第二章:创建数据集

一 R中的数据

二 数据的输入

一R中的数据

数据集:通常是由数据构成的一个矩形数组,行表示观测,列表示变量

R可以处理的数据类型:数值型、字符型、逻辑型、复数型(虚数)、原生型(字节)

R将类别型(包括名义型和有序型)变量称为因子

数据结构

R有许多用于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

在R中,对象是指可以赋值给变量的任何事物

向量

向量是用于存储数值型、字符型、或逻辑型数据的一堆数组。用函数c()可以创建向量。单个向量的数据必须拥有相同的类型(数值型,字符型或逻辑型)

 > a<-c(,,,,,,)
> a
[]
> b<-c("one","two","three")
> b
[] "one" "two" "three"
> c<-c(TRUE,FALSE,TRUE,TRUE,FALSE)
通过方括号访问向量中的元素
1 > a<-c(,,,,,)
> a[]
[]
> a[c(,,)]
[]
> a[:]
[]

矩阵(是一个二维数组,只是每个元素都是相同的模式)

一般格式

mymatrix<-matrix(vector,nrow=number_of_rows, ncol=number_of_columns,

byrow=logical_value, dimnames=list(char_vector_names,char_vector_colnames))

vector包含了矩阵的元素,nrow和ncol用于指定行和列的维数,dimnames包含了可选的、以字符型向量表示的行名和列名。

byrow则表明矩阵应当按行填充(byrow=TRUE)还是按列填充(byrow=FALSE),默认情况是按列填充

 代码2-1
1 > y<-matrix(:,nrow=,ncol=)
> y
[,] [,] [,] [,]
[,]
[,]
[,]
[,]
[,]
> cells<-c(,,,)
> rnames<-c("R1","R2")
> cnames<-c("C1","C2")
> mymatrix<-matrix(cells,nrow=,ncol=,byrow=TRUE,
dimnames=list(rnames,cnames))
> mymatrix
C1 C2
R1
R2
> mymatrix<-matrix(cells,nrow = ,ncol = ,byrow = FALSE,
+ dimnames = list(rnames,cnames))
> mymatrix
C1 C2
R1
R2
访问矩阵中的元素
代码2-2
1 > x<-matrix(:,nrow=)
> x[,]
[]
> x[,]
[]
> x[,c(,)]
[]

数组

数组与矩阵类似,但维度可以大于2。通过array()函数实现,形式如下:

myarray<-array(vector,dimensions,dimnames)

其中vector包含了数组中的数据,dimensions是一个数值型向量,给出了各个维度下标的最大值,dimnames是可选的、各维度名称标签的列表。

 代码2-3
1 > dim2<-c("B1","B2","B3")
> dim1<-c("A1","A2")
> dim2<-c("B1","B2","B3")
> dim3<-c("C1","C2","C3","C4")
> z<-array(:,c(,,),dimnames = list(dim1,dim2,dim3))
> z
, , C1 B1 B2 B3
A1
A2 , , C2 B1 B2 B3
A1
A2 , , C3 B1 B2 B3
A1
A2 , , C4 B1 B2 B3
A1
A2

数据框

数据框通过data.frame()创建

mydata<-data.frame(col1,col2,col,……)

其中列向量col1,col2,....可以为任何类型(如字符型,数值型或逻辑型)。每一列的名称可由函数names指定。

 代码2-4
1 > patientID<-c(,,,)
> age<-c(,,,)
> diabetes<-c("Type1","Type","Type1","Type1")
> status<-c("Poor","Improved","Excellent","Poor")
> patientdata<-data.frame(patientID,age,diabetes,status)
> patientdata
patientID age diabetes status
Type1 Poor
Type Improved
Type1 Excellent
Type1 Poor
选取数据框中的元素
代码2-5
1 > patientdata[:]
patientID age > patientdata[c("diabetes","status")]
diabetes status
Type1 Poor
Type Improved
Type1 Excellent
Type1 Poor
> patientdata$age # $符号用来选取一个给定数据框中的某个特定变量
 []
> table(patientdata$diabetes,patientdata$status) Excellent Improved Poor
Type
Type1 2

attach()可以将数据框添加到R的搜索路径中

detach()将数据从搜索路径中移除

with()

列表

列表可用函数list()创建列表

mylist<-list(object1,object2,....)

or

mylist<-list(name1=object1,name2=object2,...)

 代码2-7
1 > g<-"my first list"
> h<-c(,,,)
> j<-matrix(:,nrow = )
> k<-c("one","two","three")
> mylist<-list(title=g,ages=h,j,k)
> mylist
$title
[] "my first list" $ages
[] [[]]
[,] [,]
[,]
[,]
[,]
[,]
[,] [[]]
[] "one" "two" "three" > mylist[[]]
[]
> mylist[["ages"]]
[]

二 数据的输入(键盘,文本文件,统计软件,数据库等)

数据的更改:edit()函数

fix()函数

从带分隔符的文本文件导入数据:read.table()

mydata<-read.table(file,header=logical_value,

sep="delimiter",row.names="name")

其中file是一个带分隔符的ASCII文本文件,header是一个表明首行是否包含了变量的名称的逻辑值,sep用来指定分割数据的分割符,row.names是一个可选参数,用以指定一个或多个表示行标识符的变量

导入excel数据:先在excel中将其导出为逗号分隔文件(csv),然后导入到R中

下载安装xlsx包,然后read。xlsx(file,n)n为要导入的工作表序号

mydataframe<-read.xlsx(workbook,1)

