R语言系列第一期（番外篇 ）：R的6种对象—向量、矩阵、数组、因子、列表、数据框

前文我们讲到R处理数据面对的6种对象：向量，矩阵，数组，因子，列表，数据框。

A. 那我们就得好好给大家介绍一下这位能者的6个对象都长什么样子了。

· 1.向量 ·

向量大体上分为3种，数值向量，字符向量，逻辑向量。（单个向量内元素类型必须一致）

数值向量：

> c(1,2,3,4,5,6,7)

[1] 1 2 3 4 5 6 7

字符向量（字符向量使用单引号和双引号都可以，但是每个对称的引号必须一致）：

> c(‘a’,’b’,’c’,’d’)

[1] “a” “b” “c” “d”

逻辑向量（若想要把true和false写全，输入逻辑字符时就必须全部大写”TRUE”,”FALSE”）：

> c(T,F,T,F,T)

[1]  TRUE  FALSE  TRUE  FALSE  TRUE

生成向量的常用函数有：c()、seq()、rep()

第一个不需要解释了，其实就是 ”concatenate” 的缩写。各个元素之间需要用 ”,” 隔开。

#Tips：c()可以嵌套c()，如果是字符元素不加引号的话，会默认为变量。例：

> c(c(1,2),3,4,5)

[1] 1 2 3 4 5

> a<-c(1,2,3)

> c(a,5,6)

[1] 1 2 3 5 6

seq()函数是建立数字等差序列，其第一个参数是开始值，第二个参数为结束值，第三个参数为步长（不明确的情况下，默认为1，如果步长为1，可以用：代替），如：

> seq(5,11,2)(从5到11，步长是2)

[1]  5  7  9  11

> 12:18

[1] 12 13 14 15 16 17 18

rep()函数是输出重复值，有两个参数，第一个参数是被重复的元素组合，第二个参数是重复次数/对应位置的元素重复次数。例（如果第二个参数是一个值，那么表示前一个参数整体重复的次数，如果是一个向量，那么就代表前面对应的位置的重复次数，大家可以考虑下如果两个参数的元素数量不同的情况会怎么样如：rep(c(1,2,3),c(1,2))）：

> rep(c(1,3,5),3) (重复向量(1,3,5) 3次)

[1] 1 3 5 1 3 5 1 3 5

> rep(seq(1,5,2),1:3) (分别重复1,3,5的次数为1,2,3次    1:3，相当于c(1,2,3) )

[1] 1 3 3 5 5 5

#Tips：在理解这6个对象时，小编推荐这样理解它们，如果每个元素是个点，向量就是一维的线。

· 2.矩阵 ·

矩阵是一个二维的元素向量组，其实就是向量的一个升维版，内部元素也必须一致。换句话说也可以分成三种类型的矩阵。

下面是矩阵的基本使用方法：

matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)

nrow/ncol代表行数/列数，byrow/bycol如果参数的值为TRUE,那么就代表按照行/列填满数据（默认纵向优先），dimname代表每个行和列的表头名（不是标题），dimname必须是list的格式。例：

> mdat <- matrix(c(1,2,3, 11,12,13), nrow = 2, ncol = 3, byrow = TRUE,

+dimnames = list(c(“row1”, “row2”),

+c(“C.1”, “C.2”, “C.3”)))

> mdat

C.1 C.2 C.3

row1   1   2   3

row2  11  12  13

“+”代表内容未结束，接到下一行。

可以按列或者按行分别使用cbind和rbind函数将向量‘粘’在一起。

>a<- cbind(A=1:5,B=6:10,C=15:19)

>a

      A  B  C

[1,] 1  6  15

[2,] 2  7  16

[3,] 3  8  17

[4,] 4  9  18

[5,] 5  10  19

#Tips：这个对象就像多个向量的平行拼接，而且必须是规则的矩形，恩~总的来说就是很方的二维平面。

· 3.数组 ·

数组就像是更高维的矩阵，通常使用dim()函数来创建所需要的维度。内部元素类型需相同。同样的，数组内部元素类型必定是一样的。这里的数组可以很高的维度。

下面是数组的使用方法：

array(data = NA, dim = length(data), dimnames = NULL)

dim参数指定每一个维度的水平数，后面的永远是高维度的水平。比如dim=c(3,2,4)，说明这个数组是个4*2*3的数组，即有4个2*3的矩阵面平行拼接。

例：

>a<-c(1,1,2,1,2,1,1,2,1,2,1,1,2,2,2,2,1,1,2,1,2,2,1,2,1,1,2,2,1,2,2,2,1,2,1,1,2,1,2,2,1,1,1,1,2,1,2,1,2,1,2,1,2,1,2,1,2,1,2,1)

(这是两个30人5列6排的班里的同学性别列表 1是男性，2是女性)

