认识数据集的内在

数据集的概念
数据结构的类型
- 1）标量
- 2）向量
- 3）矩阵
- 4）数组
- 5）数据框
- 6）因子
- 7）列表
识别数据集结构的代码
数据的导入
数据的导出

数据的收集这是任何数据分析的第一步。同时，这也是学习R语言过程重要的入门环节。特别是初学过程，更多的是模仿学习。由于不理解数据结构，导致无法正确模仿数据格式并无法正常运行代码。因此，与大家分享R语言的基础内容：数据集概念，数据结构、数据输入及导出。主要讲解相应内容的R包及函数使用，希望大家学习后能解决以下问题：1) 数据集有哪些类型的变量组成；2) 清楚数据集的数据结构；3) 读取各类型文件的数据；4) 成功导出所需要的数据。

数据集的概念

数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。例如，土壤学领域（土壤基本的理化因子）的通常数据情况：当然行列的数据类型也并非固定。

在R中，数据集包括以下两步：1）选择一种数据结构来储存数据；2）将数据输入或导入到这个数据结构中。另外，R主要可处理的数据类型包括数值型、字符型、逻辑型（TRUE or FALSE）、复数型（虚数）和原生型（字节）。

数据结构的类型

R拥有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表。它们在储存数据的类型、创建方式、结构复杂度，及定位和访问其中某元素的方法等均有所差异。接下来一一介绍。

1）标量

与C语言不同，R语言中，单个数据(标量)没有单独的数据类型，它只是向量的一种特例，标量以单元素向量的形式出现。标量是只含一个元素的向量，例如f <- 3、g <- "US"和h <- TRUE。它们用于保存常量。因此，R中最基本的数据类型是向量。

a <-  -5  # 可以是数字1，‘abc’字符，TRUE or FALSE 等

2）向量

向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c（）可用来创建向量。例如：

a <- c(2, 3, 4, 5, 5, -1, -2); a # a属于数值型向量
b <- c("first", "second", "third"); b # b属于字符型向量
c <- c(TRUE, TRUE, TRUE, TRUE, TRUE, FALSE); c # c是逻辑型向量
class(a)
class(b)
class(c)

我们可以使用a[c(2, 4)]访问向量a中的第二个和第四个元素。此外，我们具体看下面例子：

a[c(2,4)]

3）矩阵

矩阵是一个二维数组，只是每个元素都拥有相同的数据类型（同上三种）。可用函数matrix（）创建矩阵。

x <- matrix(1:20, nrow = 4, ncol = 5) #1 创建一个4×5的矩阵
x
class(x)
cells <- c(1, 26, 24, 68)
rnames <- c("R1", "R2")
cnames <- c("C1", "C2")
mymatrix <- matrix(cells, nrow = 2, ncol = 2, byrow = TRUE,dimnames = list(rnames, cnames)) #2 按行填充3×3的矩阵，根据逻辑byrow = TRUE
mymatrix
mymatrix <- matrix(cells, nrow = 2, ncol = 2, byrow = FALSE,dimnames = list(rnames, cnames)) #3 按列填充3×3的矩阵，根据逻辑byrow = FALSE
mymatrix
class(mymatrix)

我们可以使用下标和方括号来选择矩阵中的行、列或元素。x[i, ]指矩阵中x中的第i行，x[i, j]指第i行第j个元素。选择多行或多列时，下标i和j可为数值型向量。For example：

x <- matrix(1:9, nrow = 3) # 构建了一个内容为数字1到9的3×3矩阵 默认下，按行列填充
x # 查看所构建的矩阵
x[3,] # 选择了第三行的元素
x[,3] # 选择了第三列的元素
x[1,3] # 又选择第一行第三列的元素
x[1,c(2,3)] # 最后选择了位于第一行第二、第三的元素

