作者:徐涛,19年应届毕业生,专注于珊瑚礁研究,喜欢用R各种清洗数据。
知乎:parkson
关于对数据的理解,大众理解可能就是一些数字,但是一个人的日常行为包括购物,饮食,足迹,都是数据,总结来说,不管是数字还是行为习惯,凡是能反映信息的都是数据;这是在第一关中对于数据概念的阐述。
R是对数据加工的一个工具,包括分析,可视化等。我们回归到本质,这些数据在R中是如何储存、读取、运用的?这真是我们本关所要讨论学习的。①数据结构②数据的输入
一、数据结构
R拥有的多种用于存储数据的对象类型,包括:标量、向量(concatenate)、矩阵(matrix)、数组(array)、数据框(data. frame)、列表(list),数据以这几种类型被存储起来。
注:R中没有标量,标量只是以单元素向量的形式出现。
① 标量
标量是只含有一个元素的向量,例如
> a<-3
> a
[1] 3
> b<-"welcome to R"
> b
[1] "welcome to R"
> c<-TRUE
> c
[1] TRUE
② 向量c()
向量是可以存储数值型、字符型或逻辑型数据的一维数组,单个向量中的数据必须拥有相同的数据类型。
> a1<-c(12,23,33,43)
> a1
[1] 12 23 33 43
> mode(a1)#数值型
[1] "numeric"
> a2<-c("hello","hi","a")
> a2
[1] "hello" "hi" "a"
> mode(a2)#字符型
[1] "character"
> a3<-c(TRUE,FALSE,FALSE)
> a3
[1] TRUE FALSE FALSE
> mode(a3)#逻辑型
[1] "logical"
③ 矩阵matrix()
函数matrix(vector,nrow,ncol,byrow,dimnames=list(rnames,cnames))
矩阵是二维的,和向量类似,矩阵中也仅能包含一种数据类型。
> matrix(1:20,nrow=4,ncol=5)
[,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
矩阵中默认按列填充,byrow=FALSE(如上,一般不写),手动设置元素按行填充命令:byrow=TRUE
> matrix(1:20,nrow=4,ncol=5,byrow=TRUE)
[,1] [,2] [,3] [,4] [,5]
[1,] 1 2 3 4 5
[2,] 6 7 8 9 10
[3,] 11 12 13 14 15
[4,] 16 17 18 19 20
我们对矩阵的行列进行手动命名:
> t<-c(1,3,5,7,8,9,4,6,2,3,9,0,4,3,2,5)
> rnames<-c("A1","A2","A3","A4")
> cnames<-c("B1","B2","B3","B4")
> u<-matrix(t,4,4,byrow=TRUE,dimnames=list(rnames,cnames))
> u
B1 B2 B3 B4
A1 1 3 5 7
A2 8 9 4 6
A3 2 3 9 0
A4 4 3 2 5
注:向量是一维的,矩阵是二维的,向量和矩阵中的元素只能是一种数据类型。
④ 数组array()
函数array(vector,dimensions,dimnames),vector是数组中的元素,dimensions是一个数值型向量,规定各个维度下标的最大值。
> q<-array(1:24,c(2,3,4),dimnames=list(c("A1","A2"),c("B1","B2","B3"),c("C1","C2","C3","C4")))#c(2,3,4),在空间坐标系里面可以理解为:x坐标是2,y坐标是3,z坐标是4
> q
, , 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 2
对于向量、矩阵、数组的理解为笛卡尔坐标系,一维,二维,三维。且和向量矩阵一样,数组中的数据也只能拥有一种数据类型。
⑤ 数据框data.frame()
数据框中不同的列可以包含不同类型的数据(数值型,字符型,逻辑型等),同一列要求具有相同类型的数据。
直接调用了R安装自带的一个数据文件,数据框的格式如下。
> mtcars
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
⑥ 列表list()
列表是一些对象的有序集合,允许你整合若干对象到单个对象名下。一个列表中可能是若干向量、举证、数据框的组合。
函数list()创建列表。
二、数据的输入
第一部分我们了解数据在R中存储的结构,第二部分我们学习如何将数据导入R中,包括:
①:键盘输入数据
R中的函数edit()会自动调用一个允许手动输入数据的文本编辑器。
例如:
> firstdata<-data.frame(dose=numeric(0),drugA=numeric(0),drugB=numeric(0))
> mydata<-edit(firstdata)
注:(1)创建一个空数据框(或矩阵),其中变量名和变量的模式需与理想中的最终数据一致。
(2)调用文本编辑器,输入数据。
②:导入txt文件
我一般喜欢将需要导入的文件直接放在工作目录里面(工作目录不要出现汉字)
> #查找当前工作目录
> getwd()
[1] "C:/Users/徐涛/Documents"
> #改变工作目录
> setwd("E:/Data For R/RData")
> #查找当前工作目录
> getwd()
[1] "E:/Data For R/RData"
> a<-read.table("income.txt")
> a
V1 V2 V3
1 t x y
2 1990 2822 2937
3 1991 2990 3149
4 1992 3297 3483
5 1993 4225 4349
6 1994 5127 5218
7 1995 6038 6242
8 1996 6910 7408
9 1997 8234 8651
10 1998 9363 9876
11 1999 10683 11444
12 2000 12582 13395
13 2001 15301 16386
③:导入excel数据
> install.packages("xlsx")
--- 在此連線階段时请选用CRAN的鏡子 ---
还安装相依关系‘rJava’, ‘xlsxjars’
试开URL’https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/windows/contrib/3.3/rJava_0.9-8.zip'
Content type 'application/zip' length 713967 bytes (697 KB)
downloaded 697 KB
试开URL’https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/windows/contrib/3.3/xlsxjars_0.6.1.zip'
Content type 'application/zip' length 9485184 bytes (9.0 MB)
downloaded 9.0 MB
试开URL’https://mirrors.tuna.tsinghua.edu.cn/CRAN/bin/windows/contrib/3.3/xlsx_0.5.7.zip'
Content type 'application/zip' length 401439 bytes (392 KB)
downloaded 392 KB
程序包‘rJava’打开成功,MD5和检查也通过
程序包‘xlsxjars’打开成功,MD5和检查也通过
程序包‘xlsx’打开成功,MD5和检查也通过
下载的二进制程序包在
C:\Windows\Temp\Rtmp8G83Je\downloaded_packages里
>library(xlsx)
>y<-read.xlsx(income,1)
一句话送给大家:很多时候方向比努力更重要,一个正确的学习方法+一个明确的方向会让事情或者学习事半功倍。