R语言（一）

向量运算

R的强大功能之一就是把整个数据向量作为一个单一对象来处理。一个数据向量仅是数字的排列，一个向量可以通过如下方式构造

weight<-c(2,34,434,53)
weight
[1]   2  34 434  53

结构c(……)用来构造向量。这既不是R中输入向量的唯一方法，也不是一般首选的方法。

如果要对上述变量做数学运算，则是逐个元素的方式进行。

作图

plot(height,weight,pch=2)

关键字pch（绘图符号）改变绘图符号

函数lines将通过一条直线将（x,y）值增加到现有的图中

生成向量的函数

这里介绍3个函数：c、seq和rep,用于不同情形下向量的创建。

第一个函数c，它是“concatenate”（连接）的简写，含义是把各分项首尾连接

另外也有可能给某些元素命名。这改变了变量输出的方式，这样做通常是出于显示的目的。

> x<-c(red="Huey",blue="Dewey",green="Louie")
> x
    red    blue   green
 "Huey" "Dewey" "Louie"

名称可以被提取或使用names设置

> names(x)
[1] "red"   "blue"  "green"

一个向量的所有元素类型都相同。如果你连接不同类型的向量，它们将被转化为最少“限制”的类型：

> c(FALSE,3)
[1] 0 3
> c(pi,"abc")
[1] "3.14159265358979" "abc"
> c(FALSE,"abc")
[1] "FALSE" "abc"

也就是说，逻辑值被转换为0/1或“False”/”True”，数字转换为它们的输出形式的字符串。

第二个函数seq(“sequence”),用来建立数字等差序列，如

> seq(4,9)
[1] 4 5 6 7 8 9

如果希望间距是2,

> seq(4,10,2)
[1]  4  6  8 10

第三个函数rep（“replicate”）,用来产生重复值。使用时有两个参数，依赖于第二个参数是一个向量还是一个数字，产生的结果会有不同

> oops<-c(7,9,13)
> rep(oops,3)
[1]  7  9 13  7  9 13  7  9 13
> rep(oops,1:3)
[1]  7  9  9 13 13 13

第一个rep哈桑农户对整个向量oops重复三次。第二次调用用一个有3个值（1，2，3）的向量代替数字3；这些值相应于oops向量的每一个元素，意味着7重复1次，9重复2次，13重复3次。

矩阵和数组

矩阵就是一个二维数值数组。

> x<-1:12
> dim(x)<-c(3,4)
> x
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

创建矩阵的一个方便的方法是使用matrix函数：

matrix(1:12,nrow=3,byrow=T)
     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    5    6    7    8
[3,]    9   10   11   12

请注意，这里byrow=T将矩阵改变成以按行而不是按列形式填充。

对矩阵进行操作的有用函数包括rownames、colnames、转置函数t

> x<-matrix(1:12,nrow=3,byrow=T)
> rownames(x)<-LETTERS[1:3]
> x
  [,1] [,2] [,3] [,4]
A    1    2    3    4
B    5    6    7    8
C    9   10   11   12
> t(x)
     A B  C
[1,] 1 5  9
[2,] 2 6 10
[3,] 3 7 11
[4,] 4 8 12

特征i向量LETTERS是一个包含大写字母A——Z的内置变量。其他有用的相似变量是分别表示小写字母、月份名称、月份名称缩写的letters、month.name和month.abb

可以按行或者按列分别使用cbind和rbind函数将向量“粘”到一起。

> cbind(A=1:4,B=5:8,C=9:12)
     A B  C
[1,] 1 5  9
[2,] 2 6 10
[3,] 3 7 11
[4,] 4 8 12
> rbind(A=1:4,B=5:8,C=9:12)
  [,1] [,2] [,3] [,4]
A    1    2    3    4
B    5    6    7    8
C    9   10   11   12

