R语言学习笔记1——R语言中的基本对象

R语言，一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的Ross Ihaka和Robert Gentleman开发（也因此称为R），现在由 R开发核心团队 负责开发。R是基于S语言的一个GNU计划项目，所以也可以当作S语言的一种实现，通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。

R的源代码可自由下载使用，亦有已编译的可执行文件版本可以下载，可在多种平台下运行，包括UNIX（也包括FreeBSD和Linux）、Windows和MacOS。R主要是以命令行操作，同时有人开发了几种图形用户界面。

R内置多种统计学及数字分析功能。R的功能也可以通过安装包（Packages，用户撰写的功能）增强。因为S的血缘，R比其他统计学或数学专用的编程语言有更强的面向对象（面向对象程序设计）功能。

R的另一强项是绘图功能，制图具有印刷的素质，也可加入数学符号。

虽然R主要用于统计分析或者开发统计相关的软件，但也有人用作矩阵计算。其分析速度可媲美专用于矩阵计算的自由软件GNU Octave和商业软件MATLAB。

可以在R-project的官网http://www.r-project.org/获取R的安装包

另外，建议安装一个R集成开发环境比如Rstudio，可以在https://www.rstudio.com/获取

R语言中的基本对象

R语言中的基本对象有：向量、矩阵、数组、数据框、列表等等。

1.R语言的向量对象

向量是用于存储数值型、字符型或逻辑型数据的一维数组。

R语言中建立一个向量的函数是c()，

例如：

c(1,2,3,4)，结果是[1] 1 2 3 4

此外，也可以用c()函数建立字符向量，

例如：

c("hello", "world!")，结果是[1] "hello"  "world!"

如果传递给c()的参数既有数值又有字符串，则c()会默认将数值转化成字符串，例如：c(1.5, 'a')，结果是[1] "1.5" "a"

使用str()函数察看结果的类型，也表明结果是字符串类型的向量：

str(c(1.5,'a'))
 chr [1:2] "1.5" "a"

由此我们可以知道：同一个向量中无法混杂不同格式的数据。

tip：建议不要使用R的内置函数名，如c作为变量，以避免混淆

除了c函数，我们也可以使用冒号：创建一个规则的向量，

比如：

#创建1：6的向量，增量为1

1:6
[1] 1 2 3 4 5 6

6:1
[1] 6 5 4 3 2 1

R语言中，可以用等号或者箭头给变量赋值：

a=c(1,2,3)
a
[1] 1 2 3

b -c(1,2,3)
b
[1] 1 2 3

也可以

c(1,2,3)- b
b
[1] 1 2 3

tip：rstudio中可以用快捷键alt+- 键入箭头符号

注意：R允许使用=为对象赋值。但是这样写的R程序并不多，因为它不是标准语法，某些情况下，用等号赋值会出现问题，R程序员可能会因此取笑你。你还可以反转赋值方向。例如，rnorm(5) - x与上面的语句等价。

向量的四则运算

向量之间可以直接进行加减乘除运算：

如：

c(1,2,3,4)+c(5,6,7,8)
[1]  6  8 10 12

c(1,2,3,4)-c(5,6,7,8)
[1] -4 -4 -4 -4

c(1,2,3,4)*c(5,6,7,8)
[1] 5 12 21 32

如果是两个长度不同的向量相加，则会将短的向量重复若干次，比如下面这个例子中，后一个向量重复了一次：

c(1,2,3,4)+c(5,6)
[1]  6  8  8 10

进行不同长度向量加/减法，最好长向量的长度必须是短向量长度的整数倍，否则会出现警告：

c(1,2,3,4)+c(5,6,7)
[1]  6  8 10  9
警告信息：
In c(1, 2, 3, 4) + c(5, 6, 7) : 长的对象长度不是短的对象长度的整倍数

