2017年10月12日
向量是用于存储数值型、字符型或逻辑型数据的一维数组。
组合函数c()可用来创建向量。
单个向量中的数据必须拥有相同的类型或模式。
a <- c(1, 2, 5, 3, 6, -2, 4) # 数值型向量
[1] 1 2 5 3 6 -2 4
b <- c("one", "two", "three") # 字符型向量
[1] "one" "two" "three"
c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE) # 逻辑型向量
[1] TRUE TRUE TRUE FALSE TRUE FALSE
使用冒号可以生成一个数值序列。
a <- c(2 : 6) # 等价于 a <- c(2, 3, 4, 5, 6)
[1] 2 3 4 5 6
通过在方括号中给定元素所处位置的数值，可以访问向量中的元素。
a[1]
[1] 2
a[c(2, 4)]
[1] 3 5
a[1 : 2]
[1] 2 3
矩阵是一个二维数组，每个元素都拥有相同的模式（数值型、字符型或逻辑型）。
通过函数matrix()创建矩阵。
y <- 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
选择矩阵元素
y[2, ]
[1] 2 7 12 17
y[, 2]
[1] 6 7 8 9 10
y[1, 4]
[1] 16
y[1, c(3, 4)]
[1] 11 16
数据框（data frame）是R中用于存储数据的一种结构：列表示变量，行表示观测。在同一个数据框中可以存储不同类型（如数值型、字符型）的变量。
patientID <- c(1, 2, 3, 4)
[1] 1 2 3 4
age <- c(25, 34, 28, 52)
[1] 25 34 28 52
diabetes <- c("Type1", "Type2", "Type1", "Type1")
[1] "Type1" "Type2" "Type1" "Type1"
status <- c("Poor", "Improved", "Excellent", "Poor")
[1] "Poor" "Improved" "Excellent" "Poor"
patientdata <- data.frame(patientID, age, diabetes, status)
patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved 3 3 28 Type1 Excellent 4 4 52 Type1 Poor
选择数据框的行或列
patientdata[, 1 : 2]
patientID age 1 1 25 2 2 34 3 3 28 4 4 52
patientdata[1 : 2, ]
patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved
patientdata[, c("diabetes", "status")]
diabetes status 1 Type1 Poor 2 Type2 Improved 3 Type1 Excellent 4 Type1 Poor
patientdata$status
[1] Poor Improved Excellent Poor Levels: Excellent Improved Poor
summary(patientdata)
patientID age diabetes status Min. :1.00 Min. :25.00 Type1:3 Excellent:1 1st Qu.:1.75 1st Qu.:27.25 Type2:1 Improved :1 Median :2.50 Median :31.00 Poor :2 Mean :2.50 Mean :34.75 3rd Qu.:3.25 3rd Qu.:38.50 Max. :4.00 Max. :52.00
str(patientdata)
'data.frame': 4 obs. of 4 variables: $ patientID: num 1 2 3 4 $ age : num 25 34 28 52 $ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1 $ status : Factor w/ 3 levels "Excellent","Improved",..: 3 2 1 3
dim(patientdata)
[1] 4 4
patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved 3 3 28 Type1 Excellent 4 4 52 Type1 Poor
变量可分名义型、有序型或连续型变量。
- 名义型变量是没有顺序之分的类别变量，比如糖尿病类型Diabetes（Type1、Type2）。
- 有序型变量是有顺序关系的类别变量，比如病情Status（poor、improved、excellent）。病情为poor（较差）病人的状态不如improved（病情好转）的病人，但并不知道相差多少。
- 连续型变量可以呈现某个范围内的任意值，同时表示了顺序和数量，比如年龄Age。
类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子在R中非常重要，它决定了数据的分析方式以及如何进行视觉呈现。
diabetes <- c("Type1", "Type2", "Type1", "Type1")
[1] "Type1" "Type2" "Type1" "Type1"
diabetes <- factor(diabetes)
[1] Type1 Type2 Type1 Type1 Levels: Type1 Type2
factor语句将此向量存储为(1, 2, 1, 1)，并在内部将其关联为1=Type1和2=Type2（具体赋值根据字母顺序而定）。 针对向量diabetes进行的任何分析都会将其作为名义型变量对待。
status <- c("Poor", "Improved", "Excellent", "Poor")
[1] "Poor" "Improved" "Excellent" "Poor"
status <- factor(status, order = TRUE)
[1] Poor Improved Excellent Poor Levels: Excellent < Improved < Poor
factor语句会将向量编码为(3, 2, 1, 3)，并在内部将这些值关联为1=Excellent、2=Improved以及3=Poor。 针对此向量进行的任何分析都会将其作为有序型变量对待。
status <- factor(status, order = TRUE,
levels = c("Poor", "Improved", "Excellent"))
[1] Poor Improved Excellent Poor Levels: Poor < Improved < Excellent
各水平的赋值将为1=Poor、2=Improved、3=Excellent。
最为常用的数据读取方式是用read.table()函数或read.csv()函数读取外部txt或csv格式的文件。
test.data <- read.table("D:/R/test1.txt", header = True,
stringsAsFactors = False)
test.data <- read.csv("D:/R/test2.csv")
patientdata <- edit(patientdata) fix(patientdata)
write.csv()函数将数据框输出到外部csv格式的文件
write.csv(test.data, "D:/R/test3.csv")
