博文
Introduction to R Data Type
|||
#
# Copyright (c) 2010-~ siqin.hou All rights reserved.
#
# This source code is released for free distribution under the terms of the
# GNU General Public License
#
# ---Author: siqin<siqin.hou@gmail.com>
# Date-Time: 2014-04-26 16:38:07
# File-Name: Introduction_to_R.r
# --Version: 1.0
# -Function: Statistics One课程中提供的Introduction to R, Andrew Conway
# -Source From：
# -菜鸟学R语言：用R做数据分析（零基础）之前言 | Yang Liu fr
# -http://yangliufr.com/2013/09/24/r-introduction/
# -菜鸟学R语言：用R做数据分析（零基础）之数据类型 | Yang Liu fr
# -http://yangliufr.com/2013/09/29/r-introduction-i/
# -Andrew Conway @ coursera.org: Statistics One
# -https://accounts.coursera.org/signin?course_id=970574&r=https%3A%2F%2Fclass.coursera.org%2Fstats1-002%2Flecture&user_action=class&topic_name=Statistics%20One
#首先，下载与安装R软件，网站：http://www.r-project.org/。
#当然，如果你一定是找不到这个网站中R语言的程序位置，那么请看这里：http://ftp.ctex.org/mirrors/CRAN/，在这里，请点击install R for the first time，
#安装时请注意一点：安装路径不要有中文字符，以避免一些不必要的麻烦。
#推荐大家再安装另外一个软件，叫做Rstudio。http://www.rstudio.com/ide/download/
# --------------------------------------------------------------------------------
# Basic mathematical operations# 四则运算# --------------------------------------------------------------------------------
3 + 4
5 * 5
12 / 3
5^5
# 这几行代码就充分展现出了R的优势之一，即时互动。大家只要在console中输入以上一行代码，就可以直接得到结果，省去了传统语言编译的过程（并不是说R中不存在编译）。
#> 3 + 4
#[1] 7
#> 5 * 5
#[1] 25
#> 12 / 3
#[1] 4
#> 5^5
#[1] 3125
#以上就是运行结果。
# --------------------------------------------------------------------------------
# R objects R的对象# --------------------------------------------------------------------------------
#R的数据对象有向量，列表，矩阵，数据框，依据不同需求使用不同数据对象类型。
#vector class/vector type查看数据对象的类型
class(v)
# ------------------------------------------------------------
# Vector 向量
## Most basic object in R
## Contains elements of the same class
## Can be: character, numeric, integer, complex, logical(True/False))
#向量（vector）是R中最基本的对象。
#R的对象中大部分能且只能包含同一类型的若干个元素，但是list除外，可以包含若干类的若干个元素，这也是为什么要有list的原因。
#常见的向量有：字符向量,数值向量,整数向量,复数向量,
# Create a vector，使用Combine首字母，同类型的对象集合
#下面来创建一个含有数值1,3,5,7的向量
v=c(1,3,5,7) #c() Combine是集合的意思
v
class(v)
# Vector Type 向量中的数据类型
x <- c(0.5, 0.6) ## numeric 数值向量
x <- c(TRUE, FALSE) ## logical 逻辑向量
x <- c(T, F) ## logical 逻辑向量
x <- c("a", "b", "c") ## character 字符向量
x <- 9:29 ## integer 整数向量
x <- c(1+0i, 2+4i) ## complex 复数向量
class(x)
#[1] "complex"
#但，如果把两种向量c()到一起，会得到什么样的向量集合呢？
y <- c(1.7, "a") ## numeric+character->character
y <- c(TRUE, 2) ## logical+numeric—>numeric
y <- c("a", TRUE) ## character+logical->character
#你会发现，这时向量集会被强制（coercion）转成同一类，为了符合向量的定义。
#这时，如果你需要提取其中的假向量用于运算，那就需要as.**functions，
#其中**可以是numeric，logical，character，complex等。如下，
#methods(as)或者methods(is)查看
x <- 0:6
class(x) #class()用于查看向量的类
#[1] "integer"
as.numeric(x)
[1] 0 1 2 3 4 5 6
as.logical(x)
#[1] FALSE TRUE TRUE TRUE TRUE TRUE TRUE
as.character(x)
#[1] "0" "1" "2" "3" "4" "5" "6"
as.complex(x)
#[1] 0+0i 1+0i 2+0i 3+0i 4+0i 5+0i 6+0i
#如果使用as.**function把某类向量转化为另一类，则会得到NAs。如，
x <- c("a", "b", "c")
as.numeric(x)
#[1] NA NA NA
#Warning message:
#NAs introduced by coercion
as.logical(x)
#[1] NA NA NA
#有时你可能还需要空白向量，可以用vector()来创建，例如创建一个长度为10的数值向量x，
x <- vector("numeric", length = 10)
x
#[1] 0 0 0 0 0 0 0 0 0 0
# ------------------------------------------------------------
# List 列表## (Vector with different class of objects)
## 包含不同类型的对象
l=list("Blue", 2, 5, "Red")