向量的比较

除了四则运算外，我们还可以比较两个向量的大小，产生的结果是个逻辑向量：

c(2,3,4,5) c(1,4,5,3)
[1]  TRUE FALSE FALSE  TRUE

向量元素的访问

R语言中采用方括号中的数字来访问向量中一个特定位置的元素。值得注意的是，R语言与传统编程语言如C、Java不同，其数组元素是从位置1开始的。

a - c(1,2,3,4)
a[1]
[1] 1

当然，如果我们不需要某个元素还可以这样：

a[-2]
[1] 1 3 4

第二个元素就被丢掉了，如果想丢掉多个，可以这样：

a[c(-1,-3)]
[1] 2 4

这样，第一个和第三个元素都被丢掉了。

2.R语言的矩阵对象

矩阵是一个二维数组，每个元素都拥有相同数据类型。R中使用matrix函数创建一个矩阵

matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)

参数中，data是矩阵的元素，nrow是行数，ncol是列数，byrow指定按行填充（TRUE)还是按列填充（FALSE），默认按列填充，dimnames指定每一维的名字。

例1：

m1 - matrix(1:20,nrow=5,ncol=4) #创建5x4的矩阵，按列填充
m1
[,1] [,2] [,3] [,4]
[1,] 1 6 11 16
[2,] 2 7 12 17
[3,] 3 8 13 18
[4,] 4 9 14 19
[5,] 5 10 15 20

例2：

cell - c(1,2,3,4)

rnames - c("R1", "R2") #行名为"R1", "R2"
cnames - c("C1", "C2") #列名为"C1", "C2"
m2 - matrix(cell, nrow=2, ncol=2, byrow=TRUE, dimnames=list(rnames, cnames)) #2x2，按行填充

m2
C1 C2
R1 1 2
R2 3 4

R语言中可以使用方括号+下标来选择矩阵中的行、列或元素。

如：

m1[1,] #m1矩阵的第一行
[1] 1 6 11 16

m1[,1] #m1矩阵的第一列
[1] 1 2 3 4 5

这样做返回的结果是一个向量，有时我们不想丢掉矩阵的格式，那么我们可以加上drop=F选项来保持返回结果的格式：

m1[,1,drop=F]
[,1]
[1,] 1
[2,] 2
[3,] 3
[4,] 4
[5,] 5

m1[3,4] #m1第3行，第4列元素
[1] 18

当然，也可以同时选择多行或者多列

m1[,c(2,3)] #同时选择第2列和第3列
[,1] [,2]
[1,] 6 11
[2,] 7 12
[3,] 8 13
[4,] 9 14
[5,] 10 15

使用dim函数可以很方便地查询矩阵的维度：

dim(m1)
[1] 5 4

3.R语言的数组对象

数组与矩阵类似，但是维度可以大于2。数组由array()函数创建，形式如下：

array(data = NA, dim = length(data), dimnames = NULL)
其中data包含了数组中的数据，dim是一个数值型向量，给出各个维度下标的最大值，而dimnames是可选的、各个维度名称的标签的列表。

例子：

dim1 - c("A1", "A2")
dim2 - c("B1", "B2", "B3")
dim3 - c("C1", "C2", "C3", "C4")
z - array(1:24, c(2,3,4), dimnames=list(dim1,dim2,dim3))
z

, , C1

B1 B2 B3
A1  1  3  5
A2  2  4  6

, , C2

B1 B2 B3
A1  7  9 11
A2  8 10 12

, , C3

B1 B2 B3
A1 13 15 17
A2 14 16 18

, , C4

B1 B2 B3
A1 19 21 23
A2 20 22 24
z[1,2,3] #A1,B2,C3
[1] 15

4.R语言的数据框对象

数据框中不同的列可以包含不同模式的数据，较矩阵来说更为一般。它与SAS，SPSS和Stata中看到的数据集类似。数据框是R中最常处理的数据结构。数据框可以用data.frame()创建：

mydata -data.frame(col1, col2, ...)

