訂閱
糾錯
加入自媒體

R語言教程:數(shù)據(jù)結(jié)構(gòu)+導(dǎo)入數(shù)據(jù)!

2020-12-29 16:46
科研菌
關(guān)注

with(mtcars, {  nokeepstats <- summary(mpg)  keepstats <<- summary(mpg)})nokeepstats   錯誤: 找不到對象'nokeepstats'keepstats Min. 1st Qu.  Median    Mean 3rd Qu.    Max.       10.40   15.43   19.20   20.09   22.80   33.90實例標(biāo)識符

病人編號(patientID)用于區(qū)分病例數(shù)據(jù)集中不同的個體。
實例標(biāo)識符(case identifier)可通過數(shù)據(jù)框操作函數(shù)中的rowname選項指定。

patientdata<-data.frame(patientID, age, diabetes,                         status, row.names=patientID)

將patientID指定為R中標(biāo)記各類打印輸出和圖形中實例名稱所用的變量。

6. 因子

變量可歸結(jié)為名義型、有序型或連續(xù)型變量。

名義型變量是沒有順序之分的類別變量

有序型變量表示一種順序關(guān)系,而非數(shù)量關(guān)系

連續(xù)型變量可以呈現(xiàn)為某個范圍內(nèi)的任意值,并同時表示了順序和數(shù)量
類別(名義型)變量和有序類別(有序型)變量在R中稱為因子(factor)。

函數(shù)factor()以一個整數(shù)向量的形式存儲類別值,同時一個由字符串(原始值)組成的內(nèi)部向量將映射到這些整數(shù)上。

類別(名義型)變量diabetes <- c("Type1", "Type2", "Type1", "Type1")diabetes <- factor(diabetes)

將此向量存儲為(1, 2, 1, 1),并在內(nèi)部將其關(guān)聯(lián)為1=Type1和2=Type2(具體賦值根據(jù)字母順序而定)。向量diabetes仍是名義型變量,不是有序型變量。

有序型變量

需要為函數(shù)factor()指定參數(shù)ordered=TRUE。

status <- c("Poor", "Improved", "Excellent", "Poor")status <- factor(status, ordered=TRUE)

將向量編碼為(3, 2, 1, 3),并在內(nèi)部將這些值關(guān)聯(lián)為1=Excellent、2=Improved以及3=Poor。

對于字符型向量,因子的水平默認依字母順序創(chuàng)建。
如果水平的順序和字母的順序不一致,則需要用指定levels選項來覆蓋默認排序。

status <- factor(status, order=TRUE,                 levels=c("Poor", "Improved", "Excellent"))

各水平的賦值將為1=Poor、2=Improved、3=Excellent,任何在數(shù)據(jù)中出現(xiàn)而未在參數(shù)中列舉的數(shù)據(jù)都將被設(shè)為缺失值。

數(shù)值型變量

可以用levels和labels參數(shù)來編碼成因子。

例:如果男性被編碼成1,女性被編碼成2

sex <- factor(sex, levels=c(1, 2), labels=c("Male", "Female"))

將變量轉(zhuǎn)換成一個無序因子,性別將被當(dāng)成類別型變量,標(biāo)簽“Male”和“Female”將替代1和2在結(jié)果中輸出。

因子的使用:

#以向量形式輸入數(shù)據(jù)patientID <- c(1, 2, 3, 4)age <- c(25, 34, 28, 52)diabetes <- c("Type1", "Type2", "Type1", "Type1")status <- c("Poor", "Improved", "Excellent", "Poor")#指定為一個普通因子diabetes <- factor(diabetes)   #指定為一個有序型因子status <- factor(status, order=TRUE)         patientdata <- data.frame(patientID, age, diabetes, status
#顯示對象的結(jié)構(gòu)str(patientdata)'data.frame':  4 obs. of  4 variables:     $ patientID: num  1 2 3 4     $ age      : num  25 34 28 52     $ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1                 $ status   : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3  

diabetes是一個因子;status是一個有序型因子。

#顯示對象的統(tǒng)計概要summary(patientdata)   patientID         age         diabetes       status       Min.   :1.00   Min.   :25.00   Type1:3   Excellent:1       1st Qu.:1.75   1st Qu.:27.25   Type2:1   Improved :1       Median :2.50   Median :31.00             Poor     :2       Mean   :2.50   Mean   :34.75                               3rd Qu.:3.25   3rd Qu.:38.50                               Max.   :4.00   Max.   :52.00

函數(shù)summary()會區(qū)別對待各個變量:

顯示連續(xù)型變量age的最小值、最大值、均值和各四分位數(shù);

顯示類別型變量diabetes和status(各水平)的頻數(shù)值。

7. 列表

列表(list)是一些對象(或成分,component)的有序集合,某個列表中可能是若干向量、矩陣、數(shù)據(jù)框,甚至其他列表的組合。
使用函數(shù)list()創(chuàng)建列表:

mylist <- list(object1, object2, ...)

可以為列表中的對象命名:

mylist <- list(name1=object1, name2=object2, ...)

