R语言学习笔记（2）

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。