其中的列向量col1,2,...可以为任何类型。每一列的名称可由函数names指定。

例:

patientID - c(1,2,3,4)

age - c(25,34,28,52)

diabetes - c("Type1", "Type2", "Type1", "Type1")
status - c("Poor", "Improved", "Excellent", "Poor")
patientData - data.frame(patientID, age, diabetes, status)
patientData
patientID age diabetes status
1 1 25 Type1 Poor
2 2 34 Type2 Improved
3 3 28 Type1 Excellent
4 4 52 Type1 Poor

选取数据框中的数据

patientData[1:2] #选择数据框的前2列
patientID age
1 1 25
2 2 34
3 3 28
4 4 52

也可以用变量名来选择数据，如：

patientData[c("diabetes", "status")]
diabetes status
1 Type1 Poor
2 Type2 Improved
3 Type1 Excellent
4 Type1 Poor

此外，还可以用记号$来选择数据框中的特定变量，例如你想知道糖尿病类型变量diabetes和病情变量status的列联表，可以使用以下代码：

table(patientData$diabetes,

patientData$status)
Excellent Improved Poor
Type1 1 0 2
Type2 0 1 0

每次引用变量名都必须键入一次patientData显得很麻烦，可以使用函数attach()和detach()或单独使用函数with()来简化代码。

函数attach()可以将数据框添加到R的搜索路径中，R在遇到一个变量名后，将检查搜索路径中的数据框。

使用attach函数将数据框patientData加入搜索路径：

attach(patientData)
The following object(s) are masked _by_ '.GlobalEnv':

age, diabetes, patientID, status

接着就可以直接引用patientData的变量了：
age
[1] 25 34 28 52
diabetes
[1] "Type1" "Type2" "Type1" "Type1"
patientID
[1] 1 2 3 4
status
[1] "Poor" "Improved" "Excellent" "Poor"

注意：当我们环境中已经有与数据框中某个变量同名的变量时，原始变量将取得优先权。任何情况下都要当心那些告知某个对象已被屏蔽的警告。

5.R语言中的列表对象

列表是R的数据类型中最为复杂的一种，它是一些对象的有序集合。可以使用list()创建列表：

mylist - list(object1, object2,...)

其中的对象可以是上面提到的任何结构。还可以为列表中的对象命名：

mylist - list(name1=object1, name2=object2,...)

例：

g - "my first list"
h - c(25,26,15,39)
j - matrix(1:10, nrow=5)
k - c("one", "two", "three")
mylist - list(title=g, ages=h, j, k)
mylist

$title
[1] "my first list"

$ages
[1] 25 26 15 39

[[3]]
  [,1] [,2]
[1,]  1  6
[2,]  2  7
[3,]  3  8
[4,]  4  9
[5,]  5  10

[[4]]
[1] "one"  "two"  "three"

mylist[[2]] #输出第二个成分
[1] 25 26 15 39

或：

mylist[["ages"]]
[1] 25 26 15 39

由于两个原因，列表成为R中的重要数据结构。首先，列表允许以一种简单的方式组织和重新调用不相干的信息。其次，许多R函数的运行结果都是以列表的形式返回的。需要取出其中哪些成分由分析人员决定。

tip：R不提供多行注释或块注释的功能。你必须以#作为多行注释每行的开始。处于调试目的，你也可以把想让解释器忽略的代码放到语句if(FALSE){...}中。将FALSE改为TRUE即允许这快代码运行。

其他的一些注意事项：

对象名称中的句点(.)没有特殊意义。但美元符号($)却有着其他语言中句点类似的含义，即指定一个对象中的某些部分。例如，A$x是指数据框A中的变量x
将一个值赋给某个向量、矩阵、数组或列表中一个不存在的元素时，R将自动扩展这个数据结构以容纳新值。

比如：

x - c(1,2,3)
x[8] - 10
x
[1]  1  2  3 NA NA NA NA

R中没有标量。标量以单元素向量的形式出现
R中的下标不以0开始，而从1开始。
变量无法被声明。它们在首次赋值时生成。