R語言(一)
向量運算
R的強大功能之一就是把整個數據向量作為一個單一對象來處理。一個數據向量僅是數字的排列,一個向量可以通過如下方式構造
weight<-c(2,34,434,53) weight [1] 2 34 434 53
結構c(……)用來構造向量。這既不是R中輸入向量的唯一方法,也不是一般首選的方法。
如果要對上述變量做數學運算,則是逐個元素的方式進行。
作圖
plot(height,weight,pch=2)
關鍵字pch(繪圖符號)改變繪圖符號
函數lines將通過一條直線將(x,y)值增加到現有的圖中
生成向量的函數
這裏介紹3個函數:c、seq和rep,用於不同情形下向量的創建。
第一個函數c,它是“concatenate”(連接)的簡寫,含義是把各分項首尾連接
另外也有可能給某些元素命名。這改變了變量輸出的方式,這樣做通常是出於顯示的目的。
> x<-c(red="Huey",blue="Dewey",green="Louie") > x red blue green "Huey" "Dewey" "Louie"
名稱可以被提取或使用names設置
> names(x) [1] "red" "blue" "green"
一個向量的所有元素類型都相同。如果你連接不同類型的向量,它們將被轉化為最少“限制”的類型:
> c(FALSE,3) [1] 0 3 > c(pi,"abc") [1] "3.14159265358979" "abc" > c(FALSE,"abc") [1] "FALSE" "abc"
也就是說,邏輯值被轉換為0/1或“False”/”True”,數字轉換為它們的輸出形式的字符串。
第二個函數seq(“sequence”),用來建立數字等差序列,如
> seq(4,9) [1] 4 5 6 7 8 9
如果希望間距是2,
> seq(4,10,2) [1] 4 6 8 10
第三個函數rep(“replicate”),用來產生重復值。使用時有兩個參數,依賴於第二個參數是一個向量還是一個數字,產生的結果會有不同
> oops<-c(7,9,13) > rep(oops,3) [1] 7 9 13 7 9 13 7 9 13 > rep(oops,1:3) [1] 7 9 9 13 13 13
第一個rep哈桑農戶對整個向量oops重復三次。第二次調用用一個有3個值(1,2,3)的向量代替數字3;這些值相應於oops向量的每一個元素,意味著7重復1次,9重復2次,13重復3次。
矩陣和數組
矩陣就是一個二維數值數組。
> x<-1:12 > dim(x)<-c(3,4) > x [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12
創建矩陣的一個方便的方法是使用matrix函數:
matrix(1:12,nrow=3,byrow=T) [,1] [,2] [,3] [,4] [1,] 1 2 3 4 [2,] 5 6 7 8 [3,] 9 10 11 12
請註意,這裏byrow=T將矩陣改變成以按行而不是按列形式填充。
對矩陣進行操作的有用函數包括rownames、colnames、轉置函數t
> x<-matrix(1:12,nrow=3,byrow=T) > rownames(x)<-LETTERS[1:3] > x [,1] [,2] [,3] [,4] A 1 2 3 4 B 5 6 7 8 C 9 10 11 12 > t(x) A B C [1,] 1 5 9 [2,] 2 6 10 [3,] 3 7 11 [4,] 4 8 12
特征i向量LETTERS是一個包含大寫字母A——Z的內置變量。其他有用的相似變量是分別表示小寫字母、月份名稱、月份名稱縮寫的letters、month.name和month.abb
可以按行或者按列分別使用cbind和rbind函數將向量“粘”到一起。
> cbind(A=1:4,B=5:8,C=9:12) A B C [1,] 1 5 9 [2,] 2 6 10 [3,] 3 7 11 [4,] 4 8 12 > rbind(A=1:4,B=5:8,C=9:12) [,1] [,2] [,3] [,4] A 1 2 3 4 B 5 6 7 8 C 9 10 11 12
因子
分類變量在統計數據中是常見的,表明數據的某些細分屬性,如社會階層、主要診斷、腫瘤分期、青春期階段等。通常它們用數字代碼輸入。
在R中,這些變量被指定為因子。這種數據結構使得不同的分類類別被賦予有意義的名稱成為可能。
對R來說,區分類別編碼和取值有直接數字含義的變量是最基本的。
術語說一個因子有一系列水平——比方說4個水平。一個四水平因子包含兩項含義:a)1到4之間整數的一個向量b)一個長度為4的包含字符串的特征向量
看一個例子:
> pain<-c(0,3,2,2,1) > fpain<-factor(pain,levels=0:3) > levels(fpain)<-c("none","mild","medium","severe")
第一個命令創建了一個數值向量pain,對5個病人的疼痛水平編碼。我們希望把他作為一個分類變量處理,所以我們通過它利用函數factor創建一個因子fpain。它的調用除了pain以外,還跟著另一個參數即levels=0:3,這意味著輸入的編碼使用了4個值0~3.後者在理論上可以省略,因為R默認使用pain中合理排序的值,但保留它是一個很好的習慣,如下所示。最後一行的作用是將水平名稱轉換為特定的4個字符串.
