R in Action(1) 基本数据结构

一数据类型

R的数据类型包括数值型、字符型、逻辑型(布尔)、复数型和原生型，同时R有好多存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表，如下图所示下图(图的版权神马的归原作者跟原出版社所有，赶紧避嫌，呵呵)

1、向量操作

 a <- c(1, 2, 5, 3, 6, -2, 4)
 b <- c("one", "two", "three")
 c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE)

上面把3列向量赋与a,b,c，注意这里向量内的元素必须是同一种数据类型(数值型、字符型和逻辑型)
    访问向量如a[c(2,4)]，将会得到a[2]跟a[4]的值，注意R与C、Python不一样，下标访问从1开始。

a[2:4] 得到a[2],a[3],a[4]三个值，这里2:4等价于c(2,3,4)

2、矩阵操作

 > y <- matrix(1:10, nrow = 5, ncol = 2)
 > y
      [,1] [,2]
 [1,]    1    6
 [2,]    2    7
 [3,]    3    8
 [4,]    4    9
 [5,]    5   10
 > y <- matrix(1:10, nrow = 5, ncol = 2,byrow=TRUE)
 > y
      [,1] [,2]
 [1,]    1    2
 [2,]    3    4
 [3,]    5    6
 [4,]    7    8
 [5,]    9   10

上面代码是创建矩阵的代码，第一段跟第二段的区别是后者采用了按行的方式填充，R中默认是按列填充。

 cells <- c('东邪', '西毒', '南帝', '北丐')
 rnames <- c("R1", "R2")
 cnames <- c("C1", "C2")
 mymatrix <- matrix(cells, nrow = 2, ncol = 2, byrow = TRUE,
                    dimnames = list(rnames, cnames))

 > mymatrix
    C1     C2
 R1 "东邪" "西毒"
 R2 "南帝" "北丐"

类似跟向量一样矩阵内的元素也要保持一致，上面代码可以给行列取别名。
访问矩阵：

 > mymatrix[2]
 [1] "南帝"
 > mymatrix[2,2]
 [1] "北丐"
 > mymatrix[2,1:2]
     C1     C2
 "南帝" "北丐"
 > mymatrix[2,]
     C1     C2
 "南帝" "北丐"
 > mymatrix[,1]
     R1     R2
 "东邪" "南帝"
 > mymatrix[,1:2]
    C1     C2
 R1 "东邪" "西毒"
 R2 "南帝" "北丐"

3、数据框操作
    这是R里应用较为广泛的数据结构，它较矩阵具有更一般的形式，data_frame <- data.frame(col1,col2,....) 其中col1,col2可以为不同的数据类型。

创建一个数据框

 > patientID <- c(1, 2, 3, 4)
 > age <- c(25, 34, 28, 52)
 > diabetes <- c("Type1", "Type2", "Type1", "Type1")
 > status <- c("Poor", "Improved", "Excellent", "Poor")
 > patientdata <- data.frame(patientID, age, diabetes,
 +                           status)
 > patientdata
   patientID age diabetes    status
 1         1  25    Type1      Poor
 2         2  34    Type2  Improved
 3         3  28    Type1 Excellent
 4         4  52    Type1      Poor

patientdata是一个包含4列的数据框，访问每一列可以用patientdata$age实现
对每一列做处理的时候 都要加上数据框名字+$这个确实很繁琐，可以利用{attach(),detach()}和with()函数简化

例如

 plot(patientdata$patientID,patientdata$age)

 attach(patientdata)
 plot(patientID,age)
 detach(patientdata)

第一行代码可以用后三行代码替换，但是这里要注意一个问题，就是数据框里面列名不能跟外部内存对象同名。
为解决这个问题,下面直接把操作都放到with()里面。

 with(patientdata,{plot(patientID,age)})

4、因子操作

这个相当于把列里面字符型元素，进行数字编码，在分类算法里面也通常对字符型特征进行数字编码(通常添加特征进行01编码)

 > patientID <- c(1, 2, 3, 4)
 > age <- c(25, 34, 28, 52)
 > diabetes <- c("Type1", "Type2", "Type1", "Type1")
 > status <- c("Poor", "Improved", "Excellent", "Poor")
 > diabetes <- factor(diabetes)
 > status <- factor(status, order = TRUE)
 > patientdata <- data.frame(patientID, age, diabetes,
 +                           status)
 > 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   : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3
 > 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   

通常内置的是按字母顺序创建，例如Excellent、Improved、Poor编码成0、1、2
5、列表操作

 g <- "My First List"
 h <- c(25, 26, 18, 39)
 j <- matrix(1:10, nrow = 5)
 k <- c("one", "two", "three")
 mylist <- list(title = g, ages = h, j, k)

列表访问的时候mylist[[2]]和mylist[['age']]