數據分析第二關之數據結構入門
一、 數據結構是什麼？有什麼作用？
通過如何蓋房子的故事類比了數據分析系統，形象清晰地了解數據結構。
二、數據結構基礎
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。
其中，a為數值型數據，b為字元型數據，c為邏輯型數據。值得注意的是：D向量中包含三種數據，而輸出顯示都歸於字元型數據。
特點：向量只能存儲相同類型的數據，無法混雜不同類型的數據。
而標量是只含有一個元素的向量，如：e <- 5, g <- 『six』。只能用於保存常量。
訪問向量中元素的方法：1）取一個元素
2）取多個不連續元素
3）取多個連續元素
注意：1）向量中元素序號從1開始，與python（list元素從0開始計數）不同。
2）取多個不連續元素時，不能簡單地填寫兩個元素序號（如上[1,3]），應該加上執行組合功能的函數從c()來表示（如上[c(1,3)]）。
2.2 矩陣
矩陣是二維數組，存儲數據類型與向量相同，且同樣一個矩陣有且只能存儲一種數據類型。
1）創建矩陣方法
一般格式如下：
實例如下：
2）取矩陣中元素方法
I）取一個元素
II）取同一行或列中多個元素
III）取同一行或列
2.3 數組
數組維數大於2，儲存數據類型與向量、矩陣相同且同一數組中只有一種數據類型。
1）創建方法：
實例：
2）取值方法與矩陣類似
實例：
2.4 數據框
數據框屬於擴展版的矩陣，增添了不同列可以存儲不同類型的數據，前提是不同列仍是一個向量即同一列數據類型相同。
1) 創建方法:
實例如下：
2） 取值方法
3） 構成列聯表
實例：生成糖尿病類型變數diabetes和病情變數status的列聯表
精簡輸入變數名的方法：I）attach()和detach()聯用，用於鎖定數據框。
該方法適用範圍：分析一個單獨的數據框，並且不太可能有多個同名對象時使用。任何情況下，當心被告知某個對象已被屏蔽（masked）的警告。
II）with()方法
在用with()方法時，花括弧{ }的語句都是針對前面的數據框執行的（如上圖中的patientIDdate）。
該方法的局限性：賦值僅在此函數的括弧內生效。
應對局限性的方法：使用特殊賦值符<<-替代標準賦值符（<-）
2.5 因子
變數分為三種，依次為名義型、有序型和連續型變數。
其中，名義型變數是沒有順序之分的。如糖尿病類型diabetes（Type1、Type2）
有序型變數表示一種順序，並非數量關係。如病情status（Poor、Improved、Excellent）
連續型變數呈現某個範圍內的任意值，並同時表示了順序和數量。如年齡age
名義型變數和有序型變數在R中稱為因子（factor）。
函數factor()以一個整數向量的形式存儲類別值，同時一個由原始值組成的內部向量將映射到這些整數中。
I）對於名義型變數：
diabetes <-c(Type1,Type2,Type1,Type1)
語句diabetes <-factor(diabetes)將此向量存儲為(1,2,1,1),並在內部將其關聯為1=Type1和2=Type2(具體賦值根據字母順序而定)。
II）對於有序型變數，需要為函數factor()指定參數ordered=TRUE：
status <- c(Poor,Improved,Excellent,Poor)
語句status <- factor(status, ordered=TRUE)會將向量編碼為（3,2,1,3），並在內部關聯。
III）對於字元型向量，因子水平默認依字母順序創建，如果對順序不滿意時，可通過levels選項指定變數覆蓋默認排序。如status <- factor(status,ordered=TRUE，levels=c(『Poor』,』Improved』,』Excellent』)，此時關聯關係為1=』Poor』,2=』Improved』,3=』Excellent』。
IV）對於數值型變數，可以用levels和labels參數來編碼成因子。如果男性被編碼成1，女性被編碼成2，語句如下：sex <- factor(sex, levels=c(1,2), labels=c(『Male』,』Female』)，把變數轉換成一個無序因子。
因子使用如下：
2.6 列表
列表是R數據類型中最為複雜的一種，列表就是一些對象（或成分，component）的有序集合。允許你整合若干對象到單個對象名下。如某個列表中可能是若干向量、矩陣、數據框、甚至其他列表的組合。
使用函數list()創建列表：
Mylist <-list(object1,object2,…)
要加名字的話，通過name1=object1
即Mylist <- list(name1=object1,name2=object2,…)
列表如下：
推薦閱讀：