5. 数据结构
5.1 数据结构简介
（1）向量
一个向量的所有元素必须有相同的类型（模式）
（2）列表
列表可以非同质的
列表可按位置索引：lst[[2]]
抽取子列表：lst[c(2,5)]
列表可以有名称：lst[[“Moe”]]或者lst$Moe
列表类似于字典、散列表等
（3）模式：实体类型
> mode(3.1415)
R中每个对象都有一个模式，表明该对象如何存储在存储器中：
对象 |
例子 |
模式 |
Number |
3.14 |
numeric |
Vector of numbers |
c(2.7, 3.14) |
numeric |
Character string |
“Moe” |
character |
Vector of Character string |
c(“Moe”, “Larry”) |
character |
Factor |
factor(c(“NY”,”CA”,”IL”)) |
numeric |
List |
list(“Moe”,”Larry”) |
list |
Data frame |
data.frame(x=1:3, y=c(“NY”,”CA”,”IL”)) |
list |
Function |
function |
（4）类：抽象类型
> d <—as.Date(“2010-03-10”)
> class(d) //结果是“Date”
R中每个对象有一个定义它们抽象类型的类（class）
（5）纯量（常量）
又叫做拥有唯一元素的向量
（6）矩阵
R中矩阵只是有维数的向量
向量的维数，初始值为NULL
> A <—1:6
> dim(A)<— c(2,3) //成为2*3的矩阵
（7）数组（array）
矩阵只是二维的向量，数组可以是多维的向量
（8）因子（factor）
R记录向量中的唯一值，每一个唯一值称为相关联因子的水平，参照5.5
因子两个关键应用：分类变量、分组
（9）数据框
旨在模拟数据集，与SAS或SPSS中数据集
5.2 对向量添加数据
> v <—c(1,2,3)
> v <—c(v, 4) //把4加入原向量为：1,2,3,4
> w <—c(5,6,7,8)
> v <—c(v,w) //将v和w合并
5.3 在向量中插入数据
> append(vec,newvalues, after=n) //在vec中的第n个元素后面插入newvalues
5.4 理解循环规则
当较短的向量处理完所有元素，而较长的向量仍有未处理元素，较短向量返回到开始位置循环各元素
5.5 构建因子
因子由各分类变量组成，每个分类变量的可能值称为一个水平
> f <—factor(v)
5.6 创建列表
> lst <—list(0.5,0.8,0.3)
> lst <—list(mid=0.5, right=0.8, left=0.3)
> lst[[2]]
>lst[[“mid”]] 或lst[“mid”] 或lst$mid
5.7 从列表中移除元素
> lst[[“mid”]]<— NULL //移除mid元素
5.8 将列表转换为向量
> v <—unlist(lst)
5.9 从列表中移除取值为NULL的元素
> lst[sapply(lst,is.null)] <— NULL
5.10 使用条件来移除列表元素
> lst[lst< 0] <— NULL //移除小于0的元素
>lst[is.na(lst)] <— NULL //移除值为NA的元素
> lst[abs(unlist(lst))< 1]
5.11 矩阵初始化
> mat <—matrix(vec, 2, 3) //从vec数据生成一个2*3的矩阵
> dim(vec)<— c(2,3) //方法2
5.12 矩阵运算
> t(A) //矩阵A的转置
> solve(A) //矩阵A的求逆
> A %*% B //矩阵A*B
> diag(n) //生成一个n阶对角单位矩阵
5.13 将描述性名称赋给矩阵的行和列
> rownames(mat)<— c(“rowname_1”, “rowname_2”, …, “rowname_n”)
> colnames(mat)<— c(“colname_1”, “colname_2”, …, “colname_n”)
5.14 从矩阵中选定一行或一列
> vec <—mat[1,] //结果是一个向量
> vec <—mat[,2 ,drop=FALSE] //结果是一个矩阵
5.15 用列数据初始化数据框
> dfrm <—data.frame(v1, v2, v3, f1, f2) //用向量和因子初始化数据框
> lst <—list(v1, v2, v3)
> dfrm <—as.data.frame(lst) //方法2
5.16 用行数据初始化数据框
当每行的数据是由数字、字符等不同模式数据混合时，不能用向量存储数据。一般将每一行存储在一个单行数据框中，然后组成一个列表，调用函数rbind和do.call把多行结合成一个大数据框。
> obs <—list(data.frame(vc1=1, f1=0), data.frame(vc1=2, f1=1))
> dfrm <—rbind(obs[[1]], obs[[2]]) //将前两行组成一个数据框
> dfrm <—do.call(rbind, obs) //将所有行组成一个数据框
当obs不是数据框的列表，而是列表的列表，先调用Map函数将行数据转换成数据框数据，然后再用do.call
> dfrm <—do.call(rbind, Map(as.data.frame, obs))
5.17 添加行至数据框
新行得是单行数据框模式的。
> suburbs<— rbind(suburbs,
+ data.frame(city=”Nanjing”,county=”Kane”, pop=5421)
+ data.frame(city=”Beijing”,county=”Jane”, pop=5552)) //同时加两行
5.18 预分配数据框
当数据量很大时候，逐个添加新行构建数据框时，R的内存管理器会不良运转。如果知道必须的行数，可以预先分配空间。
> N <—100000
> dfrm <—data.frame(colname1=numeric(N), colname2=character(N), …)
5.19选中数据框的列
> dfrm[[n]] //返回第n列，一个向量
> dfrm[n] //返回一个数据框，里面只有第n列
>dfrm[c(n1,n2,n4)] //
> dfrm[,n] //返回一个向量
>dfrm[,c(n1,n3)] //
> dfrm[[“name”]] > dfrm$name //返回列名为name的列
> subset(dfrm,select=c(colname1, colname2)) //按列名选取列
>subset(dfrm, select=c(colname1, colname2), subset=(colname1>0)) //满足条件的行，以及只要两列
5.20 修改数据框的列名
> colnames(dfrm)<— c(“before”, “treatment”, “after”)
5.21 编辑数据框
> temp <—edit(dfrm)
> dfrm <—temp //将修改后的数据框存为temp
> fix(dfrm) //直接修改后覆盖原数据框
5.22 从数据框中移除包含NA的行
> clean_dfrm<— na.omit(dfrm)
5.23 从数据框中移除列
> subset(dfrm,select = -colname2)
5.24 合并两个数据框
当两个数据框的列不一致时，合并是横向的，用cbind：
> all.cols <—cbind(dfrm1, dfrm2) //横向列合并
当两个数据框的列一致时，合并是纵向的，用rbind：
> all.rows <—rbind(dfrm1, dfrm2) //纵向行合并
根据共有列合并数据框，类似SQL的join，用merge：
> m <—merge(dfrm1, dfrm2, by=”name”)
5.25 更便捷地访问数据框内容
当用数据框中的列时，本来需要dfrm$colname1，可以用如下命令省去dfrm：
> with(dfrm,expr) //当前表达式expr中可以直接用colname1
>attach(dfrm) //下面的表达式中都可以用colname1
5.26 基本数据类型间的转换
>as.character(x) //字符型
>as.complex(x) //复数型
>as.numeric(x) or as.double(x)
>as.integer(x)
>as.logical(x)
5.27 不同结构化数据类型间的转换
有些转换是不可行的，要注意。
>as.data.frame(x)
> as.list(x)
>as.matrix(x)
> as.vector(x)