R語言數據結構二
上節我們講到R語言中的基本數據類型，包括數值型，復數型，字符型，邏輯型以及對應的操作和不同數值類型之間的轉換。眾所周知，R語言的優勢在於進行數據挖掘，大數據處理等方面，因此單個的數據並不能滿足我們的需要，於是向量，矩陣，數組，數據框等變量類型應運而生。
向量：與我們在數學裏面所學到的向量不同，R語言中的向量類似於我們在C語言中學習的數組，表示一個同種數據類型的數據集。
向量的創建：在R語言中使用c( )命令就創建了一個向量，任何類型的數據都可以組成向量，但一個向量裏面的數據最好類型一致，不然會發生一些變化。向量裏面的元素用"，"分隔。由此可見，當數值型，字符型，邏輯型的數據放在同一個向量時，字符型優先級高於數值型高於邏輯型，邏輯型的TRUE轉為數值型的1，邏輯型的FALSE轉為數值型的0
> a <- c(1,2,3,4,5)
> a
[1] 1 2 3 4 5
> b <- c("a","b","c","d")
> b
[1] "a" "b" "c" "d"
> c <- c(1,2,"c",4,5)
> c
[1] "1" "2" "c" "4" "5"
> d <- c(1,2,3,TRUE,4,5)
> d
[1] 1 2 3 1 4 5
> e <- c("a",TRUE,"c","d")
> e
[1] "a" "TRUE" "c" "d"
向量的元素個數：與計算字符串字符個數的函數nchar( )以及str_lenth( )不同，函數length( )用來計算向量中元素的個數。
向量的讀取：向量在創建過程中，系統就自動給向量裏的每個元素都分配了一個索引（1~N，N為向量中元素個數，這與C語言，Python中都不同）
讀取時用c[ m ]來讀取向量c中第m個向量
用c[ m:n ]讀取向量c中第m到n個向量
用c[x(m:n)]來表示讀取m到n的數乘以x，即c[2*(1:5)]就是讀取2*（1,2,3,4,5），也即第2,4,6,8,10五個數
> a <- c(1,2,3,4,5)
> length(a) [1] 5 > a[3] [1] 3 > a[2:4] [1] 2 3 4
> a[2*(1:5)] #不存在的數用NaN表示
[1] 2 4 NA NA NA
向量的計算：數值型的向量計算遵循計算法則，長度不同會警告，同時短的向量會順次從第一位開始填充到與長的向量相同的長度，開始運算。有關單個數值相關的計算都可以用到向量中，來進行整組相同的運算。
> a <- c(1,2,3,4,5) > b <- c(3,1,4,6,2) > a+b [1] 4 3 7 10 7 > a-b [1] -2 1 -1 -2 3 > a*b [1] 3 2 12 24 10 > a/b [1] 0.333 2.000 0.750 0.667 2.500 > a.^2 Error: object ‘a.‘ not found > a^2 [1] 1 4 9 16 25 > log2(a) [1] 0.00 1.00 1.58 2.00 2.32 > sqrt(a) [1] 1.00 1.41 1.73 2.00 2.24 > a <- c(1,2,3,4,5) > c <- c(2,7,8) > a+c [1] 3 9 11 6 12 Warning message: In a + c : longer object length is not a multiple of shorter object length
其他類型的向量，比如字符型以及邏輯型不能進行上述運算
邏輯型向量與數值型向量還能進行邏輯運算，返回值為布爾型
> a <- c(1,2,3,4,5)
> b <- c(3,1,4,6,2)
> d <- c("a","b","c")
> e <- c("d","e","f")
> d+e
Error in d + e : non-numeric argument to binary operator
> a+d
Error in a + d : non-numeric argument to binary operator
> d & e
Error in d & e :
operations are possible only for numeric, logical or complex types
> a & b
[1] TRUE TRUE TRUE TRUE TRUE
> f <- c(TRUE,TRUE,FALSE,FALSE,TRUE)
> a & f
[1] TRUE TRUE FALSE FALSE TRUE
與向量相關的其他函數：最小值min、最大值max、返回最大值與最小值range、誰是最小值which.min、誰是最大值which.max、求和sum、所有向量元素的乘積prod、向量元素排序sort、向量元素平均值mean、樣本方差var，數據統計summary
> a <- c(1,2,3,4,5)
> min(a)
[1] 1
> max(x)
[1] 0.873
> range(a)
[1] 1 5
> which.min(a)
[1] 1
> which.max(a)
[1] 5
> sum(a)
[1] 15
> prod(a)
[1] 120
> sort(a)
[1] 1 2 3 4 5
> sort(a,decreasing = TRUE)
[1] 5 4 3 2 1
> mean(a)
[1] 3
> var(a)
[1] 2.5
> summary(a)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1 2 3 3 4 5
矩陣：矩陣相當於我們在C語言中學習的二位數組，只不過在R語言中對矩陣的處理比在C語言中要方便快速得多
矩陣的創建：
常用matrix(data=NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)
參數含義如下：
data：矩陣的元素，默認為NA，即未給出元素值的話，各項為NA
nrow：矩陣的行數，默認為1；
ncol：矩陣的列數，默認為1；
byrow：元素是否按行填充，默認按列；
dimnames：以字符型向量表示的行名及列名，dimnames( )可以跟參數，參數需為向量格式，第一個向量為行名，第二個向量為列名
> mydata <- c(1:20)
> mydata
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
> myarray <- matrix(mydata,nrow = 4,ncol = 5)
> myarray
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
> cnames <- c("C1","C2","C3","C4","C5")
