**********************************************************
与导图结合的脚本文件：
创建脚本：文件——新建脚本程序，将以下代码复制粘贴至脚本内，选中右键运行当前或所选代码。
setwd("E:\\R")
#vector#
a<- c(2:6)
a
b<-c(2,3,4,5,6)
b
#matrix#
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))
mymatrix
mymatrix2 <- matrix(cells, nrow=2, ncol=2, byrow=FALSE,
dimnames=list(rnames, cnames))
mymatrix2
#array#
dim1 <- c("A1", "A2")
dim2 <- c("B1", "B2", "B3")
dim3 <- c("C1", "C2", "C3", "C4")
z <- array(1:24, c(2, 3, 4), dimnames=list(dim1, dim2, dim3))
z
#dataframe#
patientID <- c(1, 2, 3, 4)
age <- c(25, 34, 28, 52)
diabetes <- c("Type1", "Type2", "Type1", "Type1")
status <- c("Poor", "Improved", "Excellent", "Poor")
patientdata <- data.frame(patientID, age, diabetes, status)
patientdata
patientdata[1:2]
patientdata[c("diabetes", "status")]
patientdata$age
#生成糖尿病类型diabetes和病情status的列联表#
table(patientdata$diabetes, patientdata$status)
#factor#
diabetes <- c("Type1", "Type2", "Type1", "Type1")
diabetes <- factor(diabetes)
diabetes
diabetes1 <- c("Type1", "Type2", "Type1", "Type1")
diabetes1
status <- c("Poor", "Improved", "Excellent", "Poor")
#按照字母排序定levels#
status <- factor(status, ordered=TRUE)
status
#自定义排序水平#
status <- factor(status, order=TRUE,levels=c("Poor", "Improved", "Excellent"))
sex<-c(1,2,1,3,2)
#性别将被当成类别型变量，标签“Male”和“Female”将替代1和2在结果中输出，而且所有不是1或2的性别变量将被设为缺失值。#
sex <- factor(sex, levels=c(1, 2), labels=c("Male", "Female"))
sex
#列表 list#
g <- "My First List"
h <- c(25, 26, 18, 39)
j <- matrix(1:10, nrow=5)
k <- c("one", "two", "three")
mylist <- list(title=g, ages=h, j, k)
mylist
#变量标签#
names(patientdata)[2] <- "Age at hospitalization (in years)"
patientdata
#值标签#
gender<-c(1,2,1,2)
patientdata <- data.frame(patientID, age, gender,diabetes, status)
patientdata
patientdata$gender <- factor(patientdata$gender,levels = c(1,2),labels = c("male", "female"))
patientdata
**********************************************************
思维导图文字版，可忽略，供检索用，方便快速定位到导图相应位置。
R语言实战
第2章 创建数据集
2.1 数据集的概念
行表示观测，列表示变量
R可以处理的数据类型（模式）包括数值型、字符型、逻辑型（TRUE/FALSE）、复数型（虚数）和原生型（字节）。
2.2 数据结构
2.2.1 向量 c()
用于存储数值型、字符型和逻辑型数据的一维数组。
注意，单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型）。
标量是只含一个元素的向量。
2.2.2 矩阵 matrix()
是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。
myymatrix <- matrix(vector, nrow=number_of_rows, ncol=number_of_columns,
byrow=logical_value, dimnames=list(char_vector_rownames, char_vector_colnames))
vector：矩阵元素
nrow, ncol：行和列的维数
byrow=TERE/FALSE：矩阵按照行/列填充
dimnames：以字符向量表示的行名和列名，可选
2.2.3 数组 array()
与矩阵类似，但是维度大于2
myarray <- array(vector, dimensions, dimnames)
2.2.4 数据框 data.frame()
不同的列可包含不同模式的数据，最常使用
mydata <- data.frame(col1, col2, col3,...)
$：选取一个给定数据框中的某个特定变量
patientdata$age
attach() 将数据框添加到R的搜索路径中。R在遇到一个变量名以后，将检查搜索路
径中的数据框
detach() 将数据框从搜索路径中移除。值得注意的是，detach()并不会对数据框本身
做任何处理
with()
2.2.5 因子 factor()
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）。它决定了数据的分析方式以及如何进行视觉呈现。
函数factor()以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（其中k是名义
型变量中唯一值的个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。简言之：确定levels
要表示有序型变量，需要为函数factor()指定参数ordered=TRUE。因子的水平默认依字母顺序创建
2.2.6 列表 list()
是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，component）的有序集合
mylist <- list(object1, object2, ...)
2.3 数据的输入
2.3.3 导入Excel数据
read.xlsx(file, n)，其中file是Excel工作簿的所在路径，n则为要导入的工作表序
library(xlsx)
workbook <- "c:/myworkbook.xlsx"
mydataframe <- read.xlsx(workbook, 1)
openxlsx包
install.packages("openxlsx")
library(openxlsx)
c<-read.xlsx("watershed.xlsx",sheet=1)
head(c,3)
导入SPASS数据
install.packages("Hmisc")
library(Hmisc)
mydataframe <- spss.get("mydata.sav", use.value.labels=TRUE)
use.value.labels=TRUE表示让函数将带有值标签的变量导入为R中水平对应相同的因子
通过foreign包中的函数read.spss()导入到R中
2.3.9 导入 NetCDF 数据
library(ncdf)
nc <- nc_open("mynetCDFfile")
myarray <- get.var.ncdf(nc, myvar)
2.4 数据集的标注
2.4.1 变量的标签
相当于变量的重命名
2.4.2 值标签
用标签内容替代显示变量的内容
2.5 处理数据对象的实用函数
