R的数据结构
数据结构
查看数据类型 class(x)
对象的５种基本类型：
字符——character
数值——numeric:real numbers
整数——integer x <- 5L
复数——complex y <- 1+2i
逻辑——logical TRUE/FALSE
属性：
——名称(name)
——维度(dimensions:matrix, array)
——类型(class)
——长度(length)
向量：#Vector
x1 <- vector("character", length=10)
x2 <- 1:4
x3 <- c(1, 2, 3, 4)
x4 <- c(TRUE, "a", 10)
class(x4)
x5 <- c("a", "b", "c")
as.numeric(x5) 类型转换（强制）
as.logical()
as.character()
class(x5)
names(x2) <- c("a", "b", "c", "d")
x2
矩阵 & 数组
#Matrix & Array
矩阵
—— 向量 + 维度属性（整数向量：nrow, ncol）
#Matrix
x <- matrix(1:6, nrow = 3, ncol = 2)
x
#维度
dim(x)
attributes(x)#属性
y1 <- 1:6
dim(y1) <- c(2, 3)
# vector() + dim()
y2 <- matrix(1:6, 2, 3)
rbind(y1, y2)
cbind(y1, y2)
数组
#Array
—— 数组与矩阵类似，但是维度可以大于２，矩阵只能等于２
x <- array(1:24, dim <- c(4, 6))
x
x1 <- array(1:24, dim = c(2,3,4))
x1
最常用的还是向量、矩阵和数据框
列表
#list
—— 可以包含“不同类型“的对象
l <- list("a", 2, 10L, 3+5i, TRUE)
l
class(l)
l2 <- list(a=1, b=2, c=3)
l2
l3 <- list(c(1, 2, 3), c(4, 5, 6, 7))
x <- matrix(1:6, 2, 3)
dimnames(x) <- list(c("a", "b"), c("c", "d", "e"))
因子
#factor
-- 分类数据/ 有序 vs 无序
有序：高中低
无序：男女
-- 整数向量 + 标签
x <- factor(c("female", "female", "male", "male", "female"))
y <- factor(c("female", "female", "male", "male", "female"), levels = c("male", "female"))
table(x)
unclass(x)
unclass(y)
-- 创建因子
factor()
table()/unclass()
缺失值
#missing value
-- NA/NaN:NaN属于NA,NA不属于NaN
NaN一般用来表示数字型缺失值，而NA也能表示其他类型的值
-- NA有类型属性：integer NA,
character NA等
-- 判断是否有NA
-- is.na()/is.nan()
x <- c(1, NaN, 2, NA, 3)
is.na(x)
is.nan(x)
数据框
# data frame
-- 存储表格数据（tabular data）
-- 视为各元素长度相同的列表
`每个元素代表一列数据
`每个元素的长度代表行数
`元素类型可以不同
df <- data.frame(id = c(1,2,3,4), name = c("a", "b","c", "d"), gender = c(TRUE, TRUE, FALSE, FALSE))
日期和时间
# date, time
-- 日期：date
：距离19700101的天数julian(x) / date() / sys.date()
：weekdays() / months() / quarters()
strptime(x, format)