> rnames <- c("R1","R2","R3","R4")
> myarray <- matrix(mydata,nrow = 4,ncol = 5,dimnames = list(rnames,cnames))
> myarray
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
> myarray2 <- matrix(mydata,nrow = 4,ncol = 5,byrow = TRUE,dimnames = list(rnames,cnames))
> myarray2
C1 C2 C3 C4 C5
R1 1 2 3 4 5
R2 6 7 8 9 10
R3 11 12 13 14 15
R4 16 17 18 19 20
矩陣的拼接：用rbind（用列拼接，拼接後的列數跟兩矩陣相同）函數或者cbind（用行拼接，拼接後的行數跟兩矩陣相同）函數可以將兩個向量或者矩陣合並為一個矩陣。註意需要拼接的兩個矩陣對應行和列的數量要相等，並且如果有行名和列名的話，要求對應行行名和列名也必須相同。
> mydata <- c(1:20)
> mydata
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
> cnames <- c("C1","C2","C3","C4","C5")
> rnames <- c("R1","R2","R3","R4")
> myarray <- matrix(mydata,nrow = 4,ncol = 5)
> myarray
[,1] [,2] [,3] [,4] [,5]
[1,] 1 5 9 13 17
[2,] 2 6 10 14 18
[3,] 3 7 11 15 19
[4,] 4 8 12 16 20
> myarray <- matrix(mydata,nrow = 4,ncol = 5,dimnames = list(rnames,cnames))
> myarray
C1 C2 C3 C4 C5
R1 1 5 9 13 17
R2 2 6 10 14 18
R3 3 7 11 15 19
R4 4 8 12 16 20
> myarray2 <- matrix(mydata,nrow = 4,ncol = 5,byrow = TRUE,dimnames = list(rnames,cnames))
> myarray2
C1 C2 C3 C4 C5
R1 1 2 3 4 5
R2 6 7 8 9 10
R3 11 12 13 14 15
R4 16 17 18 19 20
> myarray3 <- matrix(c(1:15),nrow=3,ncol=5)
> myarray3
[,1] [,2] [,3] [,4] [,5]
[1,] 1 4 7 10 13
[2,] 2 5 8 11 14
[3,] 3 6 9 12 15
> myarray4 <- matrix(c(1:15),nrow=3,ncol=5,dimnames=list(c("R11","R12","R13"),cnames))
> myarray4
C1 C2 C3 C4 C5
R11 1 4 7 10 13
R12 2 5 8 11 14
R13 3 6 9 12 15
> cbind(myarray2,myarray4) #按行進行組合，行數不一致，分別為3和4
Error in cbind(myarray2, myarray4) :
number of rows of matrices must match (see arg 2)
> rbind(myarray2,myarray4) #按列進行組合
C1 C2 C3 C4 C5
R1 1 2 3 4 5
R2 6 7 8 9 10
R3 11 12 13 14 15
R4 16 17 18 19 20
R11 1 4 7 10 13
R12 2 5 8 11 14
R13 3 6 9 12 15
>matrix(c(1:16),nrow=4,ncol=4,dimnames=list(c("R11","R12","R13","R14"),c("C11","C12","C13","C14")))
> myarray5
C11 C12 C13 C14
R11 1 5 9 13
R12 2 6 10 14
R13 3 7 11 15
R14 4 8 12 16
> rbind(myarray2,myarray5) #按列進行組合，列名不一致
Error in rbind(myarray2, myarray5) :
number of columns of matrices must match (see arg 2)
矩陣元素的讀取：跟向量讀取差不多，多加了一個列的索引而已
常用為c[a,b]，意為讀取第a行b列的數據
也可以使用c[,b]讀取第b列整個列的數據，返回值為向量
> myarray5[2,3] [1] 10 > myarray5[,3] R11 R12 R13 R14 9 10 11 12
矩陣操作中常用的函數：
+, -, * , / 矩陣的四則運算，對應位置的元素進行運算要求矩陣的維數必須相同
t() 矩陣的行列轉置
colSums() 分別對矩陣的每一列進行求和
rowSums() 分別對矩陣的每一行進行求和
colMeans() 分別對矩陣的每一列進行求平均值
rowMeans() 分別對矩陣的每一行進行求平均值
det() 解方程的行列式
crossprod() 解兩個矩陣的內積
outer() 解兩個矩陣的外積，又叫叉積%*%矩陣乘法，要求第一個矩陣的列數與行數相同
diag() 對矩陣取對角元素，若對象為向量（不管有沒有缺失值），則生成以向量為對角元素的對角矩陣
solve() 在矩陣可逆的情況下，對矩陣求逆矩陣
eigen() 對矩陣求解特征值和特征向量
Data Frame一般被翻譯為數據框，感覺就像是R中的表，由行和列組成，與Matrix不同的是，每個列可以是不同的數據類型，而Matrix是必須相同的。Data Frame每一列有列名，每一行也可以指定行名。如果不指定行名，那麽就是從1開始自增的Sequence來標識每一行。
數據框的創建：使用data.frame( )函數。函數裏面的每一個參數包含列索引與對應的值
student<-data.frame(ID=c(11,12,13),Name=c(“Devin”,”Edward”,”Wenli”),Gender=c(“M”,”M”,”F”),Birthdate=c(“1984-12-29″,”1983-5-6”,”1986-8-8”))
另外也可以使用read.table()或者read.csv()讀取一個文本文件，返回的也是一個Data Frame對象。
R語言數據結構二