> fpain [1] none severe medium medium mild Levels: none mild medium severe > as.numeric(fpain) [1] 1 4 3 3 2 > levels(fpain) [1] "none" "mild" "medium" "severe"
函數as.numeric提取數字編碼為1~4,levels提取水平的名稱。註意根據數字0~3的原始輸入編碼不顯示了,一個因子的內置表達方式始終是從1開始的數字。
列表
可以通過函數list創建一個列表。
> intake.pre<-c(5260,5470,5640,6180,6390,6515,6805,7515,7515,8230,8770) > intake.post<-c(3910,4220,3885,5160,5645,4680,5265,5975,6790,6900,7335) > mylist<-list(before=intake.pre,after=intake.post) > mylist $before [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770 $after [1] 3910 4220 3885 5160 5645 4680 5265 5975 6790 6900 7335
列表各部分通過list中使用的參數名稱來命名。命名的部分可以如下提取:
mylist$before [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770
數據框
數據框被稱為“數據矩陣”或“數據集”。它是一系列等長度的向量和/或因子,它們交叉相關,使得同一位置的數據來自同一試驗單元(對象、動物等)。除此之外,它具有唯一的一組行名稱。
> d<-data.frame(intake.pre,intake.post) > d intake.pre intake.post 1 5260 3910 2 5470 4220 3 5640 3885 4 6180 5160 5 6390 5645 6 6515 4680 7 6805 5265 8 7515 5975 9 7515 6790 10 8230 6900 11 8770 7335
像list一樣,組分(單個變量)可以通過$符號獲得:
> d$intake.pre [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770
索引
如果需要向量中一個具體的元素
>intake.pre[5] [1] 6390
方括號用來選擇數據,也稱為索引或子集選擇
如果希望一個包含多於一個的數據的子向量,比如序號為3、5、7、可以用一個向量來索引:
> intake.pre[c(3,5,6)] [1] 5640 6390 6515
R的一個巧妙功能是可以使用負索引。可以通過下式得到除了位置為3、5、7之外的所有其他元素
> intake.pre[-c(3,5,6)] [1] 5260 5470 6180 6805 7515 7515 8230 8770
排序
對向量排序,只需使用sort函數即可
> sort(intake.post) [1] 3885 3910 4220 4680 5160 5265 5645 5975 6790 6900 7335
然而,僅對一個單一的向量排序並不總能滿足需求。經常需要根據某些其他變量的值對一系列變量排序——如果根據性別和年齡對血壓排序。為此目的,有一個結構看上去很抽象,但確實功能強大。首先計算一個變量的次序。
order(intake.post) [1] 3 1 2 6 4 7 5 8 9 10 11
結果是數字1至11(或者其他的向量長度),根據order參數(這裏是intake.post)的大小排序。對order結果的解釋優點棘手——應該是如下所述:通過將其值依次置於3、1、2、6等對intake.post排序。
o<-order(intake.post) > intake$post[o] [1] 3885 3910 4220 4680 5160 5265 5645 5975 6790 6900 7335
R語言(一)