>gname=c(‘class1′,’class2’)

>rname=c(‘r1′,’r2′,’r3′,’r4′,’r5′,’r6’)

>cname=c(‘c1′,’c2′,’c3′,’c4′,’c5’)

>array(a,dim=c(6,5,2),dimnames=list(rname,cname,gname))

, , class1

    c1 c2 c3 c4 c5

r1  1  1  2  2  1

r2  1  2  2  1  1

r3  2  1  2  2  2

r4  1  2  2  2  2

r5  2  1  1  1  1

r6  1  1  1  2  2

, , class2

    c1 c2 c3 c4 c5

r1  2  2  1  2  2

r2  2  1  1  1  1

r3  1  2  2  2  2

r4  2  2  1  1  1

r5  1  1  2  2  2

r6  1  1  1  1  1

#Tips：这个对象就像多个矩阵面的平行拼接，可以看成长方体。

· 4.因子 ·

因子是使用向量创建的R对象，类似统计学中的分类变量，它将向量与向量中元素不同值一起存储成标签，而不论是哪种类型的向量，最后都存储成字符型元素。而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。例：

> pain<-c(0,3,2,2,1,3)

> fpain<-factor(pain,levels=0:3)

> levels(fpain)<-c(‘none’,’mild’,’medium’,’severe’)

> fpain

[1] none   severe  medium  medium  mild   severe

Levels: none mild medium severe

Pain表示6个病人的疼痛水平编码，我们希望把它看成一个分类变量处理，通过factor函数建立因子fpain，levels表示使用0,1,2,3来编码前面的向量，理论上levels可以省略。

· 5.列表 ·

列表是一个大杂烩，她可以把很多不同类型的向量复合在一起。并且，可以允许每个向量的长度不同，比较适合隶属于同一单位的多个属性的结合。

例：张三的老师制作了一个列表，包含姓名，各科成绩和是否通过：

> name<-c(“zhang san”,”san er”)

> score<-c(98,87,79,89,91)

> pass<-TRUE

> mylist<-list(name,score,pass)

> mylist

[[1]]

[1] “zhang san” “san er”  

[[2]]

[1] 98 87 79 89 91

[[3]]

[1] TRUE

另外，单独提取列表中的一个部分，可以利用列表名后的[[1/2/3]]来提取。例如：

> mylist[[2]]

[1] 98 87 79 89 91

要再进一步提取元素可以再加后标 [1/2/3/4/5]

> mylist[[2]][2]

[1] 87

#Tips：由此可见列表可以将长度不同，类型不同的向量拼接在一起，甚至可以嵌套列表。许多R的内置函数计算结果不仅仅是一个向量，因此以列表的形式返回结果。可以理解为二维不规则数据。

· 6.数据框 ·

到最后一个对象了，在其他统计软件包中，数据框被称为“数据矩阵”或“数据集”，他是一系列等长度的向量和/或因子，交叉相关，很适合数据收集的类型。

例：

> d<-data.frame(

+ gender=c(‘Male’,’Female’,’Female’),

+ height=c(171.5,152,165),

+ weight=c(61,56,55),

+ age=c(42,38,26)

+ )

>d

 Gender  height  weight  age

1   Male  171.5     61  42

2 Female  152.0     56  38

3 Female  165.0     55  26

数据框调用单个变量时，可以直接使用变量名如：

> d$age

[1] 42 38 26

#Tips：数据框的感觉就像每一行代表一个单位，每一列代表一项属性，因此每列内部数据类型一致，而列间数据类型可能不同。可以理解为二维规则数据。

B. 下面我们来说一下对对象的操作：

· 1.索引 ·

如果需要向量中一个具体的元素，你可以用以下办法：

> a<-c(1,3,5,7,9)

> a[2]

[1] 3

方括号用来选择数据，也称为索引(indexing)或子集选择(subsetting)。如果希望修改元素值的话，可以采用左侧赋值(比如：> a[2]<-4 来把原来的3覆盖成4 )

展示多个值，可以使用一个向量来索引：

> a[c(1,3,5)]

[1] 1 5 9

#Tips：这个c()是有必要的如果是a[1,3,5]是指定一个三维的阵列(a)中的一个点，而不是3个点。

同时也可以采用负索引，如果想把7和9从a中剔除掉的结果，可以：

> a[c(-4,-5)]

[1] 1 4 5

· 2.条件选择 ·

当然有的时候我们并不知道我们想要的数据在一个向量中的位置，只需要部分满足条件的值，那么可以插入一个关系表达式来完成，选择向量中大于100的值输出：

> b=c(123,132,156,245,54,56,101)

> b[b>100]

