"R實戰(zhàn)"專題·第4篇
編輯 | 科白君
本期推送內(nèi)容
按個人的要求來創(chuàng)建含有研究信息的數(shù)據(jù)集，這是任何數(shù)據(jù)分析的第一步碗殷。同時精绎，這也是學(xué)習(xí)R語言過程重要的入門環(huán)節(jié)。特別是初學(xué)過程锌妻，更多的是模仿學(xué)習(xí)代乃。由于不理解數(shù)據(jù)結(jié)構(gòu)，導(dǎo)致無法正確模仿數(shù)據(jù)格式并無法正常運行代碼仿粹。因此搁吓，本期介紹R語言的基礎(chǔ)內(nèi)容：數(shù)據(jù)集概念，數(shù)據(jù)結(jié)構(gòu)吭历、數(shù)據(jù)輸入及導(dǎo)出堕仔。主要講解相應(yīng)內(nèi)容的R包及函數(shù)使用，希望大家學(xué)習(xí)后能解決以下問題：1)?數(shù)據(jù)集有哪些類型的變量組成晌区；2)?清楚數(shù)據(jù)集的數(shù)據(jù)結(jié)構(gòu)摩骨；3)?讀取各類型文件的數(shù)據(jù)；4)?成功導(dǎo)出所需要的數(shù)據(jù)朗若。
想學(xué)習(xí)R語言的朋友可以持續(xù)關(guān)注微信公眾號：科白君的土壤世界
一恼五、數(shù)據(jù)集的概念
數(shù)據(jù)集通常是由數(shù)據(jù)構(gòu)成的一個矩形數(shù)組，行表示觀測哭懈，列表示變量灾馒。在R中，數(shù)據(jù)集包括以下兩步：1）選擇一種數(shù)據(jù)結(jié)構(gòu)來儲存數(shù)據(jù)银伟；2）將數(shù)據(jù)輸入或?qū)氲竭@個數(shù)據(jù)結(jié)構(gòu)中你虹。另外，R主要可處理的數(shù)據(jù)類型包括數(shù)值型彤避、字符型傅物、邏輯型（TRUE or FALSE）、復(fù)數(shù)型（虛數(shù)）和原生型（字節(jié)）琉预。
二董饰、數(shù)據(jù)結(jié)構(gòu)的類型
R擁有許多用于存儲數(shù)據(jù)的對象類型，包括標量圆米、向量卒暂、矩陣、數(shù)組娄帖、數(shù)據(jù)框和列表也祠。它們在儲存數(shù)據(jù)的類型、創(chuàng)建方式近速、結(jié)構(gòu)復(fù)雜度诈嘿，及定位和訪問其中某元素的方法等均有所差異堪旧。接下來一一介紹。
1）標量
與C語言不同奖亚，R語言中淳梦，單個數(shù)據(jù)(標量)沒有單獨的數(shù)據(jù)類型，它只是向量的一種特例昔字，標量以單元素向量的形式出現(xiàn)爆袍。標量是只含一個元素的向量，例如f <- 3作郭、g <- "US"和h <- TRUE陨囊。它們用于保存常量。因此夹攒，R中最基本的數(shù)據(jù)類型是向量谆扎。
2）向量
向量是用于存儲數(shù)值型、字符型或邏輯型數(shù)據(jù)的一維數(shù)組芹助。執(zhí)行組合功能的函數(shù)c（）可用來創(chuàng)建向量。例如：
我們可以使用a[c(2, 4)]訪問向量a中的第二個和第四個元素闲先。此外状土，我們具體看下面例子：
3）矩陣
矩陣是一個二維數(shù)組，只是每個元素都擁有相同的數(shù)據(jù)類型（同上三種）伺糠∶晌剑可用函數(shù)matrix（）創(chuàng)建矩陣。
我們可以使用下標和方括號來選擇矩陣中的行训桶、列或元素累驮。x[i, ]指矩陣中x中的第i行，x[i, j]指第i行第j個元素舵揭。選擇多行或多列時谤专，下標i和j可為數(shù)值型向量。For example：
4）數(shù)組
數(shù)組（array）與矩陣類似午绳，但緯度可以大于2置侍。數(shù)組可以用array函數(shù)構(gòu)建，例如：
