R语言教程：创建数据集

1、数据集的概念

数据集一般情况下是由数据构成的一个矩形数据，行表示观测值，列表示变量。例如：

病例数据(引自R语言实战)

通过数据集，可以清楚的看到数据结构及其中包含的内容和数据类型。

2、数据结构

R中有很多用于储存数据的结构，包括标量、向量、数组、数据框和列表。它们在储存数据的类型、创建方式、结构复杂度，及用于定位和访问其中个别元素的标记等方面均有所不同。

R中的数据结构(引自R语言实战)

向量

向量（vector）是用于储存数值型、字符型或者逻辑型数据的一维数组。R中的c()函数可以用来创建向量，例如：

a<-c(1,2,3,4,5,6,7,8,9,10)
b<-c("one", "two", "three")
c<-c(TRUE, TRUE, TRUE, FALSE, TRUE)
#a是数值型向量，b是字符型向量，c是逻辑型向量（同一向量中无法混合不同模式的数据）。
#a<-c(2: 6) 和 a<-c(2,3,4,5,6)是一样的

矩阵

矩阵（matrix）是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。可以通过matrix()函数创建矩阵。一般可以使用如下格式：

mmatrix <- matrix(vector, nrow=number of rows, ncol=number of columns, byrow=logical value, dimnames=list, char vector rownames, char vector conames)

其中vector包含了矩阵的元素， nrow和ncol用以指定行和列的维数， dimnames包含了可选的、以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行填充（ byrow=TRUE）还是按列填充（ byrow=FALSE），默认情况下按列填充。代码清单2-1中的代码演示了matrix()函数的用法。

y<-matrix(1:20, nrow = 5, ncol = 4)
y

5×4的矩阵

cells <- c(1,26,24,68)
rnames <- c("A1","A2")
cnames <- c("B1","B2")
y1<-matrix(cells, nrow = 2, ncol = 2, byrow = T, dimnames = list(rnames, cnames))
y1

2×2 行名为A和列名为B的矩阵

数组

数组（array）和矩阵类似，但其维度可以大于2。数组可以通过array()函数创建，形式如下：
myarry <- array(vector, dimensions, dimnames)
其中vector包含了数组中的数据， dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。我们创建一个三维（2×3×4）数据型数组的代码如下：

dim1 <- c("a1","a2")
dim2 <- c("b1","b2")
dim3 <- c("c1","c2")
all <- array(1:24, c(2,3,4), dimnames(dim1, dim2, dim3)
all

2×3×4三维数值型数组

数据框

数据框（data frame）是R中最常见处理数据结构。例如病例数据集包含数值型和字符型数据。由于该数据有多种模式（数值型和字符型同时存在），则无法将此数据集放入一个矩阵，因此在这种情况下应该使用数据框。
data <- data.frame(col1, col2, col3,….)
列向量col1, col2, col3,… 可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定。

a<-c(1,2,3,4,5,6)
b<-c(23,22,23,22,12,32)
c<-c("A","B","C","A","B","C")
data<-data.frame(a, b, c)
data

每一列数据的模式必须唯一，不过你却可以将多个模式的不同列放到一起组成数据框。由于数据框与分析人员通常设想的数据集的形态较为接近，我们在讨论数据框时将交替使用术语列和变量。

因子

因子（factor）是R语言中比较特殊的一个数据类型， 它是一个用于存储类别的类型。R中用因子代表数据中分类变量，如性别、省份、职业。 有序因子代表有序量度，如打分结果，疾病严重程度等。用factor()函数把字符型向量转换成因子，如：

x <- c("男", "女", "男", "男",  "女")
sex <- factor(x)
sex
attributes(sex)
levels(sex)
as.numeric(sex)

factor(x, levels = sort(unique(x), na.last = TRUE),
       labels, exclude = NA, ordered = FALSE)

li1 <- factor(c('男', '女'))
li2 <- factor(c('男', '男'))
c(li1, li2)

factor(c(as.character(li1), as.character(li2)))

列表

列表（list）是R数据类型中最为复杂的一种。一般来说，列表就是一些对象或者成分的有序集合。列表允许被整合若干对象到单个对象名下。例如，某个列表可能是若干向量、矩阵、数据框，甚至其他列表的组合，可以使用list()函数创建列表：

mylist <- list(ob1, ob2,....) #对象可以是目前为止讲到的任何结构。

示例代码：

a <- "my list"
b <- c(1,2,3,4,5)
c <- matrix(1:5, nrow = 5)
d <- c("A", "B", "C")
mylist <- list(title = a, num = b)

list示例

本例创建了一个列表，其中有四个成分：一个字符串、一个数值型向量、一个矩阵以及一个字符型向量。可以组合任意多的对象，并将它们保存为一个列表。

注意事项

注意事项(引自R语言实战)

参考文献

Robert I. Kabacoff (著). R语言实战(高涛/肖楠/陈钢 译). 北京: 人民邮电出版社.