R语言统计分析——数据集概念和数据结构
参考资料：R语言实战.第2版1、数据集的概念
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。
差别行业对于数据集的行和列叫法差别。统计学称为观测（observation）和变量（variable），数据库中称为记载（record）和字段（field），数据发掘和机器学习成为示例（example）和属性（attribute）。
R中有许多用于存储数据的结构，包罗标量、向量、数组、数据框和列表。
R可以处理的额数据类型包罗数值型、字符型、逻辑型、复数型和原生型。
2、数据结构
https://img-blog.csdnimg.cn/direct/ef513a9f6ebd4c3cab6da7c375ccadaf.png
（1）向量
向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c()可用来创建向量。
a<-c(1,2,5,3,6,-2,4)
b<-c('one','two','three')
c<-c(TRUE,TRUE,TRUE,FALSE,TRUE,FALSE) 这里a是数值型向量，b是字符型向量，c是逻辑型向量。留意：单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型等）。同一向量中无法混杂差别模型的数据。
通过在方括号中给定元素所处位置的数值，我们可以访问向量中的元素。比方：
https://img-blog.csdnimg.cn/direct/d85795fff1314034b3fa9bd4ebd95948.png
留意：标量是只含有一个元素的向量，它们用于保存常量。
f<-3
g<-"cn"
h<-TRUE （2）矩阵
矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。可通过函数matrix()创建矩阵。
matrix(vector,nrow,ncol,byrow,dimnames)
vector包含矩阵的元素，
nrow和ncol用以指定行和列的维数
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还是按列填充，默认按列填充。
# 创建一个5×4的矩阵
y<-matrix(1:20,nrow=5,ncol=4)
y
# 按行填充2×2的矩阵
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
# 按列填充的2×2矩阵
mymatrix<-matrix(cells,nrow=2,ncol=2,
byrow=FALSE,
dimnames=list(rnames,cnames))
mymatrix https://img-blog.csdnimg.cn/direct/f4e08448d4a0416ea4b33a259c85582c.png
我们可以利用下标和方括号来选择矩阵中的行、列或元素。
X指矩阵中的第i行，X[,j]指矩阵中的第j列，X指第i行第j列的元素。
选择多行或多列时，下标i和j可以数值型向量。
# 下标的使用
# 创建一个矩阵
x<-matrix(1:10,nrow=2)
x
# 矩阵x的第2行数据
x
# 矩阵x的第2列数据
x[,2]
# 矩阵x的第2行第4个元素
x
# 矩阵x的第1行第4、5个元素
x https://img-blog.csdnimg.cn/direct/1b8da088c24a40a9a29a2f7b23d0090b.png
（3）数组
数组（array）与矩阵类似，但维度可以大于2。数组可以通过array函数创建。情势如下：
myarray<-array(vector,dimensions,dimnames)
其中，vector是包含数据中数据的向量；dimensions是一个数值型的向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。
数组是矩阵的一个自然推广。它们在编写新的统计方法时大概很有效。和矩阵一样，数组中的数据也只能拥有一种模式。从数组中选取元素的方式与矩阵相同。
# 创建一个数组
dim1<-c('A1','A2')
dim2<-c('B1','B2','B3')
dim3<-c('C1','C2','C3','C4')
z<-array(1:24,dim=c(2,3,4),
dimnames=list(dim1,dim2,dim3))
z https://img-blog.csdnimg.cn/direct/3612cab2ca424e53afaa7161e45b7f69.png
（4）数据框
由于差别的列可以包含差别模式（数值型、字符型等）的数据，数据框的概念较矩阵来说更为一般。也是我们在R中最常处理的数据结构。
数据框可通过函数data.frame()创建：
mydata<-data.frame(col1,col2,col3,...)
