R語言數據類型有哪些

這篇文章主要介紹了R語言數據類型有哪些，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

R語言用來存儲數據的對象包括: 向量, 因子, 數組, 矩陣, 數據框, 時間序列(ts)以及列表

意義介紹

1. 向量(一維數據): 只能存放同一類型的數據

語法: c(data1, data2, ...),訪問的時候下標從1開始(和Matlab相同);向量里面只能存放相同類型的數據.

> x <- c(1,5,8,9,1,2,5)
> x
[1] 1 5 8 9 1 2 5
> y <- c(1,"zhao") # 這里面有integer和字符串, 整數自動轉化成了字符
> y[1] 
[1] "1"

訪問:

> x[-(1:2)]  # 不顯示第1,2個元素
[1] 8 9 1 2 5
> x[2:4]    # 訪問第2,3,4個元素
[1] 5 8 9

2. 因子(factors): 提供了一個處理分類數據的更簡潔的方式

因子在整個計算過程中不再作為數值, 而是作為一個"符號"而已.

factor(x=character(), levels, labels=levels, exclude=NA, ordered=is.ordered(x), nmax=NA)

x: 一個數據向量, 它將被轉換成為因子;

levels: 用來指定因子可能出現的水平(默認也就是向量x里面互異的值, sort(unique(x)));它是一個字符向量(即每個元素是單個字符, 組成的一個向量), 下面的變量b就是一個字符向量(可以使用as.character()函數來生成).

labels: 用來指定水平的名字;

> a <- c(6,1,3,0)
> b = as.character(a)
> b
[1] "6" "1" "3" "0"

exclude: 一個值向量, 表示從向量x里面剔除的水平值.

nmax: 水平數目的上界.

> factor(1:3)
[1] 1 2 3
Levels: 1 2 3
> factor(1:3, levels=1:6)
[1] 1 2 3
Levels: 1 2 3 4 5 6
> factor(1:6, exclude = 2)
[1] 1  <NA> 3  4  5  6  
Levels: 1 3 4 5 6

一般因子(factor) VS 有序因子(ordered factor)

因子用來存放變量或者有序變量, 這類變量不能用來計算, 而只能用來分類或者計數. 一般因子表示分類變量, 有序因子用來表示有序變量.

創建一個因子:

> colour <- c('G', 'G', 'R', 'Y', 'G', 'Y', 'Y', 'R', 'Y')
> col <- factor(colour) #生成因子
#labels里面的內容代替對應位置處的levels內容
> col1 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('Green', 'Red', 'Yellow'))
> levels(col)
[1] "G" "R" "Y"
> levels(col1)
[1] "Green" "Red"  "Yellow"
> col2 <- factor(colour, levels = c('G', 'R', 'Y'), labels = c('1', '2', '3'))
> levels(col2)
[1] "1" "2" "3"
> col_vec <- as.vector(col2)
> class(col_vec)
[1] "character"
> col2
[1] 1 1 2 3 1 3 3 2 3
Levels: 1 2 3
> col_num <- as.numeric(col2)
> col_num
[1] 1 1 2 3 1 3 3 2 3
> col3 <- factor(colour, levels = c('G', 'R')) #levels里面沒有'B',導致col3里面的'B'變成了<NA>
> col3
[1] G  G  R  <NA> G  <NA> <NA> R  <NA>
Levels: G R
> colour
[1] "G" "G" "R" "Y" "G" "Y" "Y" "R" "Y"

創建一個有序因子:

> score <- c('A', 'B', 'A', 'C', 'B')
> score1 <- ordered(score, levels = c('C', 'B', 'A'));
> score1
[1] A B A C B
Levels: C < B < A

3. 矩陣(matrix, 二維數據): 只能存放同一類型

語法: matrix(data, nrow = , ncol = , byrow = F) -- byrow = F表示按列來存放數據(默認), byrow=T表示按行存放數據;

> xx = matrix(1:10, 2, 5)
> xx
   [,1] [,2] [,3] [,4] [,5]
[1,]  1  3  5  7  9
[2,]  2  4  6  8  10

4. 數組(大于等于三維的數據): 只能存放同一類型

語法: array(data, dim) -- data: 必須是同一類型的數據; dim: 各維的維度組成的向量;(怎么感覺和matlab里面的reshape函數那么像)

> a = array(1:10,c(2,5))
> a
   [,1] [,2] [,3] [,4] [,5]
[1,]  1  3  5  7  9
[2,]  2  4  6  8  10

5. 數據框(data frame)

數據框是一種矩陣形式排列的數據(類似于excel表格), 但是和矩陣不同的是, 它的每一列可以是不同的數據類型(還是和excel很像).

語法: data.frame(data1, data2,...) -- data1,...為每列的數據.

> name <- c("Mr A", "Mr B", "Mr C")
> group <- rep(1,3)
> scort <- c(58,15,41)
> df <- data.frame(name, group, scort)
> df
 name group scort
1 Mr A   1  58
2 Mr B   1  15
3 Mr C   1  41

數據訪問:

> df$name
[1] Mr A Mr B Mr C
Levels: Mr A Mr B Mr C
 > df[1]
  name
 1 Mr A
 2 Mr B
 3 Mr C

6. 列表(list): 可以存放不同類型的數據

語法: list(name1=component1, name2=component2, ...)

> xx <- rep(1:2, 3:4)
> yy <- c('Mr A', 'Mr B', 'Mr C', 'Mr D', 'Mr E', 'Mr D', 'Mr F')
> zz <- 'discussion group'
> name.list <- list(group = xx, name = yy, decription = zz)  
> name.list
$group
[1] 1 1 1 2 2 2 2

$name
[1] "Mr A" "Mr B" "Mr C" "Mr D" "Mr E" "Mr D" "Mr F"

$decription
[1] "discussion group"

感謝你能夠認真閱讀完這篇文章，希望小編分享的“R語言數據類型有哪些”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，更多相關知識等著你來學習!