[1] 123 132 156 245 101

比较操作符有<(小于)，>(大于)，==(等于)，<=(小于等于)，>=(大于等于)，!=(不等于)。这里需要注意双等号用来判断是否相等，避免与赋值符号”=”混淆，！表示否定。还有几个结合表达式，逻辑运算符&(和)，|(或)，！(非)。如：

> b[b>100 & b<150]

[1] 123 132 101

#Tips：其实，中间还含有一步逻辑判断结果的输出，如在上一个过程中：

> b>100 & b<150

[1]  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE

然后是 b[TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE] 来控制每一个元素是否输出 ##

· 3.数据框的索引 ·

之前我们提到数据框提取向量，使用d$age来提取d中的age变量。还有另一种方法：

> d[ ,4]

[1] 42 38 26

#Tips：4前面的”,”最好保留，尽管在这里有和没有结果是一样的，但是输出的形式不同，而且也方便理解。只有一个数字的索引在数据框中只会提取列数据，不会提取行数据，所以d[3, ]中的”,”省掉和不省结果是不同的。逗号前代表行，逗号后代表列。

同时，前面提到的条件选择在这里也同样适用，提取数据框d中年龄<40的单位。

> d[ d[,4]<40, ]

gender  height  weight  age

2 Female    152     56  38

3 Female    165     55  26

这里，d[,4]<40 返回的值是一个向量，[1] FALSE  TRUE  TRUE，然后这个结果在索引逗号的前面代表行入选结果，第一行剔除，后两行保留。逗号后空白，代表保留所有列。#Tips：在R中如果这种嵌套内容让你产生了困惑，建议分解成细小的步骤，先把内环的东西结果研究明白，循序渐进，这样就会更加容易。

有的时候，数据条目过多，只想显示开头的几行，怎么办呢？

> head(trees)

   Girth Height Volume

1   8.3     70   10.3

2   8.6     65   10.3

3   8.8     63   10.2

4  10.5     72   16.4

5  10.7     81   18.8

6  10.8     83   19.7

#Tips：R本身内置了许多数据集，可以通过data()来展示它们，这里的trees就是其中一个内置的数据集。head()函数默认显示前六行。同理，tail() 函数是显示数据的最后6行。

· 4.数据分组 ·

有的时候我们需要把一个数据集中的不同类型的单位区分开，以R自带的iris(鸢尾花)数据集为例：

> head(iris)

Sepal.Length Sepal.Width Petal.Length Petal.Width  Species

1       5.1      3.5       1.4      0.2   setosa

2       4.9      3.0       1.4      0.2   setosa

3       4.7      3.2       1.3      0.2   setosa 

4       4.6      3.1       1.5      0.2   setosa

5       5.0      3.6       1.4      0.2   setosa

6       5.4      3.9       1.7      0.4   setosa

通过species变量把数据分成三个部分(species有三个取值：setosa, versicolor, virginica)：

> set<-iris[iris$Species==”setosa”, ]

> ver<-iris[iris$Species==”versicolor”, ]

> vir<-iris[iris$Species==”virginica”, ]

或者也可以使用split()函数，他根据分组生成一系列向量(列表)：

> list1<-split(iris,iris$Species)

> list1

#Tips：因为结果都过大，这里不集中展示。

· 5.数据排序 ·

对向量的排序是常见工作，只需要使用sort()函数即可。

> e<-c(7,7,4,2,3,8,2,8,4)

> sort(e)

[1] 2 2 3 4 4 7 7 8 8

有的时候，对单一的向量的排序并不能满足我们的要求，有的时候需要根据一个变量的排序来规划其他变量的顺序。有一个特别抽象的函数order()，首先他展示的是变量的次序(这个函数有点像看病叫号)：

> height<-c(173,180,175,169,171,171,173,168,181,179,170)

> weight<-c(65,70,70,62,60,58,69,73,86,80,71)

> f<-data.frame(height,weight)

> f

height weight

1     173     65

2     180    70

3     175    70

4     169    62

5     171     60

6     171     58

7     173     69

8     168    73

9     181     86

10    179    80

11     170    71

> g<-order(f$height)

> g

 [1]  8  4 11  5  6  1  7  3 10  2  9

> f$weight[g]

[1] 73 62 71 60 58 65 69 70 80 70 86

当然对于多个变量的数据框也可以排序：

> f[g, ]

 height weight

8     168     73

4     169     62

11    170     71

5     171     60

6     171     58

1     173     65

7     173     69

3     175     70

10    179     80

2     180     70

9     181     86

当有需要按照两个变量排序的时候，比如性别，年龄排序，那么就可以> order(sex,age)这样就可以实现先按男女排，后按年龄排序了。

到这里，我们R的对象就介绍完了。这部分的内容是一个基础的部分，可以让你理解R是怎样工作的。之后我们将继续揭开R的神秘面纱，敬请期待吧。