因子

分类变量在统计数据中是常见的，表明数据的某些细分属性，如社会阶层、主要诊断、肿瘤分期、青春期阶段等。通常它们用数字代码输入。

在R中，这些变量被指定为因子。这种数据结构使得不同的分类类别被赋予有意义的名称成为可能。

对R来说，区分类别编码和取值有直接数字含义的变量是最基本的。

术语说一个因子有一系列水平——比方说4个水平。一个四水平因子包含两项含义：a)1到4之间整数的一个向量b)一个长度为4的包含字符串的特征向量

看一个例子：

> pain<-c(0,3,2,2,1)
> fpain<-factor(pain,levels=0:3)
> levels(fpain)<-c("none","mild","medium","severe")

第一个命令创建了一个数值向量pain，对5个病人的疼痛水平编码。我们希望把他作为一个分类变量处理，所以我们通过它利用函数factor创建一个因子fpain。它的调用除了pain以外，还跟着另一个参数即levels=0:3，这意味着输入的编码使用了4个值0~3.后者在理论上可以省略，因为R默认使用pain中合理排序的值，但保留它是一个很好的习惯，如下所示。最后一行的作用是将水平名称转换为特定的4个字符串.

> fpain
[1] none   severe medium medium mild
Levels: none mild medium severe
> as.numeric(fpain)
[1] 1 4 3 3 2
> levels(fpain)
[1] "none"   "mild"   "medium" "severe"

函数as.numeric提取数字编码为1~4，levels提取水平的名称。注意根据数字0~3的原始输入编码不显示了，一个因子的内置表达方式始终是从1开始的数字。

列表

可以通过函数list创建一个列表。

> intake.pre<-c(5260,5470,5640,6180,6390,6515,6805,7515,7515,8230,8770)
> intake.post<-c(3910,4220,3885,5160,5645,4680,5265,5975,6790,6900,7335)
> mylist<-list(before=intake.pre,after=intake.post)
> mylist
$before
 [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770

$after
 [1] 3910 4220 3885 5160 5645 4680 5265 5975 6790 6900 7335

列表各部分通过list中使用的参数名称来命名。命名的部分可以如下提取：

mylist$before
 [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770

数据框

数据框被称为“数据矩阵”或“数据集”。它是一系列等长度的向量和/或因子，它们交叉相关，使得同一位置的数据来自同一试验单元（对象、动物等）。除此之外，它具有唯一的一组行名称。

> d<-data.frame(intake.pre,intake.post)
> d
   intake.pre intake.post
1        5260        3910
2        5470        4220
3        5640        3885
4        6180        5160
5        6390        5645
6        6515        4680
7        6805        5265
8        7515        5975
9        7515        6790
10       8230        6900
11       8770        7335

像list一样，组分（单个变量）可以通过$符号获得：

> d$intake.pre
 [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770

索引

如果需要向量中一个具体的元素

>intake.pre[5]
[1] 6390

方括号用来选择数据，也称为索引或子集选择

如果希望一个包含多于一个的数据的子向量，比如序号为3、5、7、可以用一个向量来索引：

> intake.pre[c(3,5,6)]
[1] 5640 6390 6515

R的一个巧妙功能是可以使用负索引。可以通过下式得到除了位置为3、5、7之外的所有其他元素

> intake.pre[-c(3,5,6)]
[1] 5260 5470 6180 6805 7515 7515 8230 8770

排序

对向量排序，只需使用sort函数即可

> sort(intake.post)
 [1] 3885 3910 4220 4680 5160 5265 5645 5975 6790 6900 7335

然而，仅对一个单一的向量排序并不总能满足需求。经常需要根据某些其他变量的值对一系列变量排序——如果根据性别和年龄对血压排序。为此目的，有一个结构看上去很抽象，但确实功能强大。首先计算一个变量的次序。

order(intake.post)
 [1]  3  1  2  6  4  7  5  8  9 10 11

结果是数字1至11（或者其他的向量长度），根据order参数（这里是intake.post）的大小排序。对order结果的解释优点棘手——应该是如下所述：通过将其值依次置于3、1、2、6等对intake.post排序。

o<-order(intake.post)
> intake$post[o]
 [1] 3885 3910 4220 4680 5160 5265 5645 5975 6790 6900 7335