向量

列表

矩阵

数组

因子

数据框

向量

当要创建具有多个元素的向量时，应该使用c()函数，表示将元素组合成一个向量。

>y<-c(12,13,14,15) >print(y)[1] 12 13 14 15

列表

列表是一个R对象，它可以包含许多不同类型的元素，如向量，函数，甚至其中的另一个列表。

>t<-list(a=c(1,2,3),b=c("yes","no"),c=c(12,13,14)) >print(t)$a[1] 1 2 3$b[1] "yes" "no" $c[1] 12 13 14

矩阵

矩阵是二维矩形数据集。 它可以使用向量输入到矩阵函数来创建。

>u<-matrix(c(2:10),ncol = 2) >print(u) [,1] [,2][1,] 2 7[2,] 3 8[3,] 4 9[4,] 5 10[5,] 6 2 数组

矩阵只能有两个维度，数组可以是任意数量的维数。数组函数采用一个dim属性，创建所需的维数。

>h<-array(c(3:8),dim = c(3,3,2)) >h, , 1 [,1] [,2] [,3][1,] 3 6 3[2,] 4 7 4[3,] 5 8 5, , 2 [,1] [,2] [,3][1,] 6 3 6[2,] 7 4 7[3,] 8 5 8 因子

因子是使用向量创建的R对象。 它将向量存储在向量中的元素的不同值作为标签。标签始终是字符，无论它是输入向量中是数字，还是字符或布尔等。它们在统计建模中很有用。

因子使用factor()函数创建。nlevels函数给出了级别的计数。

>factor<-c(1,2,3,4) >class(factor) [1] "numeric" >factor1<-as.factor(factor) >class(factor) [1] "numeric" >class(factor1) [1] "factor" 数据框

数据帧是表格数据对象。与数据帧中的矩阵不同，每列可以包含不同的数据模式。 第一列是数字，而第二列可以是字符，第三列可以是逻辑类型。它是一个长度相等的向量列表。

数据帧使用data.frame()函数创建。

>g<-data.frame(a=c(1,2,3),b=c("yes","no","yes"),c=c("male","female","male")) >g a b c1 1 yes male2 2 no female3 3 yes male

是向量的一种一般形式，并不需要保证其中的元素都是相同的类型，而且其中的元素经常是向量和列表本身。

数据框(data frame)：

Data Frame一般被翻译为数据框，感觉就像是R中的表，由行和列组成，与列表不同的是，每个列可以是不同的数据类型，而列表是必须相同的。

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，那么就是从1开始自增的Sequence来标识每一行。

初始化

使用data.frame函数就可以初始化一个Data Frame。比如我们要初始化一个student的Data Frame其中包含ID和Name还有Gender以及Birthdate，那么代码为：

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() read.csv()读取一个文本文件，返回的也是一个Data Frame对象。读取数据库也是返回Data Frame对象。

查看student的内容为：

ID Name Gender Birthdate

1 11 Devin M 1984-12-29

2 12 Edward M 1983-5-6

3 13 Wenli F 1986-8-8

这里只指定了列名为ID，Name，Gender和Birthdate，使用names函数可以查看列名，如果要查看行名，需要用到row.names函数。这里我们希望将ID作为行名，那么可以这样写：

row.names(student)<-student$ID

更简单的办法是在初始化date.frame的时候，有参数row.names可以设置行名的向量。

访问元素

与Matrix一样，使用[行Index,列Index]的格式可以访问具体的元素。

比如访问第一行:

student[1,]

访问第二列：

student[,2]

使用列的Index或者列名可以选取要访问的哪些列。比如要ID和Name，那么代码为：

idname<-student[1:2]

或者是

idname<-student[c("ID","Name”)]

如果是只访问某一列，返回的是Vector类型的，那么可以使用[[或者$来访问。比如我们要所有student的Name，代码为：

name<-student[[2]] 或者name<-student[[“Name”]] 或者name<-student$Name

使用attach和detach函数可以使得访问列时不需要总是跟着变量名在前面。

比如要打印所有Name，那么可以写成：

attach(student)

print(Name)

detach(student)

还可以换一种简洁一点的写法就是用with函数：

with(student,{

n<-Name

print(n)

})

这里的n作用域只在大括号内，如果想在with函数中对全局的变量进行赋值，那么需要使用<<-这样一个运算符。

修改列数据类型

接下来我们查看该对象每列的类型，使用str(student)可以得到如下结果：

'data.frame':3 obs. of 4 variables:

$ ID : num 1 2 3

$ Name : Factor w/ 3 levels "Devin","Edward",..: 1 2 3

$ Gender : Factor w/ 2 levels "F","M": 2 2 1

$ Birthdate: Factor w/ 3 levels "1983-5-6","1984-12-29",..: 2 1 3

默认情况下，字符串向量都会被自动识别成Factor，也就是说，ID是数字类型，其他的3个列都被定义为Factor类型了。显然这里Name应该是字符串类型，Birthdate应该是Date类型，我们需要对列的数据类型进行更改：

student$Name<-as.character(student$Name)

student$Birthdate<-as.Date(student$Birthdate)

下面我们再运行str(student)看看修改后的结果：

'data.frame':3 obs. of 4 variables:

$ ID : num 11 12 13

$ Name : chr "Devin" "Edward" "Wenli"

$ Gender : Factor w/ 2 levels "F","M": 2 2 1

$ Birthdate: Date, format: "1984-12-29" "1983-05-06" "1986-08-08”

添加新列

对于以及存在的student对象，我们希望增加Age列，该列是根据Birthdate算出来的。首先需要知道怎么算年龄。我们可以使用日期函数Sys.Date()获得当前的日期，然后使用format函数获得年份，然后用两个年份相减就是年龄。好像R并没有提供几个能用的日期函数，我们只能使用format函数取出年份部分，然后转换为int类型相减。

student$Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(student$Birthdate,"%Y”))

这样写似乎太长了，我们可以用within函数，这个函数和之前提到过的with函数类似，可以省略变量名，不同的地方是within函数可以在其中修改变量，也就是我们这里增加Age列：

student<-within(student,{

Age<-as.integer(format(Sys.Date(),"%Y"))-as.integer(format(Birthdate,"%Y"))

})

查询/子集

查询一个Date Frame，返回一个满足条件的子集，这相当于数据库中的表查询，是非常常见的操作。使用行和列的Index来获取子集是最简单的方法，前面已经提到过。如果我们使用布尔向量，配合which函数，可以实现对行的过滤。比如我们要查询所有Gender为F的数据，那么我们首先对student$Gender==“F”，得到一个布尔向量:FALSE FALSE TRUE,然后使用which函数可以将布尔向量中TRUE的Index返回，所以我们的完整查询语句就是：

student[which(student$Gender=="F"),]

注意这里列Index并没有输入，如果我们只想知道所有女生的年龄，那么可以改为：

student[which(student$Gender=="F"),"Age”]

这样的查询写法还是复杂了点，可以直接使用subset函数，那么查询会简单些，比如我们把查询条件改为年龄<30的女性，查姓名和年龄，那么查询语句为：

subset(student,Gender=="F" &Age<30 ,select=c("Name","Age"))