数据科学中的 R 语言

数据科学中的 R 语言

第 5 章 数据结构

前面介绍了向量，它是R语言中最基础的数据结构

我们还会遇到其它数据结构

• 矩阵
• 列表
• 数据框

这些数据结构都可以看作由向量衍生出来的1。

5.1 矩阵

矩阵可以存储行(row)和列(column)二维的数据。

它实际上是向量的另一种表现形式，也就说它的本质还是向量，一维的向量用二维的方式呈现。

矩阵可以用

matrix()

函数创建，第一个位置的参数是用于创建矩阵的向量。比如下面把向量

c(2, 4, 3, 1, 5, 7)

转换成2行3列的矩阵

m <- matrix(
  c(2, 4, 3, 1, 5, 7),
  nrow = 2, 
  ncol = 3
)
m

##      [,1] [,2] [,3]
## [1,]    2    3    5
## [2,]    4    1    7

大家还记得我们的向量是一个竖着的糖葫芦， 那么在转换成矩阵的时候，也是先竖着排，第一列竖着的方法排满后，就排第二列，这是默认的情形。如果想改变这一传统习惯，也可以增加一个语句

byrow = TRUE

，这条语句让向量先横着排，排完第一行，再排第二行。

matrix(
  c(2, 4, 3, 1, 5, 7),
  nrow = 2, 
  ncol = 3,
  byrow = TRUE
)

##      [,1] [,2] [,3]
## [1,]    2    4    3
## [2,]    1    5    7

5.1.1 矩阵的属性

• 类型

class(m)

## [1] "matrix" "array"

• 长度

length(m)

## [1] 6

• 维度

dim(m)

## [1] 2 3

5.2 列表

如果我们想要装更多的东西，可以想象有一个小火车2，小火车的每节车厢是独立的，因此每节车厢装的东西可以不一样。这种结构装载数据的能力很强大，称之为列表（list）。我们可以使用

list()

函数创建列表

list1 <- list(
  a = c(5, 10),
  b = c("I", "love", "R", "language", "!"),
  c = c(TRUE, TRUE, FALSE, TRUE)
)
list1

## $a
## [1]  5 10
## 
## $b
## [1] "I"        "love"     "R"        "language" "!"       
## 
## $c
## [1]  TRUE  TRUE FALSE  TRUE

c()

函数创建向量 对比

list()

函数创建列表

5.2.1 列表的属性

• 类型

class(list1)

## [1] "list"

• 长度

length(list1)

## [1] 3

5.3 数据框

前面说过，列表可以想象成一个小火车，如果每节车厢装的都是向量而且等长，那么这种特殊形式的列表就变成了数据框(data frame)

换句话说，数据框是一种特殊的列表，我们可以使用

data.frame()

函数构建数据框

df <- data.frame(
  name      = c("Alice", "Bob", "Carl", "Dave"),
  age       = c(23, 34, 23, 25),
  marriage  = c(TRUE, FALSE, TRUE, FALSE),
  color     = c("red", "blue", "orange", "purple")
)
df

##    name age marriage  color
## 1 Alice  23     TRUE    red
## 2   Bob  34    FALSE   blue
## 3  Carl  23     TRUE orange
## 4  Dave  25    FALSE purple

数据框类似于我们经常用的excel表格。由于数据框融合了向量、矩阵和列表的特性，所以在数据科学的统计建模和可视化中运用非常广泛。

5.3.1 数据框的属性

• 类型

class(df)   

## [1] "data.frame"

• 维度

nrow(df)  

## [1] 4

ncol(df)  

## [1] 4

5.4 小结

R 对象的数据结构(向量、矩阵、列表和数据框)，总结如下

• 向量: 糖葫芦
• 矩阵: 糖葫芦，有多行多列
• 列表: 小火车
• 数据框: excel表格

为了更好地理解相关概念，建议大家阅读Garrett Grolemund的hopr这本书(Grolemund 2014)。

5.5 习题

• 为什么说数据框融合了向量、矩阵和列表的特性？
• 创建一个学生信息的data.frame，包含姓名、性别、年龄，成绩等变量。