-
五种对象类型，R的基本数据结构查看全部
-
x <- matrix(1:6, nrow=2, ncol=3) x[1,2]#返回指定坐标向量 x[1,]#返回指定行的向量 x[,2]#返回指定列的向量 x[1,c(1,3)]#返回指定行中特定列的向量 x[1,2]#返回向量 x[1,2,drop=FALSE]#返回矩阵查看全部
-
一、基本方法 []提取一个或多个类型相同的元素 [[]]从列表或数据框中提取元素 $ 按名字从列表或数据框中提取元素 x <- 1:10 x[1]#角标从1开始 x[1:5]#1到5的值 x[x>5]#大于5的值 x>5#返回的是逻辑向量，即每一个元素与5比较的逻辑值组成的向量 x[x>5 & x<7]#与 x[x<3 | x>7]#或 y < 1:4 names(y) <- c("a","b","c","d") y["b"]#对于命名的向量，可以用列名代替角标查看全部
-
#Date 1. x <- Date()#字符型 x2 <- Sys.Date()#Date型 x3 <- as.Date("2016-01-01")#创建Date型 2. weekdays(x3)#星期几 months(x3)#月份 quarters(x3)#季度 3. julian(x3)#参数日期与1970-1-1相差几天 x3-x2#天数差含字符说明 as.numeric(x3-x2)#转换为数值 #Time 1.time创建与转换 x <- Sys.time()#POSIXct p <- as.POSIXlt(x)#POSIXlt as.POSIXct(p)#POSIXct 2.names(unclass(p))#p去掉属性，保留内容，查看POSIXl$t的属性 p$sec#获取p中指定属性的数据 3.x1 <- "一月 1, 2015 01:01" strptime(x1, "%B %d, %Y %H:%M")#字符串形式的时间格式化函数查看全部
-
数据框（data frame） 数据框在数据分析中经常被使用，用来存储表格数据（tabular data）; 视为各元素长度相同的列表 *每个元素代表一列数据 *每个元素的长度代表行数 *元素类型可以不同 1.data fram数据框：同一列数据类型相同，且每一列长度相等 2.df <- data.frame(id=c(1,2,3),name=c("a","b","c"),gender=c("TRUE","TRUE","FALSE"） 3.nrow(df)#查看数据框行数 ncol(df)#查看数据框列数 4.data.matrix(df2)#数据转矩阵，元素是同种类型的查看全部
-
缺失值（missing value） -NA/NaN #NaN属于NA，NA不属于NaN（一般表示数字缺失值），前者包含后者，后者只表示数字的缺失。缺失值在数据预处理中很重要 -NA有类型属性:integer NA,character NA等 -is.na()/is.nan()#判断向量中是否有缺失值查看全部
-
列表（list）： 1.列表与向量的差别：列表可以同时包含不同类型的对象 2. l <- list("a", 2, 10L, 3+4i, TRUE)#建立列表 l2 <- list(a=1 ,b=2 ,c=3)#为列表元素命名 l3 <- list(c(1,2,3),c(4,5,6,7))#列表元素可以是向量，创建元素个数大于1 x <- matrix(1:6, nrow=2, ncol=3) dimnames(x) <- list(c("a","b"),c("c","d","e"))#为矩阵维度（行、列）命名查看全部
-
因子（factor）: 1.factor因子：因子=整数向量+标签 2. x <- factor(c("female","female","male","male","female")) #设置基线水平 x <- factor(c("female","female","male","male","female"),levels=c("male","female"))#levels是因子的属性 3.table(x)#查看因子分类统计后的结果 4.unclass(x)#去掉标签，将因子变为整数向量（因子=整数变量+标签） class(unclass(x))查看全部
-
矩阵 1.矩阵定义：向量+维度属性 2.x <- matrix(nrow=3 ,ncol=2)#建立3行2列空矩阵 3.x <- matrix(1:6, nrow=3, ncol=2)#先列后行的方式初始化并建立3行2列矩阵 4.dim(x)#查看矩阵行列数 5.attributes(x)#查看矩阵属性及行列数（例如：维度属性：3行2列） $dim [1] 3,2 6.y <- 1:6 dim(y) <- c(2,3)#先建立向量，然后附加维度属性，使之成为矩阵。 y2 <- matrix(1:6, nrow=2, ncol=3)#建立一个和y相同的矩阵 rbind(y,y2)#将矩阵按行合并（行数增加，列数不变） cbind(y,y2)#将矩阵按列合并（列数增加，行数不变） 数组 数组与矩阵相识，但数组可以是多维，矩阵只能是二维 创建数组 x<-array(1:24,dim=c(4,6))#array(内容,维度)查看全部
-
1.#是注释开始的标记 2.vector向量：支持自动扩容的数组 3.y <- vector("character",10) --- 初始化长度为10的字符串数组 4.x <- 1:4 --- x为1到4，含4个元素的数组 5.x2 <- c(1, 2, 3, 4) --- 用列表方式初始化数组 6.x3 <- c(TRUE, 10, "a") --- 数组元素将被强制转换为同一类型 7.x4 <- c("a", "b", "c") as.numeric(x4) as.logical(x4) as.character(x4) --- 几种常用的强制转换方式（可能报错） 8.names(x1) <- c("a", "b", "c", "d") --- 为x1数组每个角标添加引用查看全部
-
1.变量的赋值方式采用 <- 不要用 = 2.默认变量赋值类型为numeric数值型（包括小数和整数），如果欲强调整数，可在数据后加大写L。例如：x <- 5L 3.R中变量大小写敏感。查看变量类型的函数class(x)。查看变量值的方法（直接输入变量名称后回车） 4.字符串变量加双引。逻辑变量TRUE/FALSE全部大写 5.复数变量。例如：x <- 1+2i查看全部
-
小结，，查看全部
-
factor查看全部
-
matrix查看全部
-
vector查看全部
举报
0/150
提交
取消