tags: R 入门 iMooc 数据类型 函数
这是在 imooc 慕课网上听课做的一点内容。目前看来十分没有逻辑。感觉上和matlab挺像，但是一些数据类型还是没有什么概念。
1. 数据类型
查看数据x类型：class(x)
字符（character）, 它们常常被引号包围
逻辑类型（logic），TRUE，FALSE和NA，全部大写
复数（complex），1+2i
数值型（numeric），可以是整数或者小鼠
整数（integer），在数字后面加上大写的L
列表（list） S 对象的向量
因子（factor） 常用于标记样本
1.1逻辑向量
>, <, >=, <=,
不等：！=
相等：==
交集（and）：&
并集（or）：|
1.2 字符型
字符向量也可以用c()拼接
1.3 产生序列
- rep(a, times = value)，重排。
- seq(from = value, to = value, by = value, length = value). 例如，seq(1,10,2)，从1开始，步长为2，到10，结果是[1,3,5,7,9]
2. 数据结构
2.1 向量
2.1.1 产生向量
函数vector有两个参数：类型(mode)和长度(length)，创建的向量中元素值取决于参数所指定的数据类型：数值型向量则元素值都为0，逻辑型都为FALSE，字符型都为""。以下三个函数有几乎相同的效果（创建一个向量）并且只有一个参数即长度：numeric()，logical()，和character()。
-
vector(mode = 'character', length = 5)产生一个字符类型的空向量。 -
x1 <- 1:4产生int向量，[1 2 3 4 ] -
x2 <- c(1,2,3,4)产生num向量 [1 2 3 4] -
x2 <- c(TRUE,1,'3','a')产生char向量 ['TRUE','1','3','a'] -
as.character(x)强制转换类型 -
names(x) <- c('name1','name2','name3')添加数据标签
2.2 矩阵
- 向量+维度
- 先row，再col
-
attribute(x)查看属性
2.2.1 产生矩阵
用matrix来创建：matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)
选项byrow表示数据给出的值是要按列填充（缺省值）还是按行填充
（如果为TRUE）。可以通过选项dimnames给行列命名。
e = c(1:6)
f = matrix(e,2,3,byrow=TRUE)
f
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
另一种创建矩阵的方法是给维数适当的赋值，这种方法也能改变已有矩阵的维度
> dim(e)
NULL
> dim(e) <- c(2,3)
> e
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
> dim(e) <- c(3,2)
> e
[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
2.2.2 矩阵拼接
-
rbind(x,x1)row拼接（纵向） -
cbind(x,x1)col拼接（横向）
2.2.3 矩阵维度的命名
> dimnames(e) <- list(c('1','2','3'), c('a','b'))
> e
a b
1 1 4
2 2 5
3 3 6
2.3 数组
维度可以到达多维（三维及以上）的矩阵，R中的矩阵只能有2维
创建方法是 x <- array(1:24, dim = c(2,3,4))
2.4 列表（list）
可以包含不同类型的对象，通过双重方括号或者名词来访问
l <- list('a', 2.4, TRUE, 4L, -2)
l <- list(x1 = 'a', x2 = 2.4, x3 = TRUE, x4 = 4L, x5 = -2) # 可以命名,通过l[[2]]或l[['x2']]访问
l <- list(c(1,2,3),c(2,4,5))
2.5 因子
- 处理分类变量。包括顺序变量和命名变量。通过在factor函数中添加参数 order = TRUE来构造顺序变量。
- 整数变量+标签（优于整数变量）。常用于线性模型
一个因子不仅包括分类变量本身，还包括变量不同的可能水平（即使它们在数据中不出现）。因子函数factor用下面的选项创建一个因子：
x <- factor(c('male','male','male','female','female'))
x
[1] male male male female female
Levels: female male
y <- factor(c('male','male','male','female','female'), levels = c('male','female') )
y
[1] male male male female female
Levels: male female # 和x相比，顺序不同。依次编号
factor(x, levels = sort(unique(x), na.last = TRUE), labels = levels, exclude = NA, ordered = is.ordered(x))`
