R語言實戰—02-創建數據集

02-12

2.1 數據集的概念

數據集通常是用數據構成的一個矩形數組，行表示觀測(observation)，列表示變數(variable)。

存儲數據的結構：包括標量、向量、數組、數據框和列表。

R處理的數據類型包括：數值型、字元型、邏輯性(TRUE/FALSE)、複數型(虛數)和

原生型(位元組)。

2.2 數據結構

存儲數據的對象類型，包括標量、向量、矩陣、數組、數據框和列表。

2.2.1 向量

向量是用於存儲數值型、字元型或邏輯型數據的一維數組。函數為：c( )

註：標量是只含一個元素的向量。

[ ]：通過給定元素所處位置的數值。

[x:x]：用於生成一個數值序列。

例：

> a <- c("k", "j", "h", "a", "c", "m")> a[3][1] "h"> a[c(1, 3, 5)][1] "k" "h" "c"> a[2:6][1] "j" "h" "a" "c" "m"

2.2.2 矩陣

矩陣：是一個二位數組，每個元素擁有相同的模式。通過函數matrix( )創建。

一般格式：

myymatrix <- matrix(vector, nrow=number_of_rows, ncol=number_of_columns,
byrow=logical_value, dimnames=list(
char_vector_rownames, char_vector_colnames))

vector包含矩陣的元素。
nrow和ncol指定行和列的維數。
dimnames包含可選的、以字元型向量表示的行名和列名。
byrow表明矩陣應當按行填充(byrow=TRUE)，按列填充(byrow=FALSE)。
x[i,]指矩陣X中的第行；x[,j]指第j行，x[i,j]指第i行第j個元素。

2.2.3 數組

數據(array)，與矩陣類似，維度可以大於2。

一般格式如下：
myarray <- array(vector, dimensions, dimnames)

vector包含數組中數據。
dimensions數值型向量，給出各個維度下標的最大值。
dimnames是可選的、各維度名稱標籤的列表。

2.2.4 數據框

使用函數為：data.frame( )
mydata <- data.frame(col1, col2, col3,...)

coll可為任何類型。
$表示選取一個給定數據框中的某個特定變數。
attach( )可將數據框添加到R的搜索路徑中。
detach( )將數據框從搜索路徑中移除。
with( )賦值僅在此函數的括弧內生效。
<<- 特殊賦值符。
row.name實例標識符選項指定不同的個體。

2.2.5 因子

變數歸結為：名義型、有序型或連續型變數。

名義型變數：沒有順序之分的類別變數。
有序型變數：表示一種順序關係。
連續型變數：表示順序和數量。

類別（名義型）變數和有序類別（有序型）變數在R中稱為因子（factor）。

factor( ):以整數向量的形式存儲類別值。

有序型變數：factor( )，參數ordered=TRUE。

levels=：排序

2.2.6 列表

列表（list）就是一些對象（成分，component）的有序集合。允許整合若干對象到單個對象名下。

格式如下：
mylist <- list(object1, object2, ...)
mylist <- list(name1=object1, name2=object2, ...) 以對象命名

2.3 數據的輸入

R可從下面的文件中導入數據。

2.3.1 使用鍵盤輸入數據

兩種方式：R內置的文本編輯器、直接在代碼嵌入數據。

使用函數edit( )自動調用一個允許手動輸入的文本編輯器。

2.3.2 從帶分隔符的文本文件導入數據

使用read.table( )函數，格式如下：
mydataframe <- read.table(file, options)

file：帶分隔符的ASCII文本文件。
options：控制如何處理數據的選項。

2.3.3 導入Excel數據

格式如下：
read.xlsx(file，n)

file是Excel工作薄的所在路徑；
n則為要導入的工作表序號。

2.3.4 導入XML數據

2.3.5 從網友抓取數據

文字可以使用函數readLines( )，然後使用如grep( )和gsub( )函數來處理。

更多信息和示例，參考網站：Rrogramming with R(R Programming Language | ProgrammingR)

2.3.6 導入SPSS數據

通過foreign包中的函數read.spss( )導入或者

Hmisc包中的spss.get( )函數。

2.3.7 導入SAS數據

2.4數據集的標註

2.4.1變數標籤：將變數標籤作為變數名，然後通過位置下標來訪問這個變數。

2.4.2 值標籤：函數factor( )可為類別變數創建值標籤。

2017年03月10日

作者：壹亮3278（微信號：yiliang3278），移動互聯網產品設計、產品經理，數據分析的學習者。不斷自我迭代，自我升級，希望和知識愛好者共同進步，讓我們用成長去遇見美好的未來！！！

————「自律是成功的基石。」————

----------------------------------------------------------------------------------------------------------

《數據分析學習之路系列》系列

大數據之數據分析精進之路：起跑

大數據之數據分析精進之路：起跑 - 知乎專欄

00-R語言的認識、下載和安裝 - 知乎專欄

01-R語言入門 - 知乎專欄