从网页抓取数据:使用readlines()函数下载网页,然后用如grep()和gsub()一类函数处理

导入spass数据:通过foreign包中的函数read.spss()导入R中,

也可以使用Hmisc包中的spss.get()函数

mydataframe()<-spss.get("mydata.sav",use.valuel.labels=TRUE) use.value.labels=TRUE表示函数将带有值标签的变量导入为R中水平的相应因子。

R语言学习笔记(2)的更多相关文章

  1. R语言学习笔记之: 论如何正确把EXCEL文件喂给R处理

    博客总目录:http://www.cnblogs.com/weibaar/p/4507801.html ---- 前言: 应用背景兼吐槽 继续延续之前每个月至少一次更新博客,归纳总结学习心得好习惯. ...

  2. R语言学习笔记(二)

    今天主要学习了两个统计学的基本概念:峰度和偏度,并且用R语言来描述. > vars<-c("mpg","hp","wt") &g ...

  3. R语言学习笔记:小试R环境

    买了三本R语言的书,同时使用来学习R语言,粗略翻下来感觉第一本最好: <R语言编程艺术>The Art of R Programming <R语言初学者使用>A Beginne ...

  4. R语言学习笔记:基础知识

    1.数据分析金字塔 2.[文件]-[改变工作目录] 3.[程序包]-[设定CRAN镜像] [程序包]-[安装程序包] 4.向量 c() 例:x=c(2,5,8,3,5,9) 例:x=c(1:100) ...

  5. R语言学习笔记——C#中如何使用R语言setwd()函数

    在R语言编译器中,设置当前工作文件夹可以用setwd()函数. > setwd("e://桌面//")> setwd("e:\桌面\")> s ...

  6. R语言学习笔记-机器学习1-3章

    在折腾完爬虫还有一些感兴趣的内容后,我最近在看用R语言进行简单机器学习的知识,主要参考了<机器学习-实用案例解析>这本书. 这本书是目前市面少有的,纯粹以R语言为基础讲解的机器学习知识,书 ...

  7. R语言学习笔记(一)

    1.不同的行业对数据集(即表格)的行和列称谓不同,统计学家称其为观测(observation)和变量(variable): 2.R语言存储数据的结构: ①向量:类似于C语言里的一位数组,执行组合功能的 ...

  8. R语言学习笔记

    向量化的函数 向量化的函数 ifelse/which/where/any/all/cumsum/cumprod/对于矩阵而言,可以使用rowSums/colSums.对于“穷举所有组合问题" ...

  9. R语言学习笔记-变量的作用域

    R语言是如何将变量值和变量绑定的 在r语言中,当前的 workspace就是global enviroment,当输入变量名时,首先会在global enviroment中搜索该变量,如有,则将它显示 ...

  10. R语言学习笔记:分析学生的考试成绩

    孩子上初中时拿到过全年级一次考试所有科目的考试成绩表,正好可以用于R语言的统计分析学习.为了不泄漏孩子的姓名,就用学号代替了,感兴趣可以下载测试数据进行练习. num class chn math e ...

随机推荐

  1. iOS-获取当前网页的 url 和 title 和 html

    本文转载至 http://www.th7.cn/Program/IOS/201310/156916.shtml   @property (strong,nonatomic)UIWebView *web ...

  2. jmeter通过json extrcator或者正则表达式获取json返回信息

    1.下载地址,及插件文档资料 https://jmeter-plugins.org/wiki/JSONPathExtractor/ json信息如下 { "error_code": ...

  3. 【BZOJ4825】[Hnoi2017]单旋 线段树+set

    [BZOJ4825][Hnoi2017]单旋 Description H 国是一个热爱写代码的国家,那里的人们很小去学校学习写各种各样的数据结构.伸展树(splay)是一种数据结构,因为代码好写,功能 ...

  4. B - Catch That Cow (抓牛)

    B - Catch That Cow Time Limit:2000MS     Memory Limit:65536KB     64bit IO Format:%I64d & %I64u ...

  5. 计算属性 vs 侦听属性 当需要在数据变化时执行异步或开销较大的操作时,这个方式是最有用的

    https://cn.vuejs.org/v2/guide/computed.html#基础例子 计算属性 vs 侦听属性 Vue 提供了一种更通用的方式来观察和响应 Vue 实例上的数据变动:侦听属 ...

  6. spring boot 2.0添加对fastjson的支持

    首先引入fastjson的maven依赖: <dependency> <groupId>com.alibaba</groupId> <artifactId&g ...

  7. Node.js的概念与应用

    转:http://blog.jobbole.com/100058/?utm_source=blog.jobbole.com&utm_medium=relatedPosts Node.js 是什 ...

  8. python基础25 -----python高级用法

    一.Event 1.为什么会有Event? 线程的一个关键特性就是每个线程的运行都是独立运行且状态不可预测.如果程序中的线程需要通过别的线程的状态来判断自己线程中的 某个程序是否需要执行,那么Even ...

  9. mysql只能连接localhost解决

    grant all privileges on *.* to 'root'@'%' identified by 'root';flush privileges;

  10. $《第一行代码:Android》读书笔记——第2章 Activity

    (一)创建活动 1.创建活动类 创建没有Activity的项目,发现src文件夹是空的,手动创建一个包com.jyj.demo1,在包中添加一个名为MainActivity的class,该MainAc ...