4）数组

数组（array）与矩阵类似，但纬度可以大于2。数组可以用array函数构建，例如：

my_array <- (vector, dimensions, dimnames)

vector包含数组中的数据，dimen.是数值型向量，给出各维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。接下来，构建一个三维（2×3×3）数值型数组：

dim1 <- c("a1", "a1") # 引号内的名称是我随便输入的，都是字符型
dim2 <- c("bb1", "bb2", "bb3")
dim3 <- c("ccc1", "ccc2", "ccc3")
z <- array(1:18, c(2, 3, 3), dimnames = list(dim1, dim2, dim3))
z

5）数据框

由于不同的列包含不同类型的数据，数据框的概念较矩阵来说更一般。通常数据框是R中最常处理的数据结构。数据框可通过函数data.frame（）创建：

mydata <- data.frame (col1,col2,col3) # col1,2,3 等可为任何类型。每一列的名称可以由names函数指定

具体例子：

ID <- c(1, 2, 3, 4)
age <- c(20, 35, 15, 55)
diabetes <- c("T1", "T2", "T3" , "T4")
status <- c("Poor", "Improved", "Excellent", "Improved")
patientdata <- data.frame(ID, age, diabetes, status)
patientdata
#需要注意，每一列数据的类型必须唯一，但可以将多个类型的不同列放到一起组成数据框。

关于选取数据框中的元素的方式有很多种，我们可以使用矩阵中的方括号标记法，也可直接指定列名：

patientdata[1:2] # 选取第一列到第二列的数据
patientdata[c("diabetes","status")] # 选取变量名为d...,s...的数据
patientdata$age # 标记号$是用来选取数据框中的特定age变量#另外，如果想生成变量diabetes和变量status的列联表，可以使用table函数
table(patientdata$diabetes, patientdata$status)

6）因子

类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。例如：

ID <- c(1, 2, 3, 4)
age <- c(25, 35, 15, 55)
diabetes <- c("T1", "T2", "T1", "T1")
status <- c("Poor", "Improved", "Excellent", "Poor")
diabetes <- factor(diabetes) # factor 函数因子用于将向量编码为因子
status <- factor(status, order = TRUE) # order 逻辑标志，用于确定是否应该将级别视为有序的
patientdata <- data.frame(ID, age, diabetes, status) # 构建新的数据集
str(patientdata) # 查看数据集结构 也可以用class 但是这个函数查阅的结果比较简单
summary(patientdata) # summary是一个通用函数，用于生成各种模型拟合函数结果

7）列表

列表（list）是R的数据类型中最为复杂的一种。通常，列表就是一些对象或成分的有序集合。列表允许你整合若干对象到单个对象名下。例如，某个列表中可能包含若干向量、矩阵、数据框，甚至其他列表的组合。可用list（）函数构建列表：

mylist <- list(obj1, obj2,...)
# 也可以为列表中的对象命名
mylist <- list(name1=obj1, name2=obj2,...)

具体例子：

a <- "my list" # 构建列表的title
b <- c(20, 25, 26, 35)
c <- matrix(1:8, nrow=4) # 构建一个矩阵 8个值 4行
d <- c("first", "second", "third")
mylist <- list(title=a, ages=b, c, d) # 构建一个列表， 并用age 命名
mylist # 输出列表内容 包含一个字符串、数值型向量、矩阵及字符型向量

提取数据：

mylist[[2]]
mylist[["ages"]] # 两种方法提取出一样的结果

识别数据集结构的代码

常用用于识别数据集结构的代码如下：

mode(data)
class(data)
str(data)

例子：

这里推荐主要用str()函数，因为该函数不仅仅能够判断数据结构，还可以查看数据集中变量的类型和名称数值等等。

数据的导入

使用R进行数据分析的时候，首先要导入数据。R语言支持的数据类型很多，包括、excel文件，csv文件，txt文件等。很多人初学者甚至还没开始就已经对R语言放弃了，正是倒在了数据导入这一步。下面给大家提供几种常见的数据导入方法。
1）使用键盘手动输入数据
有两种常见的方式：用R内置的文本编辑器和直接在代码中导入数据。首先，利用文本编译器。
R中的函数edit（）自动调用一个手动输入数据的文本编译器。步骤如下：
①创建一个空的数据框/矩阵，其中变量名和变量的类型需与理想中的最终数据集一致；
②针对这个数据对象调用文本编译器，输入数据，并将结果保存回此数据对象。

