文章目录

• • 列表
  • 数据帧
  • 表头

R语言系列：1 编程基础💎2 循环语句💎3 向量、矩阵和数组

前面介绍了向量、矩阵和数组这三种数据结构，它们在数学计算方面便捷而强大。接下来介绍两种更有R风格的数据结构，即列表和数据表，这五种数据类型的差异如下

列表

从外观上看，列表和向量是极为相似的，但二者的内在并不同，向量中的内容必须有着相同的数据类型，但列表并不需要。为了说明这种区别，可以在命令行中分别创建两个变量

> vec = c(1,'2')
> lst = list(1,'2')
> print(lst)
[[1]]
[1] 1[[2]]
[1] "2"
> print(vec)
[1] "1" "2"

也就是说，向量自动将1转化为了"1"，从而和"2"保持相同的数据类型，但list并不需要，而且可以更加方便地进行添加、删除元素等操作，如下例所示

> lst[3] <- "3"
> print(lst)
[[1]]
[1] 1[[2]]
[1] "2"[[3]]
[1] "3"> lst[3] <- NULL
> lst
[[1]]
[1] 1[[2]]
[1] "2"

那么， 代价是什么？

代价就是列表没法像向量那样自由地进行计算。

数据帧

数据帧是通过data.frame()创建的数据结构，有的时候也称之为数据框，简单地理解就是二维列表，其创建函数为

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

其中，vecs是多组列向量，是创建数据框必不可少的要素，

• row.names 为行名
• check.rows 为TRUE时，会检测行的名称和长度是否一致
• check.names 为TRUE时，检测数据框的变量名是否合法
• fix.empty.names 为TRUE时，未命名的参数自动设置名
• stringsAsFactors 为TRUE时，字符自动转换为因子

示例如下

table = data.frame(姓名 = c("张三", "李四"),工号 = c("001","002"),月薪 = c(1000, 2000))
print(table)

输出结果为

  姓名 工号 月薪
1 张三  001 1000
2 李四  002 2000

其索引方式比较灵活，既可以通过行号、列号，也可以直接通过列名

> print(table[1])姓名
1 张三
2 李四
> print(table["姓名"])姓名
1 张三
2 李四
> print(table[,1])
[1] "张三" "李四"

通过符号$可以更加便捷地根据列名来提取某一列，以及增添或删除某一列，其逻辑与列表相同

> table$姓名
[1] "张三" "李四"
> table$姓名 <- NULL    # 
> table工号 月薪
1  001 1000
2  002 2000
> table$姓名 <- c("张三", "李四")
> table工号 月薪 姓名
1  001 1000 张三
2  002 2000 李四

表头

数据帧可以通过表头来索引，这一点列表、向量等数据结构同样可以做到。其中，列表通过names函数来实现

lst <- list(c("hello","R","language"), c(1,2,3,4,5,6),list("hello",3.14))names(lst) <- c("Sites", "Numbers", "Lists")

然后就可以使用$来索引了

> lst$Sites
[1] "hello"    "R"        "language"

向量也可以通过names来进行命名，但不支持$索引

> vec <- c(1,2,3)
> names(vec) <- c("a","b","c")
> vec
a b c 
1 2 3 

矩阵可通过colnames和rownames分别进行行和列的命名

> m1 = matrix(1:12, 3, 4)
> rownames(m1)<-c("r1","r2","r3")
> colnames(m1)<-c("c1","c2","c3","c4")
> m1c1 c2 c3 c4
r1  1  4  7 10
r2  2  5  8 11
r3  3  6  9 12