R语言(一)
向量运算
R的强大功能之一就是把整个数据向量作为一个单一对象来处理。一个数据向量仅是数字的排列,一个向量可以通过如下方式构造
weight<-c(2,34,434,53) weight [1] 2 34 434 53
结构c(……)用来构造向量。这既不是R中输入向量的唯一方法,也不是一般首选的方法。
如果要对上述变量做数学运算,则是逐个元素的方式进行。
作图
plot(height,weight,pch=2)
关键字pch(绘图符号)改变绘图符号
函数lines将通过一条直线将(x,y)值增加到现有的图中
生成向量的函数
这里介绍3个函数:c、seq和rep,用于不同情形下向量的创建。
第一个函数c,它是“concatenate”(连接)的简写,含义是把各分项首尾连接
另外也有可能给某些元素命名。这改变了变量输出的方式,这样做通常是出于显示的目的。
> x<-c(red="Huey",blue="Dewey",green="Louie") > x red blue green "Huey" "Dewey" "Louie"
名称可以被提取或使用names设置
> names(x) [1] "red" "blue" "green"
一个向量的所有元素类型都相同。如果你连接不同类型的向量,它们将被转化为最少“限制”的类型:
> c(FALSE,3) [1] 0 3 > c(pi,"abc") [1] "3.14159265358979" "abc" > c(FALSE,"abc") [1] "FALSE" "abc"
也就是说,逻辑值被转换为0/1或“False”/”True”,数字转换为它们的输出形式的字符串。
第二个函数seq(“sequence”),用来建立数字等差序列,如
> seq(4,9) [1] 4 5 6 7 8 9
如果希望间距是2,
> seq(4,10,2) [1] 4 6 8 10
第三个函数rep(“replicate”),用来产生重复值。使用时有两个参数,依赖于第二个参数是一个向量还是一个数字,产生的结果会有不同
> oops<-c(7,9,13) > rep(oops,3) [1] 7 9 13 7 9 13 7 9 13 > rep(oops,1:3) [1] 7 9 9 13 13 13
第一个rep哈桑农户对整个向量oops重复三次。第二次调用用一个有3个值(1,2,3)的向量代替数字3;这些值相应于oops向量的每一个元素,意味着7重复1次,9重复2次,13重复3次。
矩阵和数组
矩阵就是一个二维数值数组。
> x<-1:12 > dim(x)<-c(3,4) > x [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12
创建矩阵的一个方便的方法是使用matrix函数:
matrix(1:12,nrow=3,byrow=T) [,1] [,2] [,3] [,4] [1,] 1 2 3 4 [2,] 5 6 7 8 [3,] 9 10 11 12
请注意,这里byrow=T将矩阵改变成以按行而不是按列形式填充。
对矩阵进行操作的有用函数包括rownames、colnames、转置函数t
> x<-matrix(1:12,nrow=3,byrow=T) > rownames(x)<-LETTERS[1:3] > x [,1] [,2] [,3] [,4] A 1 2 3 4 B 5 6 7 8 C 9 10 11 12 > t(x) A B C [1,] 1 5 9 [2,] 2 6 10 [3,] 3 7 11 [4,] 4 8 12
特征i向量LETTERS是一个包含大写字母A——Z的内置变量。其他有用的相似变量是分别表示小写字母、月份名称、月份名称缩写的letters、month.name和month.abb
可以按行或者按列分别使用cbind和rbind函数将向量“粘”到一起。
> cbind(A=1:4,B=5:8,C=9:12) A B C [1,] 1 5 9 [2,] 2 6 10 [3,] 3 7 11 [4,] 4 8 12 > rbind(A=1:4,B=5:8,C=9:12) [,1] [,2] [,3] [,4] A 1 2 3 4 B 5 6 7 8 C 9 10 11 12
因子
分类变量在统计数据中是常见的,表明数据的某些细分属性,如社会阶层、主要诊断、肿瘤分期、青春期阶段等。通常它们用数字代码输入。
在R中,这些变量被指定为因子。这种数据结构使得不同的分类类别被赋予有意义的名称成为可能。
对R来说,区分类别编码和取值有直接数字含义的变量是最基本的。
术语说一个因子有一系列水平——比方说4个水平。一个四水平因子包含两项含义:a)1到4之间整数的一个向量b)一个长度为4的包含字符串的特征向量
看一个例子:
> pain<-c(0,3,2,2,1) > fpain<-factor(pain,levels=0:3) > levels(fpain)<-c("none","mild","medium","severe")
第一个命令创建了一个数值向量pain,对5个病人的疼痛水平编码。我们希望把他作为一个分类变量处理,所以我们通过它利用函数factor创建一个因子fpain。它的调用除了pain以外,还跟着另一个参数即levels=0:3,这意味着输入的编码使用了4个值0~3.后者在理论上可以省略,因为R默认使用pain中合理排序的值,但保留它是一个很好的习惯,如下所示。最后一行的作用是将水平名称转换为特定的4个字符串.
