常見的數據結構

?

• 向量 c() # 一維
• 矩陣 matrix() # 二維
• 數組 array() # 多維
• 因子factor()
• 列表list()
• 數據框 data.frame()

常見的數據類型

• integer 整型
• character 字符型
• numeric 數值型（double）
• logical 邏輯型
• NULL
• NA missing value

向量

name = c("li", "shi", "wu", "zhang", "feng") typeof(name) # "character" print(name) id = c(1, 2, 3, 4, 5, 6) typeof(id) # "double" cloth = c(FALSE, TRUE, FALSE, TRUE, FALSE, FALSE) typeof(cloth) # "logical" cloth[1] # FALSE id[2:5] # 2 3 4 5 name[-2] # "li" "wu" "zhang" "feng" 刪除2對應的元素 name[-2:-3] # "li" "zhang" "feng" 刪除2到3對應的元素 name[c(F,T,F,T,F,T)] # "shi" "zhang" NA 返回為T對應的元素，第六個沒有元素返回來NA

matrix矩陣

functyions:

• matrix()
• ncol()
• nrow()
• rownames()
• colnames()

x=matrix(c(1:9),ncol=3,nrow=3)

image.png

rownames(x)=c("A","B","C") colnames(x)=c("C","D","E")

image.png

x["A", "C"] # 1 x[1, 1] # 1 ncol(x) # 3 nrow(x) # 3 dim(x) # 3 3

array數組

xx = array(1:24, c(3, 4, 2)) # 生成3×4×2維的數組 yy = array(1:36, c(2, 3, 3, 2)) # 生成2×3×3×2維的數組 xx=1:24 # 對xx重新賦值，生成1-24排列的NULL維數組 dim(xx) = c(3, 4, 2) # 對xx的維度調整，把上面的NULL維度改成3×4×2維度的數組 zz = 1:10 #同理生成1-10的NULL維數組 dim(zz) = c(2, 5) # 維度調整 dim(xx) # 沒有等號就是返回對應變量的維度值 dim(yy) dim(zz)

factor因子

Dragon_gender =factor(c("female","male","male","male","male","female"))

image.png

Dragon_size=factor(c("L","XL","XL","XXL","XXXL","L"),levels=c("S","M","L","XL","XXL","XXXL"))

image.png

list列表

Dragon=list(name=Dragon_name,id=Dragon_id,cloth=Dragon_cloth,gender=Dragon_gender,size=Dragon_size) #直接命名 Dragon

image.png

names(Dragon) # 輸出name，id， cloth， gender， size length(Dragon) # 5 Dragon=list(Dragon_name, Dragon_id, Dragon_cloth, Dragon_gender,Dragon_size) print(Dragon) #輸出自動數字編碼的結果

image.png

names(Dragon)= c("name", "id", "cloth", "gender", "size") #為編碼命名 Dragon$note=c(9,9) #新增加note成員 # 另一種生成list方法 > Dragon = list() > Dragon[[1]] = Dragon_name > Dragon[[2]] = Dragon_id > Dragon[[3]] = Dragon_cloth > Dragon[[4]] = Dragon_gender > Dragon[[5]] = Dragon_size > names(Dragon)=c("name", "id", "cloth", "gender", "size") > Dragon

訪問數據

Dragon[1] # 帶內name Dragon[[1]] # name的內部數據 Dragon[[1]][4] # name的內部數據的第四個元素

Dragon$size Dragon["id"] Dragon[1:2] Dragon[c("name", "id")]

image.png

image.png

data.frame

• 相同的數據類型
• 唯一的行或者列名字（rownames， colnames）
• data.frame的行是一個data.frame
• as.data.frame(****) list matrix等可以通過它專程data.frame

FraDragon = data.frame(name=Dragon_name,id=Dragon_id,cloth=Dragon_cloth,gender=Dragon_gender, size=Dragon_size)

image.png

names(FraDragon)

out：[1] "name" "id" "cloth" "gender" "size"

rownames(FraDragon)= FraDragon$name

image.png

colnames(FraDragon)

out:[1] "name" "id" "cloth" "gender" "size"

FraDragon=FraDragon[, -1] # 刪除第一列 FraDragon["li",] # 查找行為li，列為所有FraDragon[,"size"] # 查找行為所有，列為size FraDragon["li","size"] # 查找行為li，列為size FraDragon=as.data.frame(Dragon) # 把list類型轉成data.frame類型

總結

以上是生活随笔為你收集整理的R-基本数据类型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。