R语言学习(四)——对数据进行操作

• 判断变量的属性

is.character(x)
#判断是否为字符型
is.numeric(x)
#判断是否为数值型
is.vector(x)
#判断是否为一个向量
is.matrix(x)
#判断是否为一个矩阵
is.array(x)
#判断是否为一个数组
is.data.frame(x)
#判断是否为一个数据框

• 类的转换

as.numeric()
#转换为数值型
as.logical()
#转换为逻辑型
as.charactor()
#转换为字符串
as.matrix()
#转换为矩阵
as.data.frame()
#转换为数据框
as.factor()
#转换为因子

• 创建一个向量

#字符型：
character<-c("China", "UK", "USA", "France", "Russia")
#数值型：
numeric<-c(1, 3, 6, 7, 3, 8, 6, 4)
#逻辑型：
logical<-c(T, F, T, F, T, F, F, T)

生成向量的函数

c(),rep(),seq(),”:”

c()

> x<-c(1,2,3,4)
> x
[1] 1 2 3 4

rep()

rep(x, times = )
#参数：
x
一个向量或因子
times
重复次数

> x<-rep(1,times=3)
> x
[1] 1 1 1

seq()

> x<-seq(from=3, to=21, by=3 )
> x
[1]
3
6
9 12 15 18 21

“:”

> x<-1:10
> x
[1]
1
2
3
4
5
6
7
8
9 10
> x<-10:1
> x
[1] 10
9
8
7
6
5
4
3
2
1

通过与向量的组合，可以产生更为复杂的向量。
如：

> x<-rep(1:2,c(10,15))
> x
[1] 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

• 创建一个矩阵

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

> x <- matrix(1:20,nrow=5,ncol=4,byrow=T)
> x
[,1] [,2] [,3] [,4]
[1,] 1 2 3 4
[2,] 5 6 7 8
[3,] 9 10 11 12
[4,] 13 14 15 16
[5,] 17 18 19 20
> is.matrix(x)
[1] TRUE
> dim(x) #查看或设置数组的维度向量
[1] 5 4
注意：此时不可以再向dim(x)赋值，如：dim(x) <- c(6,4) ，会有如下报错：
Error in dim(x) <- c(4, 4) : dims [product 16] 因为与对象长度[20]不匹配
但是，可以这样使用：
> x <- 1:20
> dim(x) <- c(5,4)
> x
[,1] [,2] [,3] [,4]
[1,] 1 6 11 16
[2,] 2 7 12 17
[3,] 3 8 13 18
[4,] 4 9 14 19
[5,] 5 10 15 20
> attributes(x)
#使用attributes()函数将返回一个列表，其中的第一个元素是dim，dim中包含向量(5,4)
$`dim`
[1] 5 4

提取对角线元素

> diag(x)

将一个矩阵变成上三角矩阵

> x[lower.tri(y)]<-NA

将一个矩阵变成下三角矩阵

> x[upper.tri(y)]<-NA

将矩阵转换为数据框

as.data.frame(x)

• 创建一个列表

列表是可以包含多种类型的对象的向量。

> x<-list(1,"A",FALSE,5+6i)
> x
[[1]]
[1] 1
[[2]]
[1] "A"
[[3]]
[1] FALSE
[[4]]
[1] 5+6i
#列表还可以这样访问
> x[1]
[[1]]
[1] 1
> x[2]
[[1]]
[1] "A"
> x[3]
[[1]]
[1] FALSE
> x[4]
[[1]]
[1] 5+6i

• 创建一个数组

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

> x<-array(2:6,c(2,4))
#生成一个数值在2到6之间的数组，这个数组为两行四列
> x
[,1] [,2] [,3] [,4]
[1,]
2
4
6
3
[2,]
3
5
2
4

• 创建一个数据框

data.frame():

data.frame(..., row.names = NULL, check.rows = FALSE,
check.names = TRUE, fix.empty.names = TRUE,
stringsAsFactors = default.stringsAsFactors())

例如：

> student<-data.frame(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"),Gender=c("M","M","F"),Birthdate=c("1984-12-29","1983-5-6","1986-8-8"))
> student
ID
Name Gender
Birthdate
1 11
Devin
M 1984-12-29
2 12 Edward
M
1983-5-6
3 13
Wenli
F
1986-8-8

利用cbind()和rbind()函数来创建数据框

> x<-1:3
> x
[1] 1 2 3
> y<-10:12
> y
[1] 10 11 12
> cbind(x,y)
x
y
[1,] 1 10
[2,] 2 11
[3,] 3 12
> rbind(x,y)
[,1] [,2] [,3]
x
1
2
3
y
10
11
12

访问数据的前六行

> head(x)

去除某行

> x[-1,]

去除某列

> x[,-1]

查看或设置行名

rownames(x)
rownames(x) <- c(‘a’,’b’,’c’,’d’,’e’)

查看或设置列名

colnames(x)
colnames(x) <- c(‘a’,’b’,’c’,’d’,’e’)

如果一个数据框的每个列都是数值型的，求行的加和

rowSums(x)

• 数据读取

常用read.table() 和reas.csv()

read.table(file, header = FALSE, sep = "", quote = ""'",
dec = ".", numerals = c("allow.loss", "warn.loss", "no.loss"),
row.names, col.names, as.is = !stringsAsFactors,
na.strings = "NA", colClasses = NA, nrows = -1,
skip = 0, check.names = TRUE, fill = !blank.lines.skip,
strip.white = FALSE, blank.lines.skip = TRUE,
comment.char = "#",
allowEscapes = FALSE, flush = FALSE,
stringsAsFactors = default.stringsAsFactors(),
fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)

read.csv(file, header = TRUE, sep = ",", quote = """,
dec = ".", fill = TRUE, comment.char = "", ...)

read.csv(file.choose())
#在文件目录中选择需要的文件

• 数据写入

write.table(x, file = "", append = FALSE, quote = TRUE, sep = " ",
eol = "n", na = "NA", dec = ".", row.names = TRUE,
col.names = TRUE, qmethod = c("escape", "double"),
fileEncoding = "")

write.csv()和write.csv2()用法与write.table()相似

write.csv(data, file = "data.csv")

需要把行名去掉，需要使用row.names = FALSE或者row.names = F

write.csv(data, file = "data.csv", row.names = FALSE)

有时候数据里面存在NA，要去掉NA的，就再加一个na = "“

write.csv(data, file = "data.csv", row.names = FALSE, na = "")

要省略列名的话，需要使用write.table()的col.names = FALSE, sep = ",“

write.table(data, file = “data.csv”, row.names = FALSE, na = “”, col.names = FALSE, sep = ",")

最后

以上就是背后丝袜为你收集整理的R语言学习(四)——对数据进行操作的全部内容，希望文章能够帮你解决R语言学习(四)——对数据进行操作所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。