据的数据结构：因子
称名数据、分类数据，应当使用因子进行存储
因子的建立
factor(letters[rep(1:3,3)]) #建立称名变量
[1] a b c a b c a b c
Levels: a b c
factor(letters[rep(1:3,3)], ordered = TRUE) #建立顺序变量
[1] a b c a b c a b c
Levels: a < b < c
因子的属性
myfactor <- factor(letters[rep(1:3,3)])
length(myfactor) #查看因子的长度
[1] 9
levels(myfactor) #查看因子的水平
[1] "a" "b" "c"
因子的索引、操作
与向量相同
当因子遇上数据框：分组汇总
- 主要函数：aggregate()；by()
- 基本形式：function(data, by = factor, FUN)
分组汇总示例
head(mtcars)
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225 105 2.76 3.460 20.22 1 0 3 1
aggregate函数
aggregate(mtcars, list(mtcars$cyl), mean)
Group.1 mpg cyl disp hp drat wt qsec
1 4 26.66364 4 105.1364 82.63636 4.070909 2.285727 19.13727
2 6 19.74286 6 183.3143 122.28571 3.585714 3.117143 17.97714
3 8 15.10000 8 353.1000 209.21429 3.229286 3.999214 16.77214
vs am gear carb
1 0.9090909 0.7272727 4.090909 1.545455
2 0.5714286 0.4285714 3.857143 3.428571
3 0.0000000 0.1428571 3.285714 3.500000
by函数
by(mtcars, mtcars$cyl, sum)
mtcars$cyl: 4
[1] 2763.233
--------------------------------------------------------
mtcars$cyl: 6
[1] 2550.16
--------------------------------------------------------
mtcars$cyl: 8
[1] 8628.809
两个函数有什么差别？
将aggregate和by中的FUN参数换成head试试？
4. 列表是个筐，什么都能装：列表
mylist <- list(letters = letters, mydataframe = mydataframe, myfactor = myfactor) # 列表的建立
mylist
$letters
[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q"
[18] "r" "s" "t" "u" "v" "w" "x" "y" "z"
$mydataframe
number letter
1 1 a
2 2 b
3 3 c
4 4 d
5 5 e
$myfactor
[1] a b c a b c a b c
Levels: a b c
列表的索引
mylist$letters
[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q"
[18] "r" "s" "t" "u" "v" "w" "x" "y" "z"
mylist[[2]]
number letter
1 1 a
2 2 b
3 3 c
4 4 d
5 5 e
5. 几个常用的小函数
str(mylist) #查看数据的结构
List of 3
$ letters : chr [1:26] "a" "b" "c" "d" ...
$ mydataframe:'data.frame': 5 obs. of 2 variables:
..$ number: int [1:5] 1 2 3 4 5
..$ letter: Factor w/ 5 levels "a","b","c","d",..: 1 2 3 4 5
$ myfactor : Factor w/ 3 levels "a","b","c": 1 2 3 1 2 3 1 2 3
class(mydataframe) #查看数据的类型
[1] "data.frame"
head(mydataframe) #查看数据的前六行
number letter
1 1 a
2 2 b
3 3 c
4 4 d
5 5 e
几个常用的小函数
as.character(myfactor) #as.*函数可以转换数据类型与数据结构
[1] "a" "b" "c" "a" "b" "c" "a" "b" "c"
is.character(myfactor) #is.*函数可以对数据类型与数据结构进行逻辑判断
[1] FALSE