R学习笔记(2):R中的数据类型和数据结构

本文最新版已更新至:http://thinkinside.tk/2013/05/09/r_notes_2_data_structure.html

尽管前面提到R是面向对象的,但是个人认为R中的所谓对象其实只是一种结构(struct)。还是要使用函数对其进行操作。

R中的数据结构主要面向《线性代数》中的一些概念,如向量、矩阵等。值得注意的是,R中其实没有简单数据(数值型、逻辑型、字符型等),对于简单类型会自动看做长度为1的向量。比如:

> b=5
> length(b)
[1] 1
> typeof(b)
[1] "double"
> mode(b)
[1] "numeric"

R中最重要的数据结构是向量(vector)和矩阵(matrix)。

向量由一系列类型相同的有序元素构成;矩阵是数组(array)的一个特例:维数为2的数组;而数组又是增加了维度(dim)属性的向量。

除此之外,列表(list)和数据框(data frame)分别是向量和矩阵的泛化——列表允许包含不同类型的元素,甚至可以把对象作为元素;数据框允许每列使用不同类型的元素。对于列表和数据框,其中的元素通常称为分量(components)。

对象的类型和长度

R中所有的对象都有类型和长度属性,可以通过函数typeof()和length()获取/设置。举例如下:

View Code
> x = c(1,2,3,4)
> x
[1] 1 2 3 4
> typeof(x)
[1] "double"
> length(x)
[1] 4
> dim(x)=c(2,2)
> x
     [,1] [,2]
[1,]    1    3
[2,]    2    4
> typeof(x)
[1] "double"
> length(x)
[1] 4

> Lst <- list(name="Fred", wife="Mary", no.children=3,
+                    child.ages=c(4,7,9))
> 
> Lst
$name
[1] "Fred"

$wife
[1] "Mary"

$no.children
[1] 3

$child.ages
[1] 4 7 9

> typeof(Lst)
[1] "list"
> length(Lst)
[1] 4

typeof()函数可能返回如下的值(在R源代码src/main/util.c的TypeTable中定义):

# 数据对象
logical        含逻辑值的向量
integer        含整数值的向量
double        含实数值的向量
complex        含复数值的向量
character    含字符值的向量
raw            含字节值的向量

# 其他对象
list        列表
NULL        空
closure        函数
special        不可针对参数求值的内置函数
builtin        可针对参数求值的内置函数
environment    环境

# 通常在R内部使用
symbol        变量名
pairlist    成对列表对象
promise        用于实现悠闲赋值的对象
language     R 语言构建
...            特定变量长度参数
any            可以匹配任何类型的特殊类型
expression    表达式对象
externalptr    外表指针对象
weakref        弱引用对象
char            字符
bytecode        二进制



对象的类型不是一成不变的,可以随时进行转换。接着上面的例子:

> typeof(x)
[1] "double"
> y = as.logical(x)
> typeof(y)
[1] "logical"
转换的规则如下表:
|----|                | to numeric                | to logical                    | to character
|---+---
from numeric        -                    |0 → FALSE 其它数字 → TRUE    | 1, 2, ... → "1", "2"
from logical        FALSE → 0 TRUE → 1        |-                        | TRUE → "TRUE"   FALSE → "FALSE"    
from character        "1", "2", ... → 1, 2, ... "A",... →NA | "FALSE", "F" → FALSE "TRUE", "T" → TRUE 其它 → NA | 

对象的长度也可以随时发生改变,常见的包括如下情况:

> # 扩大索引范围
> x = c(1,2,3)
> x
[1] 1 2 3
> x[5] = 12
> x
[1]  1  2  3 NA 12
> length(x)
[1] 5
> # 直接设置length属性
> length(x) = 2
> x
[1] 1 2
> # 重新赋值(略)
    •    ✓    对象的class和attributes
typeof()处理对象内元素的类型,而class()处理对象本身的类,例如:
> x = 1:6
> x
[1] 1 2 3 4 5 6
> typeof(x)
[1] "integer"
> class(x)
[1] "integer"
> dim(x) = c(3,2)
> x
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6
> typeof(x)
[1] "integer"
> class(x)
[1] "matrix"

通过class还可以更改对象的类,例如:

> x = 1:6
> class(x)
[1] "integer"
> class(x) = "matrix"
错误于class(x) = "matrix" : 
  除非维度的长度为二(目前是0),否则不能设为矩阵类别
> class(x) = "logical"
> x
[1] TRUE TRUE TRUE TRUE TRUE TRUE

除了typeof和length之外,其他class的对象可能还会有其他的属性,可以通过函数attributes()和attr()进行操作,例如:

