R语言1 创建数据集

创建数据集

---

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。
R中有许多用于存储数据的结构，包括标量、向量、数组、数据框和列表。

---

数据结构

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。
标量是只含一个元素的向量,用于保存常量。
注：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）。同一向量中无法混杂不同模式的数据。
创建向量：c()

• 创建数值型向量

x <- 100
a <- c(1, 2, 5, 3, 6, -2, 4) 

• 创建字符型向量

name <- "Jasson" 
b <- c("one", "two", "three")  

• 创建逻辑型向量

c1 <- TRUE
c2 <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE) 

• 定位和访问向量中的元素

访问向量中的第m个元素(和第n个元素)，逗号用于访问向量中的指定元素

a[3]
b[c(1,3)]

使用冒号用于访问向量中第m个元素~到第n个元素

c2[2:4]

• 判断数值类型是否为向量

is.vector(a)

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）。
创建矩阵：matrix()

• 创建矩阵

eg1. 数字1~20，4行5列，按行填充

x1 <- matrix(1:20,nrow = 4,ncol = 5,byrow = TRUE)

eg2. 定义一个4*4矩阵，名为Mat，矩阵第一行4 5 8 9，矩阵第二行 1 6 3 2，矩阵第三行 0 1 0 1，矩阵第四行5 2 0 1

m <- c(4,5,8,9,1,6,3,2,0,1,0,1,5,2,0,1)
Mat <- matrix(m,nrow = 4,ncol = 4,byrow = TRUE)

• 定位和访问矩阵中的元素

定位位于第2行，第1的元素

Mat[2,1]

定位第2行所有元素

Mat[2,] 

定位第1列所有元素

Mat[,1]

定位位于第1行，第2、3列的元素

Mat[1,c(2,3)]

Mat[1,2:3]

定位位于第1、2行，第2、3列的元素

Mat[1:2,2:3]

Mat[c(1,2),c(2,3)]

• 矩阵行列的命名

f <- c(3,5,2,4)
rname <- c("R1","R2")
cname <- c("C1","C2")
y <- matrix(f,nrow = 2,ncol = 2,dimnames = list(rname,cname))
y

• 判断是否为矩阵

is.matrix(y)

数组

数组（array）与矩阵类似，但是维度可以大于2。三维包括行、列、层。
创建数组：array()

• 创建数组

f1 <- c("A1","A2")
f2 <- c("B1","B2","B3")
f3 <- c("C1","C2","C3")
z <- array(1:18,c(2,3,3),dimnames = list(f1,f2,f3))
z

• 定位和访问数组中的元素（位于第2个矩阵的第1行第2列的数）

z[1,2,2]

• 判断是否为数组

is.array(z)

数据框

数据框中不同的列可以包含不同模式（数值型、字符型等）的数据。由于数据有多种模式，无法将此数据集放入一个矩阵，在这种情况下，使用数据框是最佳选择。
创建数据框：data.frame()

• 创建一个数据框

ID <- c(1001,1002,1003)
NAME <- c("张三","李四","王五")
MATH <- c(90,85,95)
ENG <- c(85,90,90)
Score <- data.frame(ID,NAME,MATH,ENG)
Score

• 定位和访问数据框中的元素

访问数据框中的列

Score[1:2]

Score[2]

Score[,2]

访问数据框中的行

Score[2,]

访问数据框中的变量

Score$NAME
Score[c("MATH","ENG")]
summary(Score$MATH)

summary()函数：获取描述性统计量

• 判断是否为数据框

is.data.frame(Score)

• 调用数据框（attach），移除调用（detach）
  函数attach()可将数据框添加到R的搜索路径中。
  函数detach()将数据框从搜索路径中移除。

attach(md)
summary(Income)
detach(md)

上述代码等同于：> summary(md$Income)

• with()调用数据框

with(md,{summary(Income)})

因子

变量可归结为名义型、有序型或连续型变量，类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。
创建因子：factor()

• 因子的使用
  eg:将向量Type存储为(1, 2, 3, 1)，并在内部将其关联为1=T1、2=T2和3=T3：

Type <- c("T1","T2","T3","T1")
TF <- factor(Type)
TF

要表示有序型变量，需要为函数factor()指定参数ordered=TRUE:

Type <- c("T1","T2","T3","T1")
TF <- factor(Type, order=TRUE)
TF

对于字符型向量，因子的水平默认依字母顺序创建：

status <- c("Poor", "Improved", "Excellent", "Poor")
status <- factor(status, ordered=TRUE)
status 

即将向量编码为(3, 2, 1, 3)，并在内部将这些值关联为1=Excellent、2=Improved以及3=Poor。

但你可以通过指定levels选项来覆盖默认排序：

status <- factor(status, ordered=TRUE, levels=c("Poor", "Improved", "Excellent"))

各水平的赋值将为1=Poor、2=Improved、3=Excellent。

对于数值型变量，可以用levels和labels参数来编码成因子：

sex <- c(1,2,1,1)
sex <- factor(sex, levels=c(1, 2), labels=c("Male", "Female"))
sex

即男性被编码成1，女性被编码成2。

• 判断字符型变量Type是否转换为因子TF：

is.factor(TF)

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（或成分，
component）的有序集合。某个列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。
创建列表：list()

• 创建一个列表

g <- "My First List" 
h <- c(25, 26, 18, 39) 
j <- matrix(1:10, nrow=5) 
k <- c("one", "two", "three") 
mylist <- list(title=g, ages=h, j, k)
mylist

• 定位和访问列表中的元素

mylist[2]

mylist["ages"]

mylist$ages

• 判断数据类型是否为列表：

is.list(mylist)

还可以判断列表中的其他数据类型：

is.matrix(j)