R语言数据结构

5. 数据结构

5.1 数据结构简介

（1）向量

一个向量的所有元素必须有相同的类型（模式）

（2）列表

列表可以非同质的

列表可按位置索引：lst[[2]]

抽取子列表：lst[c(2,5)]

列表可以有名称：lst[[“Moe”]]或者lst$Moe

列表类似于字典、散列表等

（3）模式：实体类型

> mode(3.1415)

R中每个对象都有一个模式，表明该对象如何存储在存储器中：

对象	例子	模式
Number	3.14	numeric
Vector of numbers	c(2.7, 3.14)	numeric
Character string	“Moe”	character
Vector of Character string	c(“Moe”, “Larry”)	character
Factor	factor(c(“NY”,”CA”,”IL”))	numeric
List	list(“Moe”,”Larry”)	list
Data frame	data.frame(x=1:3, y=c(“NY”,”CA”,”IL”))	list
Function	print	function

（4）类：抽象类型

> d <—as.Date(“2010-03-10”)

> class(d)             //结果是“Date”

R中每个对象有一个定义它们抽象类型的类（class）

（5）纯量（常量）

又叫做拥有唯一元素的向量

（6）矩阵

R中矩阵只是有维数的向量

向量的维数，初始值为NULL

> A <—1:6

> dim(A)<— c(2,3)           //成为2*3的矩阵

（7）数组（array）

矩阵只是二维的向量，数组可以是多维的向量

（8）因子（factor）

R记录向量中的唯一值，每一个唯一值称为相关联因子的水平，参照5.5

因子两个关键应用：分类变量、分组

（9）数据框

旨在模拟数据集，与SAS或SPSS中数据集

5.2 对向量添加数据

> v <—c(1,2,3)

> v <—c(v, 4)             //把4加入原向量为：1,2,3,4

> w <—c(5,6,7,8)

> v <—c(v,w)             //将v和w合并

5.3 在向量中插入数据

> append(vec,newvalues, after=n)              //在vec中的第n个元素后面插入newvalues

5.4 理解循环规则

当较短的向量处理完所有元素，而较长的向量仍有未处理元素，较短向量返回到开始位置循环各元素

5.5 构建因子

因子由各分类变量组成，每个分类变量的可能值称为一个水平

> f <—factor(v)

5.6 创建列表

> lst <—list(0.5,0.8,0.3)

> lst <—list(mid=0.5, right=0.8, left=0.3)

> lst[[2]]

>lst[[“mid”]]       或lst[“mid”]              或lst$mid

5.7 从列表中移除元素

> lst[[“mid”]]<— NULL           //移除mid元素

5.8 将列表转换为向量

> v <—unlist(lst)

5.9 从列表中移除取值为NULL的元素

> lst[sapply(lst,is.null)] <— NULL

5.10 使用条件来移除列表元素

> lst[lst< 0] <— NULL                     //移除小于0的元素

>lst[is.na(lst)] <— NULL          //移除值为NA的元素

> lst[abs(unlist(lst))< 1]

5.11 矩阵初始化

> mat <—matrix(vec, 2, 3)            //从vec数据生成一个2*3的矩阵

> dim(vec)<— c(2,3)                      //方法2

5.12 矩阵运算

> t(A)                   //矩阵A的转置

> solve(A)            //矩阵A的求逆

> A %*% B           //矩阵A*B

> diag(n)              //生成一个n阶对角单位矩阵

5.13 将描述性名称赋给矩阵的行和列

> rownames(mat)<— c(“rowname_1”, “rowname_2”, …, “rowname_n”)

> colnames(mat)<— c(“colname_1”, “colname_2”, …, “colname_n”)

5.14 从矩阵中选定一行或一列

> vec <—mat[1,]                     //结果是一个向量

> vec <—mat[,2 ,drop=FALSE]                     //结果是一个矩阵

5.15 用列数据初始化数据框

> dfrm <—data.frame(v1, v2, v3, f1, f2)            //用向量和因子初始化数据框

> lst <—list(v1, v2, v3)

> dfrm <—as.data.frame(lst)                             //方法2

5.16 用行数据初始化数据框

当每行的数据是由数字、字符等不同模式数据混合时，不能用向量存储数据。一般将每一行存储在一个单行数据框中，然后组成一个列表，调用函数rbind和do.call把多行结合成一个大数据框。

> obs <—list(data.frame(vc1=1, f1=0), data.frame(vc1=2, f1=1))

> dfrm <—rbind(obs[[1]], obs[[2]])                    //将前两行组成一个数据框

> dfrm <—do.call(rbind, obs)                      //将所有行组成一个数据框

当obs不是数据框的列表，而是列表的列表，先调用Map函数将行数据转换成数据框数据，然后再用do.call

> dfrm <—do.call(rbind, Map(as.data.frame, obs))

5.17 添加行至数据框

新行得是单行数据框模式的。

> suburbs<— rbind(suburbs,

+                   data.frame(city=”Nanjing”,county=”Kane”, pop=5421)

+                   data.frame(city=”Beijing”,county=”Jane”, pop=5552))    //同时加两行

5.18 预分配数据框

当数据量很大时候，逐个添加新行构建数据框时，R的内存管理器会不良运转。如果知道必须的行数，可以预先分配空间。

> N <—100000

> dfrm <—data.frame(colname1=numeric(N), colname2=character(N), …)

5.19选中数据框的列

> dfrm[[n]]                        //返回第n列，一个向量

> dfrm[n]                           //返回一个数据框，里面只有第n列

>dfrm[c(n1,n2,n4)]          //

> dfrm[,n]                          //返回一个向量

>dfrm[,c(n1,n3)]              //

> dfrm[[“name”]]             > dfrm$name             //返回列名为name的列

> subset(dfrm,select=c(colname1, colname2))  //按列名选取列

>subset(dfrm, select=c(colname1, colname2), subset=(colname1>0))              //满足条件的行，以及只要两列

5.20 修改数据框的列名

> colnames(dfrm)<— c(“before”, “treatment”, “after”)

5.21 编辑数据框

> temp <—edit(dfrm)

> dfrm <—temp                      //将修改后的数据框存为temp

> fix(dfrm)                                //直接修改后覆盖原数据框

5.22 从数据框中移除包含NA的行

> clean_dfrm<— na.omit(dfrm)

5.23 从数据框中移除列

> subset(dfrm,select = -colname2)

5.24 合并两个数据框

当两个数据框的列不一致时，合并是横向的，用cbind：

> all.cols <—cbind(dfrm1, dfrm2)        //横向列合并

当两个数据框的列一致时，合并是纵向的，用rbind：

> all.rows <—rbind(dfrm1, dfrm2)              //纵向行合并

根据共有列合并数据框，类似SQL的join，用merge：

> m <—merge(dfrm1, dfrm2, by=”name”)

5.25 更便捷地访问数据框内容

当用数据框中的列时，本来需要dfrm$colname1，可以用如下命令省去dfrm：

> with(dfrm,expr)            //当前表达式expr中可以直接用colname1

>attach(dfrm)                  //下面的表达式中都可以用colname1

5.26 基本数据类型间的转换

>as.character(x)        //字符型

>as.complex(x)          //复数型

>as.numeric(x)          or           as.double(x)

>as.integer(x)

>as.logical(x)

5.27 不同结构化数据类型间的转换

有些转换是不可行的，要注意。

>as.data.frame(x)

> as.list(x)

>as.matrix(x)

> as.vector(x)