R語言入門2：數據結構-3

6. 因子（farcor）

在R語言中，因子是用來處理分類數據的，分類數據又可以分為有序和無序。我們可以把因子簡單理解為整數向量+標籤。比如，我們把性別（男，女）分別加上標籤（1和2），那麼1就代表男，2就代表女。

（1）如何創建因子

# 使用factor()函數創建因子> x <-factor(c("female","female","male","male","female"))> x[1] female female male male female #因子的內容Levels: female male #因子包含兩個水平# 創建因子時添加標籤> y<-factor(c("female","female","male","male","female"),levels = c("male","female")) # 使用levels(）添加水平參數> y[1] female female male male female #因子的內容不變Levels: male female # 水平的順序發生了改變

當我們使用R進行統計分析時，可以通過因子指定分析的基線水平，這在統計分析中時非常重要的。

(2)對因子的操作

# 使用table()函數統計因子各水平的個數> table(y)y male female 2 3# 使用unclass()函數去掉因子的水平> unclass(y)[1] 2 2 1 1 2attr(,"levels") [1] "male" "female"

前面我們提高過，可以把因子簡單理解為整數向量+標籤。如果使用uncalss()函數去掉因子的水平後，再查看其屬性，會發生什麼呢？

> class(unclass(y))[1] "integer" #變成了整數型向量

7.缺失值(missing value)

在R中缺失值有兩種表示方式：NaN和NA。NaN一般用來表示數字的缺失，而NA可用來表示多種類型的缺失。因此，NA具有類型屬性，比如integer NA（整數缺失）和character NA（字元缺失）等。

判斷向量中是否含有與缺失值

# 創建一個含有NA類型缺失值的向量> x<- c(1,2,NA,3,NA,5)> is.na(x) # 使用is.na()函數查看是否含有NA[1] FALSE FALSE TRUE FALSE TRUE FALSE> is.nan(x) #使用is.nan()查看是否含有NaN[1] FALSE FALSE FALSE FALSE FALSE FALSE# 創建一個含有NaN和NA類型缺失值的向量> x<- c(1,2,NA,3,NaN,5)> is.na(x) # 使用is.na()函數查看是否含有NA[1] FALSE FALSE TRUE FALSE TRUE FALSE> is.nan(x)[1] FALSE FALSE FALSE FALSE TRUE FALSE #使用is.nan()查看是否含有NaN

以上例子說明，is.na()函數可識別NA和NaN類型的缺失值，而is.nan（）函數只能識別NaN類型的缺失值，而不能識別NA類型的缺失值。這也說明了，NA包含NaN。

8.數據框(data frame)

在R中，數據框是用來存儲表格數據的。我們可以把數據框看做各元素長度相同的列表，每個元素代表一列數據，每個元素的長度代表行數，並且元素的類型可以不同。

(1)數據框的創建

# 使用data.frame()函數創建數據框> def <- data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,FALSE,TRUE,TRUE))> def id name gender1 1 a TRUE2 2 b FALSE3 3 c TRUE4 4 d TRUE

由上面輸出的結果可以看到，我們定義的第一個元素為數據框的第一列，第二個元素時數據框的第二列，第三個元素時數據框的第三類。並且，數據框和矩陣非常相似，所不同的是，矩陣中每一列中元素的類型都是一樣的，而數據框可以不同。

同時，我們還可以把數據框看成列表，數據框的第一列對應於列表的第一個元素，數據框的第二列對應於列表的第二個元素，數據框的第三類對應於列表的第三個元素：

> def2 <- list(id=c(1,2,3,4),name=c("a","b","c","d"),gender=c(TRUE,FALSE,TRUE,TRUE))> def2$id[1] 1 2 3 4$name[1] "a" "b" "c" "d"$gender[1] TRUE FALSE TRUE TRUE

註：本文為我在慕課網課程R語言基礎的學習筆記，使用Markdown寫作。