
R語言之?dāng)?shù)據(jù)結(jié)構(gòu)
R語言擁有許多用于存儲數(shù)據(jù)的對象類型,包括標(biāo)量、向量、矩陣、數(shù)組、數(shù)據(jù)框、列表、因子。
1.標(biāo)量:標(biāo)量是只包含一個元素的向量
1
2
3
|
> a <- 1; # 數(shù)值型
> b <- "China"; # 字符型
> c <- TRUE; # 邏輯型
|
2.向量:向量用于存儲數(shù)值型、字符型或邏輯型數(shù)據(jù)的一維數(shù)組。通過c()函數(shù)來創(chuàng)建向量
1
2
3
|
> d <- c(1,2,3);
> e <- c("China","USA");
> f <- c(T,F,F,T);
|
3.矩陣(matrix):矩陣是一個二維數(shù)組,每個元素都擁有相同的模式(數(shù)值型、字符型、邏輯型),一般通過函數(shù)matrix()來創(chuàng)建矩陣
matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL) data:包含了矩陣的元素; nrow 和 ncol:用于指定矩陣的行數(shù)和列數(shù); byrow=F:默認(rèn)創(chuàng)建的矩陣按照列進(jìn)行排列; dimnames:創(chuàng)建矩陣時可以設(shè)置行和列的名稱(必須為列表形式);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
> m1 <- matrix(1:8,nrow=4)
#默認(rèn)按列填充
> m1
[,1] [,2]
[1,] 1 5
[2,] 2 6
[3,] 3 7
[4,] 4 8
#設(shè)置byrow=T,將元素按照行進(jìn)行填充
> m2 <- matrix(1:8,nrow=4,byrow=T)
> m2
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
[4,] 7 8
# 設(shè)置矩陣行和列的名稱
> m3 <- matrix(1:8,nrow=4,byrow=T,dimnames=list(c("r1","r2","r3","r4"),c("c1","c2")))
> m3
c1 c2
r1 1 2
r2 3 4
r3 5 6
r4 7 8
|
4.數(shù)組(array):與矩陣類型,但是維度可以大于2,數(shù)組可以通過array()函數(shù)進(jìn)行創(chuàng)建;數(shù)組中的數(shù)據(jù)也只能擁有一種模式(數(shù)據(jù)類型),如果數(shù)組中的數(shù)據(jù)有其他的數(shù)據(jù)類型,R會自動將所有數(shù)據(jù)轉(zhuǎn)換為同一模式
array(data = NA, dim = length(data), dimnames = NULL) data:包含了數(shù)組中的數(shù)據(jù); dim:是一個數(shù)值型的向量,給出了各個維度下標(biāo)的最大值; dimnames:各個維度名稱標(biāo)簽的列表;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
> arr <- array(1:24,dim=c(4,3,2))
> arr
, , 1
[,1] [,2] [,3]
[1,] 1 5 9
[2,] 2 6 10
[3,] 3 7 11
[4,] 4 8 12
, , 2
[,1] [,2] [,3]
[1,] 13 17 21
[2,] 14 18 22
[3,] 15 19 23
[4,] 16 20 24
|
5.數(shù)據(jù)框(data.frame):數(shù)據(jù)框類似于二維表格,包含行和列,是R中最常處理的數(shù)據(jù)結(jié)構(gòu)。不同的列可以包含不同的模式,每一列數(shù)據(jù)的模式必須唯一;數(shù)據(jù)框可以通過函數(shù)data.frame()進(jìn)行創(chuàng)建data.frame(..., row.names = NULL, check.rows = FALSE, check.names = TRUE, stringsAsFactors = default.stringsAsFactors())row.names:設(shè)置數(shù)據(jù)框行的名稱; check.rows:默認(rèn)為FALSE,檢查行的名稱和數(shù)量是否一致; check.names:邏輯值,默認(rèn)為TRUE,如果為TRUE,變量的名稱不能夠重復(fù),如果重復(fù),則R會自動進(jìn)行轉(zhuǎn)換以保證列名不同; stringsAsFactors :是否將字符串轉(zhuǎn)換為因子(factor)類型,stringsAsFactors 默認(rèn)為TRUE,即default.stringsAsFactors()的值為TRUE,將字符串轉(zhuǎn)換為因子;
1
2
3
4
5
6
7
8
9
10
11
|
> g <- data.frame(a=c(1,2,3),a=c(4,5,6),row.names=c("n1","n2","n3"),check.names=T)
> g
a a.1
n1 1 4
n2 2 5
n3 3 6
> g["a.1"] #由于數(shù)據(jù)框g有重復(fù)列名a,因為設(shè)置了check.names=T,R內(nèi)部會自動將第二列的列名a轉(zhuǎn)換為a.1
a.1
n1 4
n2 5
n3 6
|
6.列表(list):是一個有序?qū)ο蟮募?,列表允許整合若干對象到單個對象名下,可以通過list()函數(shù)進(jìn)行創(chuàng)建
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
> k <- list(d=5:9,e="China") # 創(chuàng)建列表k,包括d和e兩個對象
> l <- list(title="mylist",a=1:3,b=matrix(1:8,nrow=2),c=c("one","two"),k) #創(chuàng)建列表l,l列表中包含了列表k(列表中也可以包含列表對象)
> l
$title
[1] "mylist"
$a
[1] 1 2 3
$b
[,1] [,2] [,3] [,4]
[1,] 1 3 5 7
[2,] 2 4 6 8
$c
[1] "one" "two"
[[5]]
[[5]]$d
[1] 5 6 7 8 9
[[5]]$e
[1] "China"
|
7.因子(factor):類別(名義型)變量和有序類別(有序型)變量在R中稱為因子。因子型數(shù)據(jù)在計算機(jī)內(nèi)部存儲為整型數(shù)據(jù),因子水平屬性將每個整型數(shù)據(jù)映射到一個因子水平上。因為整型數(shù)據(jù)占的存儲空間較少,因 此這種方式比字符串向量更節(jié)省存儲空間。
factor(x = character(), levels, labels = levels, exclude = NA, ordered = is.ordered(x), nmax = NA) x:用于轉(zhuǎn)換為因子的字符向量數(shù)據(jù); levels:因子水平向量,因子型變量可以取得的所有值被稱為因子水平; labels:字符型向量,labels與levels有相同的數(shù)量或者只有一個; excelude:生成水平時要去除的水平; ordered:默認(rèn)為FALSE,設(shè)置為TRUE,表示有序型變量,用以確定levels 是否應(yīng)該被視為有序的(按照給定的順序); nmax: 設(shè)定水平數(shù)量的上限值
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
|
> x <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),ordered=T)
> x
[1] middle small big large
Levels: small < middle < big < large # R在輸出有序因子時會顯示因子水平的順序
> y <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),ordered=T,labels=c(1,2,3,4))
> y
[1] 2 1 3 4
Levels: 1 < 2 < 3 < 4
> z <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),exclude=c("small","middle"))
> z
[1] <NA> <NA> big large # 由于去除了水平small和middle,所以原始數(shù)據(jù)中水平為small和middle的值輸出為NA
Levels: big large
> x.integer <- unclass(x) # 通過移除因子x的類屬性創(chuàng)建整型向量x.integer 注意此時因子x本身并沒有發(fā)生變化
> x.integer
[1] 2 1 3 4
attr(,"levels")
[1] "small" "middle" "big" "large"
> class(x.integer)
[1] "integer"
|
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10