附代码 ｜详解R语言的高级数据结构
有时数据需要比向量更复杂的存储方式。幸运的是，R软件提供了很多的数据结构。常见的有数据框（data.frame）、矩阵（matrix）、列表（list）以及数组（array）。数据框类似于电子表格，矩阵类似于人们熟悉的矩阵数学计算，列表对于程序员比较熟悉。
数据框是R语言中最有用的功能之一，它也是R语言的易用性经常被提及的原因之一。直观上，数据框就像Excel电子表格一样有列和行。在统计上，每列代表一个变量，每行代表一个观测。
在数据框中，每列实际是个向量，都有相同的长度。数据框可以用来保存不同数据类型的数据。这也暗示着，每列的每个元素必须是相同数据类型的，类似向量的要求。创建数据框有很多种方式，最简单的是用data.frame函数。这里用前面介绍过的向量x、y、q创建一个基本的数据框。
这里创建了一个由3个向量组成的10行3列的数据框。注意theDF的名字也是变量。实际上，可以在创建数据框的过程中设置变量名字。
数据框是具有很多属性的复杂对象。最常检查的属性是行数和列数，用nrow和ncol函数分别得到数据框的行数和列数，而dim函数可以同时得到数据框的行数和列数。
数据框的列名字用names函数获取。names函数返回一个字符向量，列出所有的列名。由于是向量，可以访问它的每一个元素。
也可以获取和指定数据框的行名字。
有时一个数据框有太多的行，以至于不能在屏幕上全部显示出来，这时，可以用head函数显示出前几行。
像其他变量一样，用class函数获取数据框所属的类。
列表框的每列是独立的向量，因此，每列都有它自己的类，可以单独被访问。R语言有多种方法来访问每个列，比如操作符和方括号。theDF$Sport得到theDF的第三列，这说明允许通过列名来指定特定的列。
与向量相似，数据框允许使用方括号通过位置访问单个元素，但是要用两个位置指定，而不是向量中的一个位置。第一个是行数，第二个是列数。用theDF[3,2]可以得到theDF的位于第三行第二列的元素。
可以用向量来索引更多的行或者列。
通过指定行而不指定任何列可以访问一整行。同样，可以指定列而不指定任何行来访问一整列。
将列参数指定为字符向量可以以列名访问多列。
访问指定列的另外一种方式是把列的名字（索引数）作为方括号里的第二个参数，或者作为单方括号或双方括号里的唯一参数。
这些方法的输出不尽相同。有些返回一个向量，有些返回一个单列的数据框。为了确保输出单列的数据框，使用单方括号，同时指定第三个参数：drop=FALSE。通过列索引数指定某列也同样适用。
factor的特殊存储形式也可以表示成数据框的形式，为此用model.matrix创建一个指示变量（或哑变量）的集合。列代表factor的水平值，每行里，对应水平值的那行为1，其他为0。
R语言的列表是一个容器，可以存储相同类型或者不同类型的数据。列表可以存储任意数量、任意类型的对象。列表可以全部包含数值型或者字符型数据，也可以包含两种数据类型的混合，以及数据框或者其他列表。
列表用list函数创建，函数的参数即为列表的元素。
注意，前面创建列表list3的代码块被括号整个括起来，使得执行的结果被打印出来。
像数据框一样，列表也可以有名字。列表中每个元素都有唯一的名字，可以使用names函数查看或设置名字。
列表元素的名字也可以在创建的过程中用名字-值成对指定。
令人惊奇的是，可以用vector创建指定长度的空列表。
用双方括号，通过设定元素编号或元素名字，可以访问列表的单个元素。注意这种方式一次只能访问一个元素。
如果实际使用的元素在一个被访问的元素中，可以通过元素的嵌套索引来访问。
使用索引（数字或名字）可以对列表增加元素，前提是该索引事先不存在列表中。
偶尔对列表或向量或数据框增加元素都还好，但是，如果反复这样做计算代价就太高了。所以最好创建指定长度的列表，然后通过合适的索引增加元素。
对统计非常重要的数学结构是矩阵。矩阵跟数据框有点相似，是一个矩形结构，具有行和列，每列的数据类型相同，每个元素的数据类型也相同一般都是数值型。矩阵跟向量相似，也可以进行元素与元素的加法、减法、乘法、除法、等式运算。nrow、ncol和dim函数的使用方法与数据框的类似。
矩阵乘法是常用的数学运算，要求左边矩阵的列数等于右边矩阵的行数。矩阵A和B都是5×2矩阵，所以为了能让矩阵B放在右边进行矩阵乘法运算，需要对矩阵B取转置。
另外一个跟数据框相似的地方是，矩阵也有行和列的名字。
有两个特殊的向量，letters和LETTERS，分别由小写字母和大写字母组成。
对矩阵取转置进行矩阵乘法的时候，需要注意乘积结果。转置会置换行和列的名字。矩阵乘积的行名字取自左边矩阵的行名字，矩阵乘积的列名字取自右边矩阵的列名字。
本质上，数组是一个多维向量，它的所有元素必须是相同类型，用方括号访问单个元素。方括号里第一个参数是行索引，第二个参数是列索引，剩下的参数是维度。
数组和矩阵最主要的不同是，矩阵只能是二维，而数组可以是任意维度。
数据的数据类型和结构太多的话，会对一些分析环境带来问题，但是R语言都能从容应对。R语言中最基础的数据结构是一维向量。功能最强大的数据结构是数据框（在其他语言中都没有），可以像电子表格一样处理混合数据类型。列表多用于存储数据集合，有点像Perl中的散列表。
本文摘编于《R语言：实用数据分析与可视化技术》
点击链接了解详情并购买
本书借鉴数据科学家Jared P Lander在R语言上丰富的教学经验，通过大量实例，详细讲解R语言的核心功能。对于刚接触统计程序和模型的人，本书的内容组织结构使得学习R语言相当简单和直观。本书主要介绍R语言中20%的核心功能，但是这20%的功能足以让你解决80%的现代数据分析。
书单 |