### vector包含數(shù)組中的數(shù)據(jù)拦焚，dimen.是數(shù)值型向量蜡坊，給出各維度下標的最大值，而dimnames是可選的赎败、各維度名稱標簽的列表秕衙。
5）數(shù)據(jù)框
由于不同的列包含不同類型的數(shù)據(jù)，數(shù)據(jù)框的概念較矩陣來說更一般僵刮。通常數(shù)據(jù)框是R中最常處理的數(shù)據(jù)結(jié)構(gòu)据忘。數(shù)據(jù)框可通過函數(shù)data.frame（）創(chuàng)建：
具體例子：
關(guān)于選取數(shù)據(jù)框中的元素的方式有很多種鹦牛，我們可以使用矩陣中的方括號標記法，也可直接指定列名：
6）因子
類別（名義型）變量和有序類別（有序型）變量在R中稱為因子（factor）若河。因子在R中非常重要能岩，因為它決定了數(shù)據(jù)的分析方式以及如何進行視覺呈現(xiàn)。例如：
7）列表
列表（list）是R的數(shù)據(jù)類型中最為復(fù)雜的一種萧福。通常拉鹃，列表就是一些對象或成分的有序集合。列表允許你整合若干對象到單個對象名下鲫忍。例如膏燕，某個列表中可能包含若干向量、矩陣悟民、數(shù)據(jù)框坝辫，甚至其他列表的組合∩淇鳎可用list（）函數(shù)構(gòu)建列表：
具體例子：
提取數(shù)據(jù)：
三近忙、數(shù)據(jù)的輸入
使用R進行數(shù)據(jù)分析的時候，首先要導(dǎo)入數(shù)據(jù)智润。R語言支持的數(shù)據(jù)類型很多及舍，包括、excel文件窟绷，csv文件锯玛，txt文件等。很多人初學(xué)者甚至還沒開始就已經(jīng)對R語言放棄了兼蜈，正是倒在了數(shù)據(jù)導(dǎo)入這一步攘残。下面給大家提供幾種常見的數(shù)據(jù)導(dǎo)入方法。
1）使用鍵盤手動輸入數(shù)據(jù)
有兩種常見的方式：用R內(nèi)置的文本編輯器和直接在代碼中導(dǎo)入數(shù)據(jù)为狸。首先歼郭，利用文本編譯器。
R中的函數(shù)edit（）自動調(diào)用一個手動輸入數(shù)據(jù)的文本編譯器辐棒。步驟如下：
①創(chuàng)建一個空的數(shù)據(jù)框/矩陣实撒，其中變量名和變量的類型需與理想中的最終數(shù)據(jù)集一致；
②針對這個數(shù)據(jù)對象調(diào)用文本編譯器涉瘾，輸入數(shù)據(jù)知态，并將結(jié)果保存回此數(shù)據(jù)對象。
例子：先創(chuàng)建一個名為data的數(shù)據(jù)框立叛，含有三個變量：數(shù)值型负敏，字符型和數(shù)值型。然后使用文本編譯器秘蛇，鍵入數(shù)據(jù)其做，最后保存結(jié)果顶考。
通過edit（）函數(shù)調(diào)用出數(shù)據(jù)編輯器，如下圖
R軟件彈出數(shù)據(jù)編輯器后妖泄，我們就可以點擊第四列格子進行變量的定義驹沿。例如這里點擊"var4"后，就會彈出一個編輯器蹈胡，這里我們就可以對變量的變量名和類型（數(shù)值渊季，字符）進行定義。
定義好變量后罚渐，可以進行手動輸入數(shù)據(jù)却汉。不過這種方式只適合少量的數(shù)據(jù)輸入，當數(shù)據(jù)量比較大時荷并，建議使用其他的方式導(dǎo)入數(shù)據(jù)合砂。
此外，可以直接在程序中嵌入數(shù)據(jù)集源织，例如：
2）使用函數(shù)導(dǎo)入數(shù)據(jù)（主要以excel文件格式為主）
①導(dǎo)入csv或txt文件翩伪，使用基礎(chǔ)的read.table（）函數(shù)導(dǎo)入數(shù)據(jù)。另外谈息，也可以使用read.csv（）函數(shù)幻工。該函數(shù)可以讀入一個表格格式的文件并保存為一個數(shù)據(jù)框±杈ィ基本的語法表達式：