例子：先创建一个名为data的数据框，含有三个变量：数值型，字符型和数值型。然后使用文本编译器，键入数据，最后保存结果。

data <- data.frame(time=numeric(0), type=character(0), hight=numeric(0)) # 0 表示不定义具体值
data <- edit(data)

通过edit（）函数调用出数据编辑器，如下图

R软件弹出数据编辑器后，我们就可以点击第四列格子进行变量的定义。例如这里点击"var4"后，就会弹出一个编辑器，这里我们就可以对变量的变量名和类型（数值，字符）进行定义。

定义好变量后，可以进行手动输入数据。不过这种方式只适合少量的数据输入，当数据量比较大时，建议使用其他的方式导入数据。此外，可以直接在程序中嵌入数据集，例如：

mydatatxt <- "age gender weight25 m 16630 f 11518 f 120"
mydata <- read.table(header = TRUE,text=mydatatxt)

2）使用函数导入数据（主要以excel文件格式为主）
①导入csv或txt文件，使用基础的read.table（）函数导入数据。另外，也可以使用read.csv（）函数。该函数可以读入一个表格格式的文件并保存为一个数据框。基本的语法表达式：

dat <- read.table(file, header=TRUE, sep="", row.names=1)
dat <- read.csv(file, header=TRUE, sep=",", row.names=1)

主要的参数理解：
file：文件路径（注意：Windows路径要用斜杠 " / " or 双反斜杠 " \ “）。
header：默认为FALSE，即数据框的列名默认系统自带的V1，V2…Vn，为TRUE时第一行作为每列的列名。
sep：分隔符，默认为空格，可以设置为逗号(comma) sep=”,“，分号(semicolon) sep=” ; "及制表符(tab)。
row.names：是可选参数，表示行标识符的变量。当row.names=1时表示第一列作为每一行的行名，当row…=2时，表示第二列，数字表示某一列。特别是，该参数使用的时候，该列中不能存在重复名，否则报错。

具体：

data <- read.table("C:/Program Files/R/R-3.6.1/library/xx.txt", header = T)
data <- read.csv("C:/Program Files/R/R-3.6.1/library/xx.csv", header = T)

②导入excel文件，需要用到R包library(xlsx)，可以直接导入Excel工作表。但是要确保第一次使用前先进行下载和安装。同时也需要xlsxJars和rJava包还有openxlsx包，及一个正常工作的Java安装（http://java.com）。优势：一个文件夹存储多个sheet，数据读取的时候不需要新建多个文件。基本的语法表达式：

mydata <- read.xlsx(file, sheet=n)

主要的参数理解：
file：文件路径（注意：Windows路径要用斜杠 " / " or 双反斜杠 " \ "）。
sheet：n表示xlsx格式下，不同sheet的表格。n=1表示读取第一个sheet，以此类推。特别是，如果漏写n会报错。

具体过程：

library("openxlsx")
data <- read.xlsx("C:/Program Files/R/R-3.6.1/library/xx.xlsx", 1)

数据的导出

通常在分析时候，我们需要用到计算后的结果，需要把计算的结果导出。这里我们常用到的函数有write.table，write.csv来导出txt，csv格式的文件。另外，write.xlsx用来导出xlsx格式的文件。这里，我们选择最基础的write.table的语法表达式进行介绍，剩下的导出方式建议大家用help（）函数进行查阅或 ?函数名进行查阅：

a <- data(mpg) # 将R语言自带的数据集mpg赋值给a
write.table (a, file ="", sep ="", row.names =TRUE, col.names =TRUE, quote =TRUE) # 导出a名下的数据

x：需要导出的数据，这里是指前面赋值过的数据。
file：导出的文件路径。
sep：分隔符，默认为空格（" "），也就是以空格为分割列。
row.names：是否导出行序号，默认为TRUE，也就是导出行序号。
col.names：是否导出列名，默认为TRUE，也就是导出列名。
quote：字符串是否使用引号表示，默认为TRUE，也就是使用引号表示。

