R语言之数据结构

R拥有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框、列表、因子。

1.标量：标量是只包含一个元素的向量

> a <- 1;  # 数值型
> b <- "China"; # 字符型
> c <- TRUE; # 逻辑型

2.向量：向量用于存储数值型、字符型或逻辑型数据的一维数组。通过c()函数来创建向量

> d <- c(1,2,3);
> e <- c("China","USA");
> f <- c(T,F,F,T);

3.矩阵（matrix）：矩阵是一个二维数组，每个元素都拥有相同的模式（数值型、字符型、逻辑型），一般通过函数matrix()来创建矩阵

matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)
data:包含了矩阵的元素;
nrow 和 ncol:用于指定矩阵的行数和列数;
byrow=F:默认创建的矩阵按照列进行排列;
dimnames：创建矩阵时可以设置行和列的名称(必须为列表形式);

> m1 <- matrix(1:8,nrow=4)
#默认按列填充
> m1
     [,1] [,2]
[1,]    1    5
[2,]    2    6
[3,]    3    7
[4,]    4    8

#设置byrow=T,将元素按照行进行填充
> m2 <- matrix(1:8,nrow=4,byrow=T)
> m2
     [,1] [,2]
[1,]    1    2
[2,]    3    4
[3,]    5    6
[4,]    7    8

# 设置矩阵行和列的名称
> m3 <- matrix(1:8,nrow=4,byrow=T,dimnames=list(c("r1","r2","r3","r4"),c("c1","c2")))
> m3
   c1 c2
r1  1  2
r2  3  4
r3  5  6
r4  7  8

4.数组（array）：与矩阵类型，但是维度可以大于2，数组可以通过array()函数进行创建；数组中的数据也只能拥有一种模式（数据类型），如果数组中的数据有其他的数据类型，R会自动将所有数据转换为同一模式

array(data = NA, dim = length(data), dimnames = NULL)
data:包含了数组中的数据;
dim:是一个数值型的向量,给出了各个维度下标的最大值;
dimnames:各个维度名称标签的列表;

> arr <- array(1:24,dim=c(4,3,2))
> arr
, , 1

     [,1] [,2] [,3]
[1,]    1    5    9
[2,]    2    6   10
[3,]    3    7   11
[4,]    4    8   12

, , 2

     [,1] [,2] [,3]
[1,]   13   17   21
[2,]   14   18   22
[3,]   15   19   23
[4,]   16   20   24

5.数据框（data.frame）：数据框类似于二维表格，包含行和列，是R中最常处理的数据结构。不同的列可以包含不同的模式，每一列数据的模式必须唯一；数据框可以通过函数data.frame()进行创建

data.frame(..., row.names = NULL, check.rows = FALSE,
           check.names = TRUE,
           stringsAsFactors = default.stringsAsFactors())

row.names：设置数据框行的名称;
check.rows:默认为FALSE，检查行的名称和数量是否一致;
check.names：逻辑值，默认为TRUE,如果为TRUE，变量的名称不能够重复，如果重复，则R会自动进行转换以保证列名不同;
stringsAsFactors :是否将字符串转换为因子（factor）类型，stringsAsFactors 默认为TRUE，即default.stringsAsFactors()的值为TRUE，将字符串转换为因子;

> g <- data.frame(a=c(1,2,3),a=c(4,5,6),row.names=c("n1","n2","n3"),check.names=T)
> g
   a a.1
n1 1   4
n2 2   5
n3 3   6
> g["a.1"]  #由于数据框g有重复列名a，因为设置了check.names=T,R内部会自动将第二列的列名a转换为a.1
   a.1
n1   4
n2   5
n3   6

6.列表（list）：是一个有序对象的集合，列表允许整合若干对象到单个对象名下，可以通过list()函数进行创建

> k <- list(d=5:9,e="China") # 创建列表k，包括d和e两个对象
> l <- list(title="mylist",a=1:3,b=matrix(1:8,nrow=2),c=c("one","two"),k)  #创建列表l,l列表中包含了列表k（列表中也可以包含列表对象）
> l
$title
[1] "mylist"

$a
[1] 1 2 3

$b
     [,1] [,2] [,3] [,4]
[1,]    1    3    5    7
[2,]    2    4    6    8

$c
[1] "one" "two"

[[5]]
[[5]]$d
[1] 5 6 7 8 9

[[5]]$e
[1] "China"

7.因子（factor）:类别（名义型）变量和有序类别（有序型）变量在R中称为因子。因子型数据在计算机内部存储为整型数据，因子水平属性将每个整型数据映射到一个因子水平上。因为整型数据占的存储空间较少，因    此这种方式比字符串向量更节省存储空间。

factor(x = character(), levels, labels = levels, exclude = NA, ordered = is.ordered(x), nmax = NA)
x:用于转换为因子的字符向量数据;
levels：因子水平向量,因子型变量可以取得的所有值被称为因子水平;
labels:字符型向量,labels与levels有相同的数量或者只有一个;
excelude:生成水平时要去除的水平;
ordered:默认为FALSE,设置为TRUE，表示有序型变量,用以确定levels 是否应该被视为有序的（按照给定的顺序）;
nmax: 设定水平数量的上限值

> x <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),ordered=T)
> x
[1] middle small  big    large 
Levels: small < middle < big < large   # R在输出有序因子时会显示因子水平的顺序

> y <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),ordered=T,labels=c(1,2,3,4))
> y
[1] 2 1 3 4
Levels: 1 < 2 < 3 < 4

> z <- factor(x=c("middle","small","big","large"),levels=c("small","middle","big","large"),exclude=c("small","middle"))  
> z
[1] <NA>  <NA>  big   large   # 由于去除了水平small和middle，所以原始数据中水平为small和middle的值输出为NA
Levels: big large　　

> x.integer <- unclass(x)   # 通过移除因子x的类属性创建整型向量x.integer  注意此时因子x本身并没有发生变化
> x.integer
[1] 2 1 3 4
attr(,"levels")
[1] "small" "middle" "big" "large" 
> class(x.integer)
[1] "integer"