l
#--------------------------------------------------------------------------------
# Create a matrix
# matrix （矩阵）#矩阵（pl. matrices）具有维度（dimension）属性（attribute）的向量。该维度属性本身是一个长度为2的整数向量（nrow,ncol），行数和列数。
#--------------------------------------------------------------------------------
m <- matrix(nrow = 2, ncol = 3)
m
#[,1] [,2] [,3]
#[1,] NA NA NA
#[2,] NA NA NA
#function dim()：Retrieve or set the dimension of an object
#Useage
#(x)，Retrieve the dimension of an object获取矩阵的维度属性
#dim(x) <- value，set the dimension of an object设置矩阵的维度属性
#Examples
#x <- 1:12 ; dim(x) <- c(3,4)
#x
# simple versions of nrow and ncol could be defined as follows
#nrow0 <- function(x) dim(x)[1]
#nrow0(m)
#ncol0 <- function(x) dim(x)[2]
#ncol0(m)
dim(m)
#Retrieve the dimension of matrix x
#获取矩阵的维度属性
#[1] 2 3
#rows: 2, colluns: 3， 2x3的矩阵
# Check the attributes
attributes(m)
#获取矩阵的维度属性
#$dim
#[1] 2 3
# Call a particular cell in a matrix
# 调取矩阵中特定位置的元素
m
m[1,2]
## Matrix creation is column-wise
#在R中建矩阵是遵从列优先（column-wise）的原则，即，优先按照顺序从左上角开始向右一列一列地填充。如，
m <- matrix(1:6, nrow = 2, ncol = 3)
#m=matrix(1:6,2,3)
m
#[,1] [,2] [,3]
#[1,] 1 3 5
#[2,] 2 4 6
#在了解了这个特性之后，我们就可使用dim()来为向量集创建矩阵了，大家只要注意列优先原则即可，如，
# Create a matrix from a vector
#从向量开始创建啊一个矩阵
#第一步，创建一个同类型对象集合--向量
m=matrix(1:10)
#m <- 1:10
m
#[1] 1 2 3 4 5 6 7 8 9 10
# Then add dimensionality
#第二步，设置矩阵m的维度属性，决定了对象的排列情况
dim(m)=c(2,5)
#dim(m) <- c(2, 5)
m
#[,1] [,2] [,3] [,4] [,5]
#[1,] 1 3 5 7 9
#[2,] 2 4 6 8 10
# Create a matrix by binding columns or rows
#此外，在R中，你也可以使用cbind()（column-binding）和rbind()（row-binding）functions来创建矩阵。如，
x <- 1:3
y <- 10:12
# Create a matrix by binding column
cbind(x, y)
# x y
#[1,] 1 10
#[2,] 2 11
#[3,] 3 12
# Create a matrix by binding rows
rbind(x, y)
#[,1] [,2] [,3]
#x 1 2 3
#y 10 11 12
#--------------------------------------------------------------------------------
# Dataframes 数据框## Different than matrices => can store different classes of objects
# 能存储不同类型的对象
## Usually called with read.table()
#--------------------------------------------------------------------------------
# Create a dataframe创建数据框对象
d=data.frame(subjectID=1:5,gender=c("M","F","F","M","F"),score=c(8,3,6,5,5))
d
# Number of rows 获取数据框的行数
nrow(d)
# Number of columns 获取数据框的列数
ncol(d)
# Check the attributes 获取数据框的维度属性
attributes(d)
# Call a particular cell in a dataframe
# 调取数据框中某一个特定的元素
d[2,1]
d[1,2]
# Display dataframe 显示数据框，注意大小写，是首字母大写的V
View(d)
# Edit dataframe 编辑数据框的数据
edit(d)
#--------------------------------------------------------------------------------
# 附录#--------------------------------------------------------------------------------
# Getting help on a function
# 获得某一个函数的使用帮助
?functionname
#get all packages
#获得当前安装的所有R包，看看需不需要安装相应的包
.packages(all.available = TRUE)
# Download and install packages
# 下载与安装R包
## Need to specify CRAN the 1st time
# 第一次使用需要设置 CRAN，选择使用哪个国家的服务器下载，就近原则
install.packages("psych")
# Load package
# 加载R包
# library("package_name")
library("psych")
#RODBC read xls file data example
#使用RODBC包读取Excel文件.xls里的数据
library("RODBC")
z <- odbcConnectExcel("rexceltest.xls")
data <- sqlFetch(z,"Sheet1")
close(z)
#R中if else 的写法-else不能单独一行
if(){
}else{
}
格式化不了，科学网的编辑器怎么了？
https://blog.sciencenet.cn/blog-250383-788859.html
上一篇：从接触Photoshop到立志从事数据分析与展现之路
下一篇：CentOS 6.5 yum install R