創(chuàng)建一個列表:

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)      #創(chuàng)建列表mylist                                     #輸出整個列表$title    [1] "My First List"
$ages    [1] 25 26 18 39    
[[3]]               [,1] [,2]    [1,]    1    6    [2,]    2    7    [3,]    3    8    [4,]    4    9    [5,]    5   10    
[[4]]    [1] "one"   "two"   "three"
mylist[[2]]                                #輸出第二個成分[1] 25 26 18 39mylist[["ages"]][1] 25 26 18 39

雙重方括號中指明代表某個成分的數(shù)字或名稱訪問列表中的元素。

注意事項

對象名稱中的句點(.)沒有特殊意義
R中用美元符號($)指定一個數(shù)據(jù)框或列表中的某些部分。

將一個值賦給某個向量、矩陣、數(shù)組或列表中一個不存在的元素時,R將自動擴展這個數(shù)據(jù)結(jié)構(gòu)以容納新值。

x <- c(8, 6, 4)x[7] <- 10x            #通過賦值,向量x由三個元素擴展到了七個元素[1]  8  6  4 NA NA NA 10
x <- x[1:3]  #重新將其縮減回三個元素x    [1] 8 6 4

R中沒有標(biāo)量。標(biāo)量以單元素向量的形式出現(xiàn)。

R中的下標(biāo)不從0開始,而從1開始。在上述向量中,x[1]的值為8。

變量無法被聲明。它們在首次被賦值時生成。

2.2 數(shù)據(jù)輸入

1. 鍵盤輸入數(shù)據(jù)文本編輯器

edit()會自動調(diào)用一個允許手動輸入數(shù)據(jù)的文本編輯器。

mydata <- data.frame(age=numeric(0), gender=character(0), weight=numeric(0))edit(mydata)         #通過圖2-1所示文本編輯器輸入數(shù)據(jù),但結(jié)果并未保存  age gender weight    1  25      m    166    2  30      f    115    3  18      f    120    Warning message:    In edit.data.frame(mydata) : 在'gender'里加上了因子水準

圖2-1 通過文本編輯器輸入數(shù)據(jù)

mydata <- edit(mydata)  #編輯的結(jié)果需要賦值回對象本身,結(jié)果保存在mydata中mydata  age gender weight    1  25      m    166    2  30      f    115    3  18      f    120

語句 mydata<-edit(mydata)的一種等價寫法是 fix(mydata)。

直接嵌入數(shù)據(jù)集mydatatxt <- " age gender weight 25 m 166 30 f 115 18 f 120 "mydata <- read.table(header=TRUE, text=mydatatxt)   #read.table()函數(shù)被用于處理字符串并返回數(shù)據(jù)框

鍵盤輸入數(shù)據(jù)的方式常用于處理小數(shù)據(jù)集。對于較大的數(shù)據(jù)集,可以從現(xiàn)有的文本文件、Excel電子表格、統(tǒng)計軟件或數(shù)據(jù)庫中導(dǎo)入數(shù)據(jù)。

2. 從帶分隔符的文本文件導(dǎo)入數(shù)據(jù)

可以使用read.table()從帶分隔符的文本文件中導(dǎo)入數(shù)據(jù)。其語法如下:
mydataframe<-read.table(file,options)

file是一個帶分隔符的ASCII文本文件

options是控制如何處理數(shù)據(jù)的選項

表2-1 函數(shù)read.table()的選項

選項描述header一個表示文件是否在第一行包含了變量名的邏輯型變量sep

分開數(shù)據(jù)值的分隔符

默認是 sep="",這表示了一個或多個空格、制表符、換行或回車 sep=","讀取用逗號來分隔行內(nèi)數(shù)據(jù)的文件

sep=" "讀取使用制表符來分割行內(nèi)數(shù)據(jù)的文件

row.names一個用于指定一個或多個行標(biāo)記符的可選參數(shù)col.names如果數(shù)據(jù)文件的第一行不包括變量名(header=FASLE),可以用 col.names 去指定一個包含變量名的字符向量colClasses可以對每一列都指定一個類(比如說,邏輯型、數(shù)值型、字符型或因子型)

例:用逗號分隔的文本文件studentgrades.csv,包含了學(xué)生在數(shù)學(xué)、科學(xué)、和社會學(xué)習(xí)的分數(shù)。
StudentID,F(xiàn)irst,Last,Math,Science,Social Studies
011,Bob,Smith,90,80,67
012,Jane,Weary,75,,80
010,Dan,"Thornton, III",65,75,70
040,Mary,"O'Leary",90,95,92

setwd("~/目標(biāo)文件所在文件夾")         #定位到目標(biāo)文件所在文件夾grades <‐ read.table("studentgrades.csv", header=TRUE,    row.names="StudentID", sep=",")  grades                             #顯示導(dǎo)入數(shù)據(jù)   First          Last Math Science Social.Studies    11   Bob         Smith   90      80             67    12  Jane         Weary   75      NA             80    10   Dan Thornton, III   65      75             70    40  Mary       O'Leary   90      95             92
str(grades)    'data.frame':  4 obs. of  5 variables:     $ First         : Factor w/ 4 levels "Bob","Dan","Jane",..: 1 3 2 4     $ Last          : Factor w/ 4 levels "O'Leary","Smith",..: 2 4 3 1     $ Math          : int  90 75 65 90     $ Science       : int  80 NA 75 95     $ Social.Studies: int  67 80 70 92

