R语言之创建数据集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。在R中,对象(object)是指可以赋值给变量的任何事物,包括常量、数据结构、函数、甚至是图形。因子(factor)是名义型变量或有序型变量,在R中被特殊地存储和处理。R中的数据结构:1.1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。创建向量使用函数c(),如下例所示: 数值型向量:a<-c(1,2,5,3,6,-2,4) 字符型向量:b<-c("one","two","three") 逻辑型向量:c<-c(TRUE,TRUE,TRUE,FALSE,TRUE) 注:单个向量中的数据必须拥有相同的类型或模式。 标量是只含一个元素的向量,例如f<-3、g<-"US"和h<-TRUE。它们用于保存常量。 访问向量中的元素,可在方括号中给定元素所处位置的数值,如:a[c(2,4)]用于访问向量a中的第二个和第四个元 素。1.2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),可以通过matrix创建矩阵 一般使用格式为: mymatrix<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns,byrow=logical_value,dimnames=list( char_vector_rownames,char_vector_colnames)) ,其中vector包含了矩阵的元素,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。选项byrow则表明矩阵应当按行 填充(byrow=TRUE)还是按列填充(byrow=FALSE),默认情况下按列填充。代码演示如下:[plain] view plain copy > cells<-c(1,23,56,485) > rnames<-c("R1","R2") > cnames<-c("c1","c2") [plain] view plain copy <pre name="code" class="html">> mymatrix<-matrix(cells ,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames)) > mymatrix c1 c2 R1 1 23 R2 56 485 1.3数组数组与矩阵类似,但是维数可以大于2。数组可通过array函数创建,形式如下:myarray<-array(vector,dimensions,dimnames),其中vector包含了数组中的数据,dimensions是一个数值型向量,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。代码如下:[html] view plain copy > dim<-c("A1","A2") > dim1<-c("A1","A2") > dim2<-c("B1","B2","B3") > dim3<-c("C1","C2","C3","C4") > z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3)) > z , , C1 B1 B2 B3 A1 1 3 5 A2 2 4 6 , , C2 B1 B2 B3 A1 7 9 11 A2 8 10 12 , , C3 B1 B2 B3 A1 13 15 17 A2 14 16 18 , , C4 B1 B2 B3 A1 19 21 23 A2 20 22 24 1.4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,是R中最常处理的数据结构。数据框可以通过函数data.frame()创建:mydata<-data.frame(col1,col2,col3,...),其中的列向量col1,col2,col3,...可为任何类型(如字符型、数值型或逻辑型)。每一列的名称可由函数names指定。代码如下:[html] view plain copy > age<-c(25,34,28,53) > patientID<-c(1,2,3,4) > diabetes<-c("Type1","Type2","Type1","Type1") > status<-c("Poor","Improved","Excellent","Poor") > patientdata<-data.frame(patientID,age,diabetes,status) > patientdata patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved 3 3 28 Type1 Excellent 4 4 53 Type1 Poor > patientdata$age [1] 25 34 28 53 <pre name="code" class="html">> table(patientdata$diabetes,patientdata$status) Excellent Improved Poor Type1 1 0 2 Type2 0 1 0 $被用来选取一个给定数据框中的某个特定变量,上面table(patientdata$diabetes,patientdata$status)生成了 diabetes和status的列联表。 函数attach()可将数据框添加到R的搜索路径中。 函数detach()将数据框从搜素路径中移除。 相对于attach。多数的R书籍更推荐使用函数with()。1.5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。因子在R中非常重要,因为它决定了数据的分析方式以及如何进行视觉呈现。 函数factor()以一个整数向量的形式存储类别值,整数的取值范围是[1...k](其中k是名义变量中唯一值得个数),同时一个由字符串(原始值)组成的内部向量将映射到这些整数上。名义型eg:假设有向量:diabetes<-c("Type1","Type2","Type1","Type1") 语句diabetes<-factor(diabetes)将此向量存储为(1,2,1,1).有序型eg: 对于给定变量status<-c("Poor","Improved","Excellent","Poor") 语句status<-factor(status,ordered=TRUE)会将向量编码为(3,2,1,3)。1.6列表(list) 列表是R的数据类型中最为复杂的一种。列表就是一些对象的(或成分,component)的有序集合。列表允许你整合若干(可能无关)的对象到单个对象名下。例如,某个列表中可能是若干向量、矩阵、数据框,甚至是其他列表的组合。可以使用函数list()创建列表: mylist<-list(object1,object2,...) 注:列表成为了R中的重要数据结构。 1.列表允许以一种简单的方式组织和重新调用不相干的信息; 2.许多R函数的运行结果都是以列表的形式返回的。