R學(xué)習(xí)筆記(2)：R中的數(shù)據(jù)類型和數(shù)據(jù)結(jié)構(gòu)
本文最新版已更新至：http://thinkinside.tk/2013/05/09/r_notes_2_data_structure.html
盡管前面提到R是面向?qū)ο蟮模莻€(gè)人認(rèn)為R中的所謂對(duì)象其實(shí)只是一種結(jié)構(gòu)（struct）。還是要使用函數(shù)對(duì)其進(jìn)行操作。
R中的數(shù)據(jù)結(jié)構(gòu)主要面向《線性代數(shù)》中的一些概念，如向量、矩陣等。值得注意的是，R中其實(shí)沒有簡單數(shù)據(jù)（數(shù)值型、邏輯型、字符型等），對(duì)于簡單類型會(huì)自動(dòng)看做長度為1的向量。比如：
> b=5 > length(b) [1] 1 > typeof(b) [1] "double" > mode(b) [1] "numeric"
R中最重要的數(shù)據(jù)結(jié)構(gòu)是向量(vector)和矩陣(matrix)。
向量由一系列類型相同的有序元素構(gòu)成；矩陣是數(shù)組(array)的一個(gè)特例：維數(shù)為2的數(shù)組；而數(shù)組又是增加了維度（dim)屬性的向量。
除此之外，列表（list）和數(shù)據(jù)框（data frame）分別是向量和矩陣的泛化——列表允許包含不同類型的元素，甚至可以把對(duì)象作為元素；數(shù)據(jù)框允許每列使用不同類型的元素。對(duì)于列表和數(shù)據(jù)框，其中的元素通常稱為分量（components）。
對(duì)象的類型和長度
R中所有的對(duì)象都有類型和長度屬性，可以通過函數(shù)typeof()和length()獲取/設(shè)置。舉例如下：
View Code
> x = c(1,2,3,4) > x [1] 1 2 3 4 > typeof(x) [1] "double" > length(x) [1] 4 > dim(x)=c(2,2) > x [,1] [,2] [1,] 1 3 [2,] 2 4 > typeof(x) [1] "double" > length(x) [1] 4 > Lst <- list(name="Fred", wife="Mary", no.children=3, + child.ages=c(4,7,9)) > > Lst $name [1] "Fred" $wife [1] "Mary" $no.children [1] 3 $child.ages [1] 4 7 9 > typeof(Lst) [1] "list" > length(Lst) [1] 4
typeof()函數(shù)可能返回如下的值（在R源代碼src/main/util.c的TypeTable中定義）：
# 數(shù)據(jù)對(duì)象
logical 含邏輯值的向量
integer 含整數(shù)值的向量
double 含實(shí)數(shù)值的向量
complex 含復(fù)數(shù)值的向量
character 含字符值的向量
raw 含字節(jié)值的向量
# 其他對(duì)象
list 列表
NULL 空
closure 函數(shù)
special 不可針對(duì)參數(shù)求值的內(nèi)置函數(shù)
builtin 可針對(duì)參數(shù)求值的內(nèi)置函數(shù)
environment 環(huán)境
# 通常在R內(nèi)部使用
symbol 變量名
pairlist 成對(duì)列表對(duì)象
promise 用于實(shí)現(xiàn)悠閑賦值的對(duì)象
language R 語言構(gòu)建
... 特定變量長度參數(shù)
any 可以匹配任何類型的特殊類型
expression 表達(dá)式對(duì)象
externalptr 外表指針對(duì)象
weakref 弱引用對(duì)象
char 字符
bytecode 二進(jìn)制
對(duì)象的類型不是一成不變的，可以隨時(shí)進(jìn)行轉(zhuǎn)換。接著上面的例子：
> typeof(x) [1] "double" > y = as.logical(x) > typeof(y) [1] "logical" 轉(zhuǎn)換的規(guī)則如下表： |----| | to numeric | to logical | to character |---+--- from numeric - |0 → FALSE 其它數(shù)字 → TRUE | 1, 2, ... → "1", "2" from logical FALSE → 0 TRUE → 1 |- | TRUE → "TRUE" FALSE → "FALSE" from character "1", "2", ... → 1, 2, ... "A",... →NA | "FALSE", "F" → FALSE "TRUE", "T" → TRUE 其它 → NA |
對(duì)象的長度也可以隨時(shí)發(fā)生改變，常見的包括如下情況：
> # 擴(kuò)大索引范圍 > x = c(1,2,3) > x [1] 1 2 3 > x[5] = 12 > x [1] 1 2 3 NA 12 > length(x) [1] 5 > # 直接設(shè)置length屬性 > length(x) = 2 > x [1] 1 2 > # 重新賦值（略） ? ? 對(duì)象的class和attributes typeof()處理對(duì)象內(nèi)元素的類型，而class()處理對(duì)象本身的類，例如： > x = 1:6 > x [1] 1 2 3 4 5 6 > typeof(x) [1] "integer" > class(x) [1] "integer" > dim(x) = c(3,2) > x [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > typeof(x) [1] "integer" > class(x) [1] "matrix"
通過class還可以更改對(duì)象的類，例如：
