RLearning第2弹：创建数据集

任何一门语言，数据类型和数据结构是最基础，也是最重要的，必须要学好！
1.产生向量

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

这里a是数值型向量，b是字符型变量，而c是逻辑型向量。单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型）！
2.访问向量中元素

> a<-c(1,2,5,3,6,-2,4)
> a[3]
[1] 5
> a[c(1,3,5)]
[1] 1 5 6
> a[2:6]   #使用冒号生成数值序列，等价于a[c(2,3,4,5,6)]和a[c(2:6)]
[1]  2  5  3  6 -2
a<-c(2:6)等价于a<-c(2,3,4,5,6)

3.矩阵

> x<-matrix(1:20,nrow = 5,ncol = 4)   #可以只写nrow或ncol
> x
     [,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
> cells <- c(1,26,24,68)
> 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  1 26
R2 24 68
> mymatrix <- matrix(cells, nrow = 2,ncol = 2,byrow = FALSE,dimnames = list(rnames,cnames))
> mymatrix
   C1 C2
R1  1 24
R2 26 68
#另一个例子：
> x<-matrix(1:10,nrow = 2)
> x
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    3    5    7    9
[2,]    2    4    6    8   10
> x[2,]    #访问矩阵第二行，注意区分：matlab中x(2,:)表示访问矩阵第二行
[1]  2  4  6  8 10
> x[,2]
[1] 3 4
> x[1,4]
[1] 7
> x[1,c(4,5)]
[1] 7 9

4.数据框
一般格式：mydata <- daframe(col1,col2,col3,…)
其中列向量col1,col2,col3,…可以为任何类型（如字符型、数值型或逻辑型）。
例如：
> 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
注意：每一列数据的模式必须唯一。
> patientdata[1,2]
[1] 25
> patientdata[1:2]
  patientID age
1         1  25
2         2  34
3         3  28
4         4  52
> patientdata[c("diabetes","status")]
  diabetes    status
1    Type1      Poor
2    Type2  Improved
3    Type1 Excellent
4    Type1      Poor
> patientdata$age
[1] 25 34 28 52
附：
就$简单介绍：
$用来选取给定一个数据框中某个特定变量。
在每个变量名前都键入patientdata$可能会让人生厌，可以联合使用attach()和detach()和with()来简化代码。
例如：
with(mtcars,{
  summary(mpg,disp,wt)
  plot(mpg,disp)
  plot(mpg,wt)
})
5.因子
变量可以归结为名义型、有序型或连续型变量。名义型和有序型变量在R中成为因子(factor)。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。
函数factory()以一个整数向量的形式存储类别值，整数的取值范围是[1...k](k是名义型变量中唯一值的个数)，同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。
> diabetes <- c("Type1","Type2","Type1","Type1")
> diabetes <- factor(diabetes) #将此向量存储为(1,2,1,1)默认并内在关联1=Type1,2=Type2。
> diabetes
[1] Type1 Type2 Type1 Type1
Levels: Type1 Type2
 
也可以通过指定levels选项来覆盖默认排序。例如：
> status <- factor(status,order=TRUE,levels=c("Poor","Improved","Excellent"))
> status
[1] Poor      Improved  Excellent Poor     
Levels: Poor < Improved < Excellent
 
因子的使用：
> patientID <- c(1,2,3,4)    #向量形式输入数据
> 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)
> diabetes <- factor(diabetes)
> status <- factor(status,order=TRUE,levels=c("Poor","Improved","Excellent"))
> patientdata <- data.frame(patientID,age,diabetes,status)
> str(patientdata)    #显示对象结构
'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 "Poor"<"Improved"<..: 1 2 3 1
> summary(patientdata)    #显示对象的统计概要
   patientID           age                 diabetes          status
 Min.   :1.00      Min.   :25.00        Type1:3    Poor          :2  
 1st Qu.:1.75     1st Qu.:27.25       Type2:1    Improved  :1  
 Median :2.50   Median :31.00                     Excellent   :1  
 Mean   :2.50    Mean   :34.75                          
 3rd Qu.:3.25     3rd Qu.:38.50                          
 Max.   :4.00      Max.   :52.00      
class函数查看数据类型。
 
6.数组
基本格式：array(data=NA, dim= length(data), dimnames=NULL)
data表示数据，可以为空；dim表示维数，dimnames可以更改数组的维度名称。
见下例：
> (xx<-array(1:24,c(3,4,2)))
, , 1
 
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
 
, , 2
 
     [,1] [,2] [,3] [,4]
[1,]   13   16   19   22
[2,]   14   17   20   23
[3,]   15   18   21   24
 
> xx[1,3,2]
[1] 19
 
> xx[2,1:3,1]
[1] 2 5 8
> xx[,2,]
     [,1] [,2]
[1,]    4   16
[2,]    5   17
[3,]    6   18
> dim(xx)
[1] 3 4 2
> zz <- 1:12
> dim(zz)=c(2,2,3)
> zz
, , 1
 
     [,1] [,2]
[1,]    1    3
[2,]    2    4
 
, , 2
 
     [,1] [,2]
[1,]    5    7
[2,]    6    8
 
, , 3
 
     [,1] [,2]
[1,]    9   11
[2,]   10   12
 
7.列表
基本格式：list(变量1=分量1，变量2=分量2，...)
> x <- c(1,1,2,3,4,4,4)
> y <- c("女","男","男","女","女","女","男")
> z <- c(80,83,75,83,85,64,85)
> (LST<-list(class=x,sex=y,score=z))
$class
[1] 1 1 2 3 4 4 4
 
$sex
[1] "女" "男" "男" "女" "女" "女" "男"
 
$score
[1] 80 83 75 83 85 64 85
 
> LST[[3]]  #返回列表的第三个成分的值；[[...]]选择单个元素的操作符
[1] 80 83 75 83 85 64 85
> LST[[2]][1:3]
[1] "女" "男" "男"
> LST$score
[1] 80 83 75 83 85 64 85
> LST$sc  #成为名可以缩写到可以区分的最短程度
[1] 80 83 75 83 85 64 85
> LST[3]  #[...]通用下标操作符
$score
[1] 80 83 75 83 85 64 85
 
> length(LST)
[1] 3
> mode(LST)
[1] "list"
> names(LST)
[1] "class" "sex"   "score"
 
 
另：
注意0！=0以及求余和求整的情况