devbox
寸_铁
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

RStudio学习笔记（三）：其他数据结构

作者：寸_铁 | 2024-07-01 14:25:08

赞

踩

RStudio学习笔记（三）：其他数据结构

1、矩阵    

        在R语言中，矩阵是二维的，包括行和列，其中分为数值型、字符型、逻辑型三种，在每个矩阵中的矩阵元素的类型必须一致，可以通过matrix函数创建矩阵。

  1. m <- matrix(1:20, nrow = 4, ncol = 5)	
  2. # 创建一个四行五列的数组，值为1到20，元素个数和行列必须对应
  3. # 可以省略nrow和ncol，如：m <- matrix(1:20, 4, 5)
  4.  
  5. m <- matrix(1:20, nrow = 4, ncol = 6)	
  6. # 元素不够，循环使用数值		
  7. # 报错：数据长度[20]不是矩阵列数[6]的整倍
  8.  
  9. m <- matrix(1:20, nrow = 4, ncol = 4)	
  10. # 元素过多，取前16个元素载入	
  11.  
  12. m <- matrix(1:20, nrow = 3, ncol = 3)	
  13. # 元素过多，取前 9 个元素载入	
  14. # 报错：数据长度[20]不是矩阵列数[3]的整倍
  15.  
  16. # 矩阵默认是按列进行排列的，上述也可省略为：	
  17. m <- matrix(1:20, 4)	
  18. # 会自动分为四行五列的矩阵进行排列
  19.  
  20. m <- matrix(1:20, 4,byrow = T)	
  21. # 按行进行四行五列的矩阵分配。byrow = F则设置为按列排列

        可以通过rnames函数和cnames函数分别对行和列进行命名

  1. # 设置行名
  2. rnames <- c("R1","R2","R3","R4")
  3.  
  4. # 设置列名
  5. cnames <- c("C1","C2","C3","C4","C5")
  6.  
  7. dimnames(m) <- list(rnames,cnames)			
  8. # 为上述矩阵命名，后续可用名称访问矩阵元素

        通过维度的添加，可以把向量转变为矩阵

  1. x <- 1:20
  2. # 创建一个向量x
  3.  
  4. dim(x) <- c(4,5)	
  5. # 为向量x添加维度（四行五列）
  6. # 操作之后x的类型转变为矩阵

        矩阵的访问可以通过索引、名称等方式进行

  1. # 其中矩阵m的创建通过上述的代码展示
  2.  
  3. m[1,2]								
  4. # 通过索引访问第一行第二列的元素，也可以通过名称访问，如：m["R1","C2"]
  5.  
  6. m[c(2:4),c(2:3)]						# 访问矩阵的一个子集
  7. m[2,]									# 访问矩阵的第二行
  8. m[,2]									# 访问矩阵的第二列
  9. m[2]									# 访问第二行的第一个元素
  10. m[-1,2]								    # 访问除了第一行外的第二列元素

        矩阵的运算类似与向量的运算，需要保证行和列的关系

  1. colSums(m,m)						# 计算每一列的和
  2. rowSums(m)							# 计算每一行的和
  3.  
  4. #假设两个三行三列的向量 
  5. x <- matrix(1:9.3,3) 
  6. y <- matrix(2:10.3,3)
  7.  
  8. x*y									# 矩阵的内积，即矩阵的点乘，对应位置相乘
  9. x %*% y								# 矩阵的外积，即矩阵的叉乘
  10.  
  11. diag(x)								
  12. # 输出一个向量，值依次返回矩阵的对角线的值，要求矩阵x的行数列数相同
  13.  
  14. t(x)								# 输出x的转置矩阵

2、数组

        不同于其他编程语言，在R语言中，数组表示多为矩阵 。数组是多维的、数值或字符的数据集，可以看作是矩阵的推广。

        数组可以有多个维度，并且每个维度的大小可以不同。

        可以使用 array() 函数创建数组。

  1. x <- 1:20
  2. dim(x) <- c(2,2,5)	
  3. # 为向量x添加三个维度
  4.  
  5. # 利用array()函数创建数组
  6. # 假设三个维度的标签值：
  7. dim1 <- c("A1","A2")		
  8. dim2 <- c("B1","B2","B3")		
  9. dim3 <- c("C1","C2","C3","C4")
  10.  
  11. z <- array(1:24,c(2,3,4),dimnames = list(dim1,dim2,dim3))
  12. # 设置一个数组，数据为1到24，维度类型为(2,3,4)，每个维度的名称为(dim1,dim2,dim3)