其中的列向量col1，col2，col3等可为任何数据类型。每一列的名称可有函数names指定。如下：
# 创建一个数据框
patientID<-c(1,2,3,4)
age<-c(25,34,28,52)
diabetes<-c('Type1','Type2','Type1','Type2')
status<-c('Poor','Improved','Excellent','Poor')
patientdata<-data.frame(patientID,age,diabetes,status)
patientdata https://img-blog.csdnimg.cn/direct/253d739d572642219dc1e1ab38ed7c6a.png
每一列数据的模式必须唯一，不过我们可以将多个模式的差别列放在一起组成数据框。数据框与分析职员通常设想的数据集形态较为靠近。
选取数据框中元素的方式有若干种。可以利用切片格式，也可以直接指定列名。
# 切片法
patientdata
# 指定列名
patientdata
# $符号指定列名
patientdata$age
# 交叉表
table(patientdata$diabetes,patientdata$status) https://img-blog.csdnimg.cn/direct/a49cfa12c7c74043b6eb831c1122badf.png
在每个变量名前都键入一次数据框名称相对比较麻烦，可以走一些捷径。两盒利用attach()和detach()或单独利用with()来简化代码。
attach()函数可将数据框添加到R的搜刮路径中。R在遇到一个变量名以后，将查抄搜刮路径中的数据框。detach()是将数据框从搜刮路径中移除，与attach()函数配合利用。
summary(mtcars$mpg)
plot(mtcars$mpg,mtcars$disp)
plot(mtcars$mpg,mtcars$wt) 以上代码可以写成：
attach(mtcars)
summary(mpg)
plot(mpg,disp)
plot(mpg,wt)
detach(mtcars) 当名称相同的对象不止一个时，attach()的方法将会显得范围。attach()和detach()最好在分析一个单独的数据框，且不太大概有多个同名称对象时利用。
另一种方式是函数with()，重写上述代码为：
with(mtcars,{
print(summary(mpg))
plot(mpg,disp)
plot(mpg,wt)
}) 函数with()的范围性在于，赋值仅在此函数的括号内生效。假如要创建在with()结构以外存在的对象，利用特殊赋值符号<<-替代标准赋值符号<-即可，它可将对象保存到with()之外的全局换菌种。如下：
with(mtcars,{
nokeepstats<-summary(mpg)
keepstats<<-summary(mpg)
})
nokeepstats
keepstats https://img-blog.csdnimg.cn/direct/3d74f662aca5486f8ac0949cddeaf1f5.png
相对于attach()，多数的R数据中更多保举利用with()函数。
（5）因子
变量可归结为名义型、有序型和连续型变量。
名义型变量是没有顺序之分的类别变量。
有序型边变量是一种顺序关系，而非数量关系。
连续型变量可以呈现为某个范围内的任意值，并同时表示了顺序和数量。
名义型变量和有序型变量在R中称为因子（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怎样进行视觉呈现。
factor()函数以一个整数向量的情势存储类别值，整数的取值范围是（其中k是名义变量中唯一值的个数），同时一个有字符串（原始值）组成的内部向量将映射到这些整数上。
对于字符型向量，因子的水平默认依字母顺序创建，我们可以通过指定levels选项来覆盖默认排序。比方：status<-factor(status,order=TRUE,levels=c('Poor','Improved','Excellent'))，各水平的赋值将为1=Poor、2=Improved、3=Excellent。请保证指定的水平与数据中的真实值相匹配，因为任安在数据中出现而未在参数中枚举的数据都将设为缺失值。
patientID<-c(1,2,3,4)
age<-c(25,34,28,54)
diabetes<-c('Type1','Type2','Type1','Type1')
status<-c('Poor','Improved','Excellent','Poor')
# 将diabetes设为因子
diabetes<-factor(diabetes)
# 将status设为有序因子
status<-factor(status,order=TRUE)
# 创建数据框
patientdata<-data.frame(patientID,age,diabetes,status)
# 显示对象的结构
str(patientdata)
# 显示对象的统计概要
summary(patientdata) https://img-blog.csdnimg.cn/direct/bb97ff250ff74e43a2bb6abe4f575c87.png
（6）列表
列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象的有序聚集。列表允许整合若干差别类型的对象到一个对象名下。
g<-"my first list"
h<-c(25,26,18,39)
j<-matrix(1:10,nrow=5)
k<-c('one','two','three')
# 创建列表
mylist<-list(title=g,ages=h,j,k)
mylist https://img-blog.csdnimg.cn/direct/c7754dea53274fb7a7dda3c9205d9eb1.png
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]