注意:

列StudentID現(xiàn)在是行名,不再有標(biāo)簽,也失去了前置的0

Dan的姓左右使用引號,避免Thornton和III之間的空格

O’Leary左右使用引號,否則R會把單引號讀取為分隔符

默認地,read.table()把字符變量轉(zhuǎn)化為因子,可以加上選項stringsAsFactors=FALSE避免出現(xiàn)這種情況

可以用colClasses 選項去對每一列都指定一個類

grades <- read.table("studentgrades.csv", header=TRUE,    row.names="StudentID", sep=",",    colClasses=c("character", "character", "character",                 "numeric", "numeric", "numeric"))grades            First          Last Math Science Social.Studies    011   Bob         Smith   90      80             67    012  Jane         Weary   75      NA             80    010   Dan Thornton, III   65      75             70    040  Mary       O'Leary   90      95             92
str(grades)    'data.frame':  4 obs. of  5 variables:     $ First         : chr  "Bob" "Jane" "Dan" "Mary"     $ Last          : chr  "Smith" "Weary" "Thornton, III" "O'Leary"     $ Math          : num  90 75 65 90     $ Science       : num  80 NA 75 95     $ Social.Studies: num  67 80 70 92

行名保留了前綴0,而且First和Last不再是因子;grades作為實數(shù)而不是整數(shù)來進行排序。
可以用同樣的方法打開txt格式的文本文件。

3. 導(dǎo)入Excel數(shù)據(jù)可以在Excel中將其導(dǎo)出為一個逗號分隔文件(csv),并使用前文描述的方式將其導(dǎo)入R中?梢杂脁lsx包直接導(dǎo)入

首先需要安裝xlsx包,xlsxjars和rJava包,以及一個正常工作的Java 安裝(http://java.com)。
函數(shù)read.xlsx()導(dǎo)入一個工作表到一個數(shù)據(jù)框中。格式是:
read.xlsx(file,n)

1. file是Excel工作簿的所在路徑

2. n則為要導(dǎo)入的工作表序號

例:從目標(biāo)文件夾的studentgrades.xlsx中導(dǎo)入了第一個工作表,并將其保存為一個數(shù)據(jù)框mydataframe。

library(xlsx)workbook <- "目標(biāo)文件夾/studentgrades.xlsx"mydataframe <- read.xlsx(workbook, 1)

R還可以從流行的統(tǒng)計軟件、特殊格式的文件、多種關(guān)系型數(shù)據(jù)庫管理系統(tǒng)、專業(yè)數(shù)據(jù)庫、網(wǎng)站和在線服務(wù)中導(dǎo)入數(shù)據(jù)。具體方法可參見原書。

2.3 數(shù)據(jù)集的標(biāo)注

1. 變量標(biāo)簽——為變量名添加描述性的標(biāo)簽

可以將變量標(biāo)簽作為變量名,然后通過位置下標(biāo)來訪問這個變量。

names(patientdata)[2] <- "Age at hospitalization (in years)"patientdata  patientID Age at hospitalization (in years) diabetes    status    1         1                                25    Type1      Poor    2         2                                34    Type2  Improved    3         3                                28    Type1 Excellent    4         4                                52    Type1      Poor

新的變量名太長,不適合重復(fù)輸入,可以使用patientdata[2]來引用這個變量。

patientdata[2]        Age at hospitalization (in years)    1                                25    2                                34    3                                28    4                                522. 值標(biāo)簽——為類別型變量中的編碼添加值標(biāo)簽

函數(shù)factor()可為類別型變量創(chuàng)建值標(biāo)簽。

patientdata$gender <- factor(patientdata$gender,                           levels = c(1,2),                           labels = c("male", "female"))

levels代表變量的實際值

labels表示包含了理想值標(biāo)簽的字符型向量

2.4 處理數(shù)據(jù)對象的實用函數(shù)

表2-2 處理數(shù)據(jù)對象的實用函數(shù)

函數(shù)用途length(object)顯示對象中元素/成分的數(shù)量dim(object)顯示某個對象的維度str(object)顯示某個對象的結(jié)構(gòu)class(object)顯示某個對象的類或類型mode(object)顯示某個對象的模式names(object)顯示某對象中各成分的名稱c(object, object,...)將對象合并入一個向量cbind(object, object, ...)按列合并對象rbind(object, object, ...)按行合并對象object輸出某個對象head(object)列出某個對象的開始部分tail(object)列出某個對象的最后部分ls()顯示當(dāng)前的對象列表rm(object, object, ...)刪除一個或更多個對象語句 rm(list = ls())將刪除當(dāng)前工作環(huán)境中的幾乎所有對象newobject<- edit(object)編輯對象并另存為 newobjectfix(object)直接編輯對象

<上一頁  1  2  
聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續(xù)

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗 證 碼:

粵公網(wǎng)安備 44030502002758號