        其他的内容可参考矩阵的内容

3、列表

        列表是R中非常灵活的数据结构，可以包含不同类型的元素。

        列表是存储很多内容的一个集合，是一些对象的有序集合，可以存储若干向量、矩阵、数据框、其他列表，即可以存储任何数据结构，是一维数据的结合。

  1. mlist <- list(a,b,c,d)						
  2. # 创建列表
  3.  
  4. mlist <- list(first = a, second = b, third = c , forth = d)	
  5. # 创建列表并给每一部分命名
  6.  
  7. mlist[1]		
  8. class(mlist[1])								
  9. # 利用索引访问列表的第一个列表元素
  10. # 返回mlist[1]的数据类型，一个[ ]的输出类型仍为列表
  11.  
  12. mlist[[1]]		
  13. class(mlist[[1]])									
  14. # 访问列表的第一个列表元素，且每次只能访问一个列表元素
  15. # [[ ]]的输出类型为a,b,c,d的类型
  16.  
  17. mlist[c(1,4)]									# 利用索引访问多个列表元素需要通过向量的方式
  18. mlist[c("first","forth")]						# 通过名称访问对应的列表元素 	
  19. mlist$first										
  20. # 通过$符号对列表元素和名称进行访问，且数据类型等同于mlist[[1]]，即原本向量的数据类型
  21.  
  22. mlist[[5]] <- iris 				
  23. # mlist[[5]]可以直接赋值。iris 是内置数据库				
  24. # mlist[5]是一个列表，不能直接赋值
  25.  
  26. mlist <- list(mlist[-5])								
  27. # 删除第五个列表元素可以通过[-5]不显示第五个列表元素的方式进行赋值
  28. mlist[[5]] <- NULL									
  29. #空白赋值进行删除第五个列表元素

4、数据框 

        数据框实际上是一个列表，列表元素是向量，向量构成列，因此每列的长度必须相同，且每列必须命名，每列必须同一类型，每一行不必。

        表格式数据结构，由数据集合构成的矩形数组，行表示观测，列表示变量。

  1. state <- data.frame(state.name,state.abb,state.region,state.x77)			
  2. # 数据框的创建，其中数据都是内置数据集，关于美国五十个州的，每一列长度相同
  3.  
  4. # 数据框是个列表，调出每一列方式同列表
  5. state[1]										# 调出数据框第一列，数据类型为列表
  6. state$state.name								# 调出数据框第一列，数据类型为矩阵
  7.  
  8. plot(women$height,women$weight)								
  9. # women是内置数据，可通过plot绘图，x轴为height，y轴为weigh
  10.  
  11. lm(weight ~height ,data = women)								
  12. # 拟合线性模型： weight 是响应变量（因变量）作为左侧的项
  13. # height 是预测变量（自变量）作为右侧的项
  14. # 用~连接，并且数据来自名为 women 的数据框
  15.  
  16. attach(mtcars)												
  17. # 加载数据框，可以直接输入行名或者列名作为对象进行访问数据，不需要索引或者$符号等方式
  18. detach(mtcars)												
  19. # 删除加载，无法继续使用上述访问方法
  20.  
  21. with(mtcars,{mpg})											
  22. # 访问内置数据集mtcars中的mpg向量，注意是大括号

5、因子

        在R语言中，因子（Factor）是一种特殊的数据类型，用于处理分类数据。因子可以被视为名义型（Nominal，无序）或有序型（Ordinal，有顺序）的类别变量。

        在R语言中变量可以分为三个类型：

① 名义型变量：没有内在顺序的类别，比如城市、性别（男/女）、颜色（红/绿/蓝）等相互之间独立的变量。

② 有序型变量：有特定顺序的类别，比如质量评价（好、更好、最好）、教育水平（小学/中学/大学/研究生），不同值之间有顺序关系，但不是连续的数量变换。

③ 连续型变量：在某个范围内的任意值，比如年龄、gdp、具体高度等数据。

        factor，其分类变量的可能值称为一个水平，level。水平值构成的向量称为因子

        因子的应用： 计算频数、独立性实验、相关性实验、方差分析、主成分分析等。它们在统计分析中非常有用，尤其是在需要对数据进行分组或分类的情况下。

  1. table(mtcars$cyl)											
  2. # 对因子中的数据进行频数统计
  3. # 其中cyl就是factor，其中的数据值（4，6，8）就是level
  4.  
  5. f <- factor(c("red","red","green","blue","green"))						
  6. # 创建因子，其中 f 就是factor，（"red","green","blue"）就是level
  7.  
  8. week <- factor(c("Mon","Thu","Fri","Sat","Sun","Tue","Wed"))			
  9. # 创建的因子的level是按照输入的顺序来的
  10.  
  11. w1 <- c("Mon","Thu","Fri","Sat","Sun","Tue","Wed")
  12. w2 <- c("Mon","Tue","Wed","Thu","Fri","Sat","Sun")
  13. week <- factor( w1 , ordered = T , levels = w2 )
  14. # ordered为TRUE定为有序，再通过level设定具体顺序，其中level的设定都需要创建向量的c函数
  15.  
  16. plot(mtcars$cyl)								# 绘制的是散点图
  17. plot(factor(mtcars$cyl))						# 绘制的是柱状图
  18.  
  19. cut(num,c(0,100,10))
  20. # 假设num <- 1:100，cut函数将数据从1到100每十个进行一次划分，然后就变成因子了
  21.

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/寸_铁/article/detail/776710
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号