> x = 1:6
> attributes(x)
NULL
> dim(x) = c(3,2)
> attributes(x)
$dim
[1] 3 2

> x
     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6
> attr(x,"dim") = c(2,3)
> x
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

从例子可以看出,属性以列表形式保存,其中所有元素都有名字。
从例子还可以看出,R的数组中,元素的排列顺序是第一下标变化最快,最后下标变化最慢。这在FORTRAN中叫做“ 按列次序”。


一些常见的属性如下:
names,可以为向量或列表的每个元素增加标签。

> x = 1:6
> x
[1] 1 2 3 4 5 6
> attributes(x)
NULL

> attr(x,'names') = c('a','b','c')
> x
   a    b    c <NA> <NA> <NA> 
   1    2    3    4    5    6 
> attributes(x)
$names
[1] "a" "b" "c" NA  NA  NA 

dim,标记对象的维度。除向量外,基于数组的对象都会有一个维度属性,是一个指定数组各维度长度的整数向量。与下标类似,维度也可以命名。通过dimnames属性可以实现这一目的:

> x = array(1:6,2:3)
> x
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
> attributes(x)
$dim
[1] 2 3

> names = list(c('x','y'),c('a','b','c'))
> dimnames(x) = names
> x
  a b c
x 1 3 5
y 2 4 6
> attributes(x)
$dim
[1] 2 3

$dimnames
$dimnames[[1]]
[1] "x" "y"

$dimnames[[2]]
[1] "a" "b" "c"

访问对象中的元素

既然对象是元素的集合,很自然就会想到使用下标来访问对象中的元素:

> x = array(6:1,2:3)
> x
     [,1] [,2] [,3]
[1,]    6    4    2
[2,]    5    3    1
> x[1]        #按照存储的顺序访问单个元素
[1] 6
> x[2]        #按照存储的顺序访问单个元素
[1] 5
> x[3]        #按照存储的顺序访问单个元素
[1] 4
> x[1,2]        #通过多个下标访问单个元素
[1] 4
> x[1,]        #返回一行
[1] 6 4 2
> x[,1]        #返回一列
[1] 6 5 

如果对象有names属性,还可以通过names进行索引:

> x = array(6:1,2:3)
> 
> names(x) = c('a','b','c')
> x
     [,1] [,2] [,3]
[1,]    6    4    2
[2,]    5    3    1
attr(,"names")
[1] "a" "b" "c" NA  NA  NA 
> x['b']        #等价于x[2]
b 
5 

上面两个例子都是返回对象中的单个元素。在R中,还可以返回对象的多个元素,此时使用的索引不是简单的数值或字符串,而是一个向量。继续上面的例子:

> x[1:3]
a b c 
6 5 4 
> x[c(3,4)]
   c <NA> 
   4    3 
> x[c(1,2),c(1,2)]
     [,1] [,2]
[1,]    6    4
[2,]    5    3
> x[c('a','b')]
a b 
6 5 

用序列填充对象

前面的例子中,你可能会注意到一些与python类似的语法,比如序列:
a:b
R中提供了一些创建序列的方法,可以很方便的填充对象。包括规则序列和随机序列。

规则序列用于产生有规则的序列:
使用a:b的形式是最简单的用法;
如果需要更多的控制,可以使用seq(from,to,by,length,along)函数;
使用rep()函数可以产生重复的元素。
例如:

> 1:3
[1] 1 2 3
> 2*1:3
[1] 2 4 6
> 3:1
[1] 3 2 1

> seq(1,2,0.2)
[1] 1.0 1.2 1.4 1.6 1.8 2.0
> seq(1,2,0.3)
[1] 1.0 1.3 1.6 1.9
> seq(to=2,by=.2)
[1] 1.0 1.2 1.4 1.6 1.8 2.0
> seq(to=2,by=.2,length=3)
[1] 1.6 1.8 2.0

> rep(1:3,2)
[1] 1 2 3 1 2 3
> rep(1:3,each=2)
[1] 1 1 2 2 3 3

随机序列用于产生符合一定分布规则的数据。有大量的函数用于产生随机序列,这里只列出一些函数的名称:

数据编辑器

我们当然可以使用下标操作对象,编辑对象中的数据元素。但是R提供的一个可视化的工具能够带来更多的便利,这就是数据编辑器。
使用data.entry()函数可以打开数据编辑器:

> x = array(6:1,2:3)
> data.entry(x)

posted @ 2013-05-09 11:31 心内求法 阅读(...) 评论(...) 编辑 收藏