Введение в R и RStudio

 > head(women[1]) height 1 58 2 59 3 60 4 61 5 62 6 63 > head(women[[1]]) [1] 58 59 60 61 62 63 

Функция head говорит R, что нужно возвращать только первые 6 результатов — поэтому мы сохраняем нашу консоль красивой и без прокрутки, что отлично подходит для краткого просмотра наборов данных без распечатки их полностью. (Обратного можно достичь с помощью tail который печатает последние 6 результатов).

Здесь мы видим, что при доступе к столбцу с одной квадратной скобкой [1] мы получаем кадр данных, но с одним столбцом меньше. Однако, если мы получим доступ к нему с помощью двойной квадратной скобки [[1]] , мы получим числовой вектор высот. Данные, возвращаемые с использованием одинарной скобки, остаются того же типа, что и родительские данные, в то время как средство доступа с двойной скобкой предназначается для конкретных значений в этом столбце и возвращает их в их наиболее элементарной форме, числовом векторе.

Мы создаем фреймы данных с data.frame функции data.frame :

 > men <- data.frame(height = c(50:65), weight = c(150:165)) > head(men) height weight 1 50 150 2 51 151 3 52 152 4 53 153 5 54 154 6 55 155 

Здесь мы создали образец набора данных для men не похожий на набор women из предыдущего.

Если мы хотим получить только имена столбцов, мы используем функцию names . Мы даже можем присвоить ему значение и таким образом изменить имена столбцов:

 > names(men) [1] "height" "weight" > names(men) <- c("Male Height", "Male Weight") > head(men) Male Height Male Weight 1 50 150 2 51 151 3 52 152 4 53 153 5 54 154 6 55 155 

матрица

Матрицы являются многомерными векторами. Они похожи на кадры данных, но могут содержать только значения одного типа. Они создаются с помощью функции matrix и нуждаются в количестве строк и столбцов в качестве параметров, а также в значениях, которые нужно поместить в следующие слоты:

 > m <- matrix(nrow = 4, ncol = 5, 1:20) > m [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20 

Что произойдет, если количество предоставленных значений не соответствует количеству ячеек?

 > m <- matrix(nrow = 4, ncol = 5, 1:25) Warning message: In matrix(nrow = 4, ncol = 5, 1:25) : data length [25] is not a sub-multiple or multiple of the number of rows [4] > m [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20 

Мы получаем предупреждение, но матрица все равно создается, а все дополнительные значения просто отбрасываются. Если значений меньше, чем ячеек, предоставленные значения повторно используются до заполнения матрицы:

 > m <- matrix(nrow = 4, ncol = 5, 1:16) Warning message: In matrix(nrow = 4, ncol = 5, 1:16) : data length [16] is not a sub-multiple or multiple of the number of columns [5] > m [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 1 [2,] 2 6 10 14 2 [3,] 3 7 11 15 3 [4,] 4 8 12 16 4 

Так же, как у фреймов данных есть атрибут / функция names , так и у матриц есть dim (размерность). Изменение этого свойства может изменить форму матрицы:

 > m <- 1:15 > m [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 > dim(m) NULL > dim(m) <- c(3,5) > m [,1] [,2] [,3] [,4] [,5] [1,] 1 4 7 10 13 [2,] 2 5 8 11 14 [3,] 3 6 9 12 15 > dim(m) [1] 3 5 > dim(m) <- c(5,3) > m [,1] [,2] [,3] [1,] 1 6 11 [2,] 2 7 12 [3,] 3 8 13 [4,] 4 9 14 [5,] 5 10 15 > dim(m) [1] 5 3 > dim(m) <- NULL > m [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 

Здесь мы создали числовой вектор из 15 последовательных чисел (в таких случаях мы можем опустить c ). Атрибут dim не существовал в нем, как видно из функции dim возвращающей NULL, поэтому мы изменили его, присвоив ему числовой вектор 3, 5 . Это привело к перестановке элементов, чтобы вписаться в недавно построенную матрицу. Затем мы снова изменили размеры, инвертировав число столбцов и строк в 5, 3 , что снова привело к другой матрице. Наконец, обнуление размеров привело к появлению числового вектора с самого начала.

Также возможно комбинировать / расширять / изменять векторы, кадры данных и матрицы, используя cbind и rbind :

 > v <- 1:5 > x <- 6:10 > bound <- cbind(v, x) > bound vx [1,] 1 6 [2,] 2 7 [3,] 3 8 [4,] 4 9 [5,] 5 10 > bound <- rbind(v, x) > bound [,1] [,2] [,3] [,4] [,5] v 1 2 3 4 5 x 6 7 8 9 10 

факторы

Факторами являются векторы с метками. Это отличается от символьных или даже числовых векторов, потому что они, как говорят ребята, «самоописывают», что позволяет функциям R автоматически понимать их больше, чем другим типам. Они построены с помощью factor функции, которая должна указывать вектор в качестве аргумента:

 > f <- factor(c("Hello", "World", "Hello", "Annie", "Hello", "World")) > f [1] Hello World Hello Annie Hello World Levels: Annie Hello World > table(f) f Annie Hello World 1 3 2 

Уровни перечисляют уникальные элементы в факторе. table функция захватывает фактор и создает таблицу, состоящую из различных уровней фактора и количества их вхождений в фактор.

Лично я еще не нашел использования факторов в своих проектах, но я узнаю о них .

Вывод

В этой статье мы рассмотрели основные типы данных в R и основы использования RStudio. Теперь вы вооружены всеми знаниями, необходимыми для начала некоторых базовых операций с данными, о чем мы рассмотрим в следующем посте. Помните, что все функции, которые мы рассмотрели выше, полностью доступны для поиска в файлах справки с
?function где «функция» — это имя функции.

При изучении языка программирования обычно сначала обучают типы данных, затем логические операторы и третьи структуры управления, прежде чем переходить к более сложным вещам, таким как функции и классы, но в этом случае, я считаю, мы заложили достаточно приличную основу, чтобы прыгнуть прямо. в огонь и учиться на примере. Мы рассмотрим все это на реальных, практических данных — но только если вы заинтересованы.

Дайте нам знать, что вы подумали об этом посте — прокомментируйте ниже, поделитесь им или просто «сердитесь» на форумах — если есть большой интерес к изучению R в нашей аудитории SitePoint, мы были бы более чем рады вдаваться в подробности ,