> fpain [1] none severe medium medium mild Levels: none mild medium severe > as.numeric(fpain) [1] 1 4 3 3 2 > levels(fpain) [1] "none" "mild" "medium" "severe"
函数as.numeric提取数字编码为1~4,levels提取水平的名称。注意根据数字0~3的原始输入编码不显示了,一个因子的内置表达方式始终是从1开始的数字。
列表
可以通过函数list创建一个列表。
> intake.pre<-c(5260,5470,5640,6180,6390,6515,6805,7515,7515,8230,8770) > intake.post<-c(3910,4220,3885,5160,5645,4680,5265,5975,6790,6900,7335) > mylist<-list(before=intake.pre,after=intake.post) > mylist $before [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770 $after [1] 3910 4220 3885 5160 5645 4680 5265 5975 6790 6900 7335
列表各部分通过list中使用的参数名称来命名。命名的部分可以如下提取:
mylist$before [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770
数据框
数据框被称为“数据矩阵”或“数据集”。它是一系列等长度的向量和/或因子,它们交叉相关,使得同一位置的数据来自同一试验单元(对象、动物等)。除此之外,它具有唯一的一组行名称。
> d<-data.frame(intake.pre,intake.post) > d intake.pre intake.post 1 5260 3910 2 5470 4220 3 5640 3885 4 6180 5160 5 6390 5645 6 6515 4680 7 6805 5265 8 7515 5975 9 7515 6790 10 8230 6900 11 8770 7335
像list一样,组分(单个变量)可以通过$符号获得:
> d$intake.pre [1] 5260 5470 5640 6180 6390 6515 6805 7515 7515 8230 8770
索引
如果需要向量中一个具体的元素
>intake.pre[5] [1] 6390
方括号用来选择数据,也称为索引或子集选择
如果希望一个包含多于一个的数据的子向量,比如序号为3、5、7、可以用一个向量来索引:
> intake.pre[c(3,5,6)] [1] 5640 6390 6515
R的一个巧妙功能是可以使用负索引。可以通过下式得到除了位置为3、5、7之外的所有其他元素
> intake.pre[-c(3,5,6)] [1] 5260 5470 6180 6805 7515 7515 8230 8770
排序
对向量排序,只需使用sort函数即可
> sort(intake.post) [1] 3885 3910 4220 4680 5160 5265 5645 5975 6790 6900 7335
然而,仅对一个单一的向量排序并不总能满足需求。经常需要根据某些其他变量的值对一系列变量排序——如果根据性别和年龄对血压排序。为此目的,有一个结构看上去很抽象,但确实功能强大。首先计算一个变量的次序。
order(intake.post) [1] 3 1 2 6 4 7 5 8 9 10 11
结果是数字1至11(或者其他的向量长度),根据order参数(这里是intake.post)的大小排序。对order结果的解释优点棘手——应该是如下所述:通过将其值依次置于3、1、2、6等对intake.post排序。
o<-order(intake.post) > intake$post[o] [1] 3885 3910 4220 4680 5160 5265 5645 5975 6790 6900 7335