> x = 1:6 > class(x) [1] "integer" > class(x) = "matrix" 錯(cuò)誤于class(x) = "matrix" : 除非維度的長度為二(目前是0)，否則不能設(shè)為矩陣類別 > class(x) = "logical" > x [1] TRUE TRUE TRUE TRUE TRUE TRUE
除了typeof和length之外，其他class的對(duì)象可能還會(huì)有其他的屬性，可以通過函數(shù)attributes()和attr()進(jìn)行操作，例如：
> x = 1:6 > attributes(x) NULL > dim(x) = c(3,2) > attributes(x) $dim [1] 3 2 > x [,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > attr(x,"dim") = c(2,3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6
從例子可以看出，屬性以列表形式保存，其中所有元素都有名字。
從例子還可以看出，R的數(shù)組中，元素的排列順序是第一下標(biāo)變化最快，最后下標(biāo)變化最慢。這在FORTRAN中叫做“ 按列次序”。
一些常見的屬性如下：
names，可以為向量或列表的每個(gè)元素增加標(biāo)簽。
> x = 1:6 > x [1] 1 2 3 4 5 6 > attributes(x) NULL > attr(x,'names') = c('a','b','c') > x a b c <NA> <NA> <NA> 1 2 3 4 5 6 > attributes(x) $names [1] "a" "b" "c" NA NA NA
dim，標(biāo)記對(duì)象的維度。除向量外，基于數(shù)組的對(duì)象都會(huì)有一個(gè)維度屬性，是一個(gè)指定數(shù)組各維度長度的整數(shù)向量。與下標(biāo)類似，維度也可以命名。通過dimnames屬性可以實(shí)現(xiàn)這一目的：
> x = array(1:6,2:3) > x [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 > attributes(x) $dim [1] 2 3 > names = list(c('x','y'),c('a','b','c')) > dimnames(x) = names > x a b c x 1 3 5 y 2 4 6 > attributes(x) $dim [1] 2 3 $dimnames $dimnames[[1]] [1] "x" "y" $dimnames[[2]] [1] "a" "b" "c"
訪問對(duì)象中的元素
既然對(duì)象是元素的集合，很自然就會(huì)想到使用下標(biāo)來訪問對(duì)象中的元素：
> x = array(6:1,2:3) > x [,1] [,2] [,3] [1,] 6 4 2 [2,] 5 3 1 > x[1] #按照存儲(chǔ)的順序訪問單個(gè)元素 [1] 6 > x[2] #按照存儲(chǔ)的順序訪問單個(gè)元素 [1] 5 > x[3] #按照存儲(chǔ)的順序訪問單個(gè)元素 [1] 4 > x[1,2] #通過多個(gè)下標(biāo)訪問單個(gè)元素 [1] 4 > x[1,] #返回一行 [1] 6 4 2 > x[,1] #返回一列 [1] 6 5
如果對(duì)象有names屬性，還可以通過names進(jìn)行索引:
> x = array(6:1,2:3) > > names(x) = c('a','b','c') > x [,1] [,2] [,3] [1,] 6 4 2 [2,] 5 3 1 attr(,"names") [1] "a" "b" "c" NA NA NA > x['b'] #等價(jià)于x[2] b 5
上面兩個(gè)例子都是返回對(duì)象中的單個(gè)元素。在R中，還可以返回對(duì)象的多個(gè)元素，此時(shí)使用的索引不是簡單的數(shù)值或字符串，而是一個(gè)向量。繼續(xù)上面的例子：
> x[1:3] a b c 6 5 4 > x[c(3,4)] c <NA> 4 3 > x[c(1,2),c(1,2)] [,1] [,2] [1,] 6 4 [2,] 5 3 > x[c('a','b')] a b 6 5
用序列填充對(duì)象
前面的例子中，你可能會(huì)注意到一些與python類似的語法，比如序列：
a:b
R中提供了一些創(chuàng)建序列的方法，可以很方便的填充對(duì)象。包括規(guī)則序列和隨機(jī)序列。
規(guī)則序列用于產(chǎn)生有規(guī)則的序列:
使用a:b的形式是最簡單的用法;
如果需要更多的控制，可以使用seq(from,to,by,length,along）函數(shù);
使用rep()函數(shù)可以產(chǎn)生重復(fù)的元素。
例如：
> 1:3 [1] 1 2 3 > 2*1:3 [1] 2 4 6 > 3:1 [1] 3 2 1 > seq(1,2,0.2) [1] 1.0 1.2 1.4 1.6 1.8 2.0 > seq(1,2,0.3) [1] 1.0 1.3 1.6 1.9 > seq(to=2,by=.2) [1] 1.0 1.2 1.4 1.6 1.8 2.0 > seq(to=2,by=.2,length=3) [1] 1.6 1.8 2.0 > rep(1:3,2) [1] 1 2 3 1 2 3 > rep(1:3,each=2) [1] 1 1 2 2 3 3
隨機(jī)序列用于產(chǎn)生符合一定分布規(guī)則的數(shù)據(jù)。有大量的函數(shù)用于產(chǎn)生隨機(jī)序列，這里只列出一些函數(shù)的名稱：
數(shù)據(jù)編輯器
我們當(dāng)然可以使用下標(biāo)操作對(duì)象，編輯對(duì)象中的數(shù)據(jù)元素。但是R提供的一個(gè)可視化的工具能夠帶來更多的便利，這就是數(shù)據(jù)編輯器。
使用data.entry()函數(shù)可以打開數(shù)據(jù)編輯器：
> x = array(6:1,2:3)
> data.entry(x)
浙公網(wǎng)安備 33010602011771號(hào)