Ao final desta aula, você deverá saber: - Tipos de vetores mais usados, - Reconhecer os diferentes tipos de objetos mais comuns do R.
Ao final desta aula, você deverá saber: - Tipos de vetores mais usados, - Reconhecer os diferentes tipos de objetos mais comuns do R.
a <- c(1,2,5.3,6,-2,4) # Numeric
b <- c("one","two","three") # Character
c <- c(TRUE,TRUE,TRUE,FALSE,TRUE,FALSE) # Logical
y<-matrix(1:20, nrow=5,ncol=4) print(y)
## [,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
y<-matrix(1:20, nrow=5,ncol=4) print(y)
## [,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
d <- c(1,2,3,4)
e <- c("red", "white", "red", NA)
f <- c(TRUE,TRUE,TRUE,FALSE)
mydata <- data.frame(d,e,f)
names(mydata) <- c("ID","Color","Passed") # variable names
Ver o data Frame
print(mydata)
## ID Color Passed ## 1 1 red TRUE ## 2 2 white TRUE ## 3 3 red TRUE ## 4 4 <NA> FALSE
Diz ao R que a variável é nominal.
# variable gender with 20 "male" entries and
# 30 "female" entries
gender <- c(rep("male",20), rep("female", 30))
gender <- factor(gender)
# stores gender as 20 1s and 30 2s and associates
# 1=female, 2=male internally (alphabetically)
# R now treats gender as a nominal variable
summary(gender)
## female male ## 30 20
Também pode dizer que o fator é ordinal.
rating <- c("large", "medium", "medium", "small", "large")
# variable rating coded as "large", "medium", "small'
rating <- ordered(rating, c("small","medium", "large"))
# recodes rating to 1,2,3 and associates
# 1=large, 2=medium, 3=small internally
# R now treats rating as ordinal
rating
## [1] large medium medium small large ## Levels: small < medium < large
Uma coleção de diferentes tipos de vetores/objetos.
# example of a list with 4 components - # a string, a numeric vector, a matrix, and a scaler w <- list(name="Fred", mynumbers=a, mymatrix=y, age=5.3)