R Language Learning 1 --- data structure

R Language Learning Special note: The letters are case sensitive

R language objects: R 6 kinds of languages stored data object types, which are a vector, array, list, matrix factor, the data block, the next will be 11 illustrate

Five basic types of objects: character (Character) value (which may be an integer or a decimal) (numeric), integer (integer), compound (complex), logic (Logical)
R object attributes: name (name) of the object, the object's dimensions (matrix array) (Dim), the type (class) of the object, the object length (length)
R Language assignment: R Language assignment unlike C language and Java language assignment, R linguistic variables need not be declared, using a direct assignment

　　With assignment symbol '<-' or '=' indicates recommended '<-' such as:

 
    　　x <-1 
　　x: [. 1] #. 1 square brackets is the first element in x

Vector (vector)

Brief Description: vector memory is a one-dimensional array of numeric, character, or logical data type, the vector can contain an object type unified
Function Description: The function vector (mode = 'logical', length = 0L) has two parameters: the type (mode) and a length (length), creating vector elements specified by the parameter values depend on data types: numeric (numeric ()) is a vector element value is 0, the logic type (logical ()) are is FALSE, character (Character ()) are "."
Vector creation:

　     x<-c("a","b","c") 
　　　　> x
　　　　[1] "a" "b" "c"
　　　　> y<-c(1,2,3,4,5)
　　　　> y
　　　　[1] 1 2 3 4 5
　　　　> z<-c(1:8)
　　　　> z
　　　　[1] 1 2 3 4 5 6 7 8

　Matrix (matrix)

Matrix is a brief description of the property vector Garvey
Matrix created: a minimum of two matrix parameters, rows and columns, create a blank content, to populate the matrix is in columns, dim function can be how many columns matrix is good to see how many lines

  　　X <- Matrix (nrow. 3 =, = ncol. 4) 
 
 　　 Attributes specifically described (x) # View information matrix

Will be converted into one type of unified type elements must be the same matrix, the matrix is a one-dimensional array, when stored in a matrix of different types of content, as follows: Note:

　　> x<-c(a,2,3,TRUE,FALSE)
　　> x
　　[1] 5 2 3 1 0

Array (Array)

Brief Description: R is a multi-dimensional array, the difference between the matrix and can be a multi-dimensional array is an array, but only a one-dimensional matrix
Create an array:

　　> x<-array(1:24,dim=c(4,6))
　　> x
　　[,1] [,2] [,3] [,4] [,5] [,6]
　　[1,] 1 5 9 13 17 21
　　[2,] 2 6 10 14 18 22
　　[3,] 3 7 11 15 19 23
　　[4,] 4 8 12 16 20 24
　　> k<-array(1:24,dim=c(2,3,4))   #创建一个2行3列的思维数组，dim=c(2,3,4) 参数4代表的是数组的维度
　　> 
　　> k
　　, , 1
　　[,1] [,2] [,3]
　　[1,] 1 3 5
　　[2,] 2 4 6
　　, , 2　　　　　　
　　[,1] [,2] [,3]
　　[1,] 7 9 11
　　[2,] 8 10 12
　　, , 3
　　[,1] [,2] [,3]
　　[1,] 13 15 17
　　[2,] 14 16 18
　　, , 4
　　[,1] [,2] [,3]
　　[1,] 19 21 23
　　[2,] 20 22 24

列表（list）

简要描述：列表是一个包含不同的类型的内容数据集,一个列表中可以存放很多不同类型的数据
创建列表：list

 l<-list(a,2,TRUE,-2i)
　> l
　[[1]]
　[1] 5

　[[2]]
   [1] 2

   [[3]]
　[1] TRUE

　[[4]]
　　[1] 0-2i

命名列表内容

　　l2<-list(a=1,b=2,c=3)
　　> l2
　　$a
　　[1] 1
　　$b
　　[1] 2
　　$c
　　[1] 3

因子（Factor）

简要描述：factor 因子是用来处理分类数据有序和无序的数据，可以把因子理解成整数向量，因子优于整数向量，在因子中使用levels=...来设置基线水平
创建因子：

　　> x<-factor(c("female","male","male","female","male"))
　　> x
　　[1] female male male female male 
　　Levels: female male
　　> y<-factor(c("female","male","male","female","male"),levels=c("male","female"))
　　> y 
　　[1] female male male female male 
　　Levels: male female                               #Levels表示因子的水平，因子的水平可以手动设置

　　unclass(x)         #去掉因子的属性来看因子内容
　　table(x)           #计算因子中的词频

数据框（data.frame()）

简要描述：R数据框是用于存储表格数据，存储列表,和矩阵关系密切，可以把它当作长度相同的列表
数据库小规则：数据框中每个元素代表一列数据、数据框中每个元素的长度代表行数、数据框中元素类型可以不同
创建数据框：

　　> df<-data.frame()
　　> df
　　data frame with 0 columns and 0 rows
　　> class(df)
　　[1] "data.frame"

　日期（Date）

　x<-Sys.date:获取当前系统的日期
　　x2<-"2015-10-01"    #声明字符型日期
　　x3<-"2017-10-01"
   x2<-as.Date("2015-10-01")
   x3<-as.Date("2017-10-01") 　　#将字符型的日期转换为日期类型
   weekdays(x)  #获取日期是周几
　　months(x)    #当前日期是哪月
　　quarters(x) #当前日期属于这一年的哪个季度 
   julian(x) #表示距离1970-01-01日期到现在过去了多少天18123

#时间运算，日期运算可以转换为整数
 　> x2
　　[1] "2015-10-01"
　　> x3
　　[1] "2017-10-01"
　　> x3-x2
　　Time difference of 731 days

　>as.numeric(x3-x2)   #将结果转换成数值类型
　　[1] 731

#两个日期做减法会得到一个字符型的结果，在处理数据时通常需要把它作相应的转换

时间（Time）

简要描述：时间类型有POSIXct和POSIXlt
字符—>时间转换：

　　as.Date()    #字符转日期

　　as.POSIXct() as.POSIXlt() strptime()   #字符转时间

　　#　例如：　
　　x1<-"Jan 1,2019 02:18"
　　strptime(x1,"%B %d,%Y %H:%M")

缺失值（NA/NaN）

简要描述：缺失值的处理在数据分析中是很常见的一种，在数据预处理之前必须要处理数据的缺失值
R中的缺失值：NA/NaN :其中NaN属于NA，而NA不属于NaN :NaN一般只用于表示数字的缺失值
NA有类型属性：整数NA和字符NA
检测缺失值的方法：is.na() / is.nan()
实例：

　　> x<-c(5,NA,6,NA,NA)
　　> y<-c(5,NaN,6,NaN,NaN)
　　> 
　　> is.na(x)
　　[1] FALSE TRUE FALSE TRUE TRUE
　　> is.na(y)
　　[1] FALSE TRUE FALSE TRUE TRUE
　　> is.nan(x)
　　[1] FALSE FALSE FALSE FALSE FALSE
　　> is.nan(y)
　　[1] FALSE TRUE FALSE TRUE TRUE

　　#说明：is.na()表示的两个结果相同说明NaN属于NA

R Language Learning 1 --- data structure

Guess you like