levels 用来指定因子可能的水平（缺省值是向量x中互异的值）；labels用来指定水平的名字；exclude表示从向量x中剔除的水平值；ordered是一个逻辑型选项用来指定因子的水平是否有次序。回想数值型或字符型
对因子进行整体性了解，可以使用table(x)查看因子不同水平的数量。还可以去掉因子的属性levels，使用unclass(x)，会变成一个integer的向量。
2.6 缺失值
- NA/NaN, NaN 属于NA，NA不属于NaN
- NaN一般用于数字缺失值，但是NA更广。同时NA有类型属性，如字符型整数型
- 用
is.na()和is.nan()判断是否是缺失值
2.7 数据框 data frame
储存表格数据。
可以视为各个元素长度相同的列表
- 每个元素代表1列数据（竖着的1列）
- 每个元素的长度代表行数
- 元素类型可以不同
2.7.1 输入数据框
t <- data.frame(第一列，第二列，...，row.names = ，)
> t <- data.frame(id = c(1,2,3,4),grade = c(70,77,89,90))
> t
id grade
1 1 70
2 2 77
3 3 89
4 4 90
- nrow和ncol可以分辨查看行和列数
- 和矩阵的差别在于，每一列类型可以不同
- 可以用data.matrix()转化为矩阵
2.8 日期和时间（未完待续）
date()，
用as.date()可以把2016-07-20储存为date格式。用weekdays()、montths()、quarters()能分别告诉我们哪一天哪一月哪一季度，julian()
如何选出数据集中的某一个？
如果知道名称name，可以用$name来选出
例如
> x<- data.frame(v1 = 1:3,v2 = c('a','b','c'))
> x
v1 v2
1 1 a
2 2 b
3 3 c
> x$v1
[1] 1 2 3
> x$v1>2
[1] FALSE FALSE TRUE
> x[x$v1>1,]
v1 v2
2 2 b
3 3 c
> x[which(x$v1>1),]
v1 v2
2 2 b
3 3 c
3. apply函数
apply系列函数的基本作用是对数组（array，可以是多维）或者列表（list）按照元素或元素构成的子集合进行迭代，并将当前元素或子集合作为参数调用某个指定函数。vector是一维的array，dataframe可以看作特殊的list。
这些函数间的关系
| 作用目标 | 在每个元素上应用 | 在子集合上应用 |
|---|---|---|
| array | apply | tapply |
| list | lapply(...) | by |
其中lapply(...)包括一系列函数
lapply
|
| -> 简化版: sapply
| | -> 可设置返回值模板: vapply
| | -> 多变量版: mapply
|
| -> 递归版: rapply
另外vector比较奇怪，vector是一维的array，但是却不全是和array使用相同的函数。在按元素迭代的情况下，使用和list一样的lapply函数；而在按子集合迭代的情况下，tapply和by都能用，只是返回值形式不同。
apply沿着某一维度进行处理
apply(array, margin, FUN, ...)
在array上，沿margin方向，依次调用FUN。返回值为vector。margin表示数组引用的第几维下标（即array[index1, index2, ...]中的第几个index），1对应为1表示行，2表示列，c(1,2)表示行列。例如 apply(x,2,sum)对列求和。
lapply 循环处理列表中的每一个元素
lapply（列表，函数/函数名，其他参数）
sapply 和lapply一样，只是化简了结果，能用向量就用向量，能用矩阵就用矩阵。
mapply lapply的多元版本
mapply（函数，数据，参数）以下两句效果是一样的
list(rep(1,4),rep(2,3),rep(4,2),rep(4,1))
mapply(rep,1:4,4:1)
tapply对向量子集进行操作
tapply（向量，因子/因子列表，函数）
tapply(array, indices, margin, FUN=NULL, ...)
按indices中的值分组，把相同值对应下标的array中的元素形成一个集合，应用到FUN。类似于group by indices的操作。如果FUN返回的是一个值，tapply返回vector；若FUN返回多个值，tapply返回list。vector或list的长度和indices中不同值的个数相等。
当FUN为NULL的时候，返回一个长度和array中元素个数相等的vector，指示分组的结果，vector中相等的元素所对应的下标属于同一组。例如，返回c(1, 2, 1, 3, 2), 表示根据传入的indices，第1、3个元素作为一组，第2、5个元素作为一组，第4个元素作为一组。
例如
x <- c(1:4,2:5,3:6)
f <- gl(3, 4) #产生因子水平（分组），三个因子每因子5个
tapply(x,f,mean)
3.2排序
sort
order 给出排序后的下标，多个标准
x <- data.frame(v1 = 1:5, v2= 2:6, v3 = 3:7)
x[order(x$v1, x$v2),]
3.3总结数据信息
head
tail
summary
str
table
sum
any
all
xtabs 交叉表