主要的參數(shù)理解：
file：文件路徑（注意：Windows路徑要用斜杠 "?/ "?or雙反斜杠 " \\ "）。
header：默認為FALSE当悔，即數(shù)據(jù)框的列名默認系統(tǒng)自帶的V1傅瞻，V2...Vn，為TRUE時第一行作為每列的列名盲憎。
sep：分隔符嗅骄，默認為空格，可以設(shè)置為逗號(comma) sep=","饼疙，分號(semicolon) sep="?; "及制表符(tab)溺森。
row.names：是可選參數(shù)，表示行標識符的變量窑眯。當row.names=1時表示第一列作為每一行的行名屏积，當row...=2時，表示第二列磅甩，數(shù)字表示某一列炊林。特別是，該參數(shù)使用的時候卷要，該列中不能存在重復(fù)名渣聚，否則報錯独榴。
具體：
②導(dǎo)入excel文件，需要用到R包library(xlsx)奕枝，可以直接導(dǎo)入Excel工作表棺榔。但是要確保第一次使用前先進行下載和安裝。同時也需要xlsxJars和rJava包還有openxlsx包隘道，及一個正常工作的Java安裝（http://java.com）症歇。優(yōu)勢：一個文件夾存儲多個sheet，數(shù)據(jù)讀取的時候不需要新建多個文件薄声。基本的語法表達式：
主要的參數(shù)理解：
file：文件路徑（注意：Windows路徑要用斜杠 "?/ "or雙反斜杠 " \\ "）当船。
sheet：n表示xlsx格式下，不同sheet的表格默辨。n=1表示讀取第一個sheet德频，以此類推。特別是缩幸，如果漏寫n會報錯壹置。
具體過程：
四、數(shù)據(jù)的導(dǎo)出
通常在分析時候表谊，我們需要用到計算后的結(jié)果钞护，需要把計算的結(jié)果導(dǎo)出。這里我們常用到的函數(shù)有write.table爆办，write.csv來導(dǎo)出txt难咕，csv格式的文件。另外距辆，write.xlsx用來導(dǎo)出xlsx格式的文件余佃。這里，我們選擇最基礎(chǔ)的write.table的語法表達式進行介紹跨算，剩下的導(dǎo)出方式建議大家用help（）函數(shù)進行查閱或 ?函數(shù)名進行查閱：
x：需要導(dǎo)出的數(shù)據(jù)爆土，這里是指前面賦值過的數(shù)據(jù)。
file：導(dǎo)出的文件路徑诸蚕。
sep：分隔符步势，默認為空格（" "），也就是以空格為分割列背犯。
row.names：是否導(dǎo)出行序號坏瘩，默認為TRUE，也就是導(dǎo)出行序號漠魏。
col.names：是否導(dǎo)出列名桑腮，默認為TRUE，也就是導(dǎo)出列名蛉幸。
quote：字符串是否使用引號表示破讨，默認為TRUE丛晦，也就是使用引號表示。
例如：將數(shù)據(jù)框C輸出為.csv文件
Tips：
1. 單個向量中的數(shù)據(jù)必須擁有相同的類型或模式（數(shù)值型提陶、字符型或邏輯型）烫沙，同一向量中無法混雜不同類型的數(shù)據(jù)。
2. 矩陣都是二維的隙笆，與向量相似锌蓄，僅能包含一種數(shù)據(jù)類型。超過二維時撑柔，考慮使用數(shù)組瘸爽。當數(shù)據(jù)為多種類型時，可考慮使用數(shù)據(jù)框铅忿。
3. 另外剪决，在已經(jīng)構(gòu)建好的數(shù)據(jù)框里，除了通過edit（）能夠編輯檀训，fix（）函數(shù)也可以編輯數(shù)據(jù)框里的數(shù)值型和字符型變量柑潦。
4. write.table / read.table 既可以讀取txt文件也可以導(dǎo)入csv格式的文件。