例如：将数据框C输出为.csv文件

C <- data(iris)
write.table(C, file="ABC.csv",sep = ",",row.names=FALSE) # 将保存ABC文件在R的工作目录下，当不加sep = " "时，输出的数据会在同一个单元格里，因此要加“,”。

入门必学 | R语言数据集结构的解读指南相关推荐

入门必学 | R语言数值型、字符型及因子型数据之间的差异与转换
字符型.数值型及因子型数据之间的转换数据类型的基本知识不同数据类型之间的差异数值型与字符型或因子型绘图时的差异数值型与因子型和字符型的模型构建时的差异三种数据类型之间进行转换常用的三 ...
入门必学 | R语言数据的独立性，正态性及方差齐性检验
参数分析的三大前提检验检验数据独立性的方法 Chisq检验 Fisher检验 Cochran-Mantel-Haenszel检验检验数据正态性的方法 shapiro.test函数 qqnorm函数 ...
【笔记-java】java工程师-入门必学
路径目录子目录重点课程名备注 java工程师入门必学语法基础环境搭建.开发工具使用.基础语法 java入门第一季面向对象继承.封装.多态 java入门第二季常用工具类异常.字符 ...
[新手必备]Python 基础入门必学知识点笔记
Python 作为近几年越来越流行的语言,吸引了大量的学员开始学习,为了方便新手小白在学习过程中,更加快捷方便的查漏补缺.根据网上各种乱七八糟的资料以及实验楼的 Python 基础内容整理了一份极度适 ...
编程行业高手级别必学C语言，要挣大钱必学C语言，要做黑客、红客必学C语言，要面试名企、外企、高薪职位必学C语言。
于大部分程序员, C语言是学习编程的第一门语言,很少有不了解C的程序员. C语言除了能让你了解编程的相关概念,带你走进编程的大门,还能让你明白程序的运行原理,比如,计算机的各个部件是如何交互的, ...
R语言︱数据集分组、筛选(plit – apply – combine模式、dplyr、data.table)
R语言︱数据集分组大型数据集通常是高度结构化的,结构使得我们可以按不同的方式分组,有时候我们需要关注单个组的数据片断,有时需要聚合不同组内的信息,并相互比较. 一.日期分组 1.关于时间的包都有很多 ...
zbrush常用笔刷_【建模】新手入门必学，ZBrush中常用笔刷简介！
原标题:[建模]新手入门必学,ZBrush中常用笔刷简介! 单击左托盘的笔刷图标,弹出一个笔刷库,其中有许多常用笔刷,这也是许多初学者所头疼的问题,zbrush的笔刷非常多,而且功能很强大,好多朋友不 ...
“跟着菜鸟一起学R语言” 现已更名为“数据志”
大家好,我的公众号"跟着菜鸟一起学R语言" 现已更名为"数据志",欢迎大家关注,谢谢.
ue4导入倾斜摄影_倾斜摄影入门必学｜Context Capture建模软件工作流程
对于一个典型的倾斜摄影入门必学|Context Capture建模软件工作流程www.swqy3d.com 来讲,分为了如下几步:1 新建项目后导入照片.POS.点云等数据.①导入照片 ②当你新建 ...
r语言中矩阵QR分解_从零开始学R语言Day4|向量、矩阵和数组
从零开始学R语言Day4|向量.矩阵和数组 1.1向量 1.1.1向量在Day2中我们提及过用和c()函数来构建向量,具体实例如下. 我们还可以采用vector("类型",长度) ...

入门必学 | R语言数据集结构的解读指南