R 学习笔记《三》 R语言初学者指南

1 使用 c,cbind,rbind结合变量

之前获得四列数据 Wingcrd,Tarsus,Head,Wt

每个列包含8个数据，可以通过c继续连接变量

BirdData <- c(Wingcrd,Tarsus,Head,Wt)
BirdData
[1] 59.0 55.0 53.5 55.0 52.5 57.5 53.0 55.0 22.3 19.7 20.8 20.3 20.8 21.5
[15] 20.6 21.5 31.2 30.4 30.6 30.3 30.3 30.8 32.5   NA  9.5 13.8 14.8 15.2
[29] 15.5 15.6 15.6 15.7

BirdData是长度为32的单个向量，符号[1],[15],[29]不需要考虑不同电脑有不同的现实。这只是单个向量，R并没有区分这些值都属于哪一个变量。通过：

Id <- c(1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,3,3,3,3,4,4,4,4,4,4,4,4)
Id <- rep(c(1,2,3,4),each = 8)
Id <- rep(1:4,each = 8)

这三个表达式效果是一样的

Id <- rep(1:4,each = 8)
Id
 [1] 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4

a <- seq(from =1 ,to = 4,by = 1)
rep(a,each = 8)

效果：

a <- seq(from =1 ,to = 4,by = 1)
rep(a,each = 8)
 [1] 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4

VarNames <- c("Wingcrd","Tarsus","Head","Wt")
Id2 <- rep(VarNames,each = 8)

VarNames <- c("Wingcrd","Tarsus","Head","Wt")
Id2 <- rep(VarNames,each = 8)
Id2
[1] "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd"
[8] "Wingcrd" "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"
[15] "Tarsus"  "Tarsus"  "Head"    "Head"    "Head"    "Head"    "Head"
[22] "Head"    "Head"    "Head"    "Wt"      "Wt"      "Wt"      "Wt"
[29] "Wt"      "Wt"      "Wt"      "Wt"

req(VarNames,8):

rep(VarNames,8)
[1] "Wingcrd" "Tarsus"  "Head"    "Wt"      "Wingcrd" "Tarsus"  "Head"
[8] "Wt"      "Wingcrd" "Tarsus"  "Head"    "Wt"      "Wingcrd" "Tarsus"
[15] "Head"    "Wt"      "Wingcrd" "Tarsus"  "Head"    "Wt"      "Wingcrd"
[22] "Tarsus"  "Head"    "Wt"      "Wingcrd" "Tarsus"  "Head"    "Wt"
[29] "Wingcrd" "Tarsus"  "Head"    "Wt"

cbind函数将结合的变量以列的形式输出

Z <- cbind(Wingcrd,Tarsus,Head,Wt)
Z
     Wingcrd Tarsus Head   Wt
[1,]    59.0   22.3 31.2  9.5
[2,]    55.0   19.7 30.4 13.8
[3,]    53.5   20.8 30.6 14.8
[4,]    55.0   20.3 30.3 15.2
[5,]    52.5   20.8 30.3 15.5
[6,]    57.5   21.5 30.8 15.6
[7,]    53.0   20.6 32.5 15.6
[8,]    55.0   21.5   NA 15.7

访问Z的第一列

Z[,1]
[1] 59.0 55.0 53.5 55.0 52.5 57.5 53.0 55.0
Z[1:8,1]
[1] 59.0 55.0 53.5 55.0 52.5 57.5 53.0 55.0

访问Z的第一行

Z[1,]
Wingcrd  Tarsus    Head      Wt
   59.0    22.3    31.2     9.5
Z[1,1:4]
Wingcrd  Tarsus    Head      Wt
   59.0    22.3    31.2     9.5

同样可以使用的访问方式：

Z[1,]
Z[1,1:4]
Z[1,1]
Z[,2:3]
X <- Z[4,4]
Y <- Z[,4]
W <- Z[,3] #得到第三列的数据
D <- Z[,c(1,3,4)] #得到1,3,4列的所有数据
E <- Z[,c(-1,-3)] #负号表示排除第一第三列

显示Z的维数

dim(Z)

dim(Z)
[1] 8 4

只查看Z行数

Nrows <- dim(Z)[1]
Nrows
[1] 8

rbind与cbind函数类似，只不过前者以行的形式表示数据，后者以列的形式表示数据

Z2 <- rbind(Wingcrd,Tarsus,Head,Wt)
Z2
        [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
Wingcrd 59.0 55.0 53.5 55.0 52.5 57.5 53.0 55.0
Tarsus  22.3 19.7 20.8 20.3 20.8 21.5 20.6 21.5
Head    31.2 30.4 30.6 30.3 30.3 30.8 32.5   NA
Wt       9.5 13.8 14.8 15.2 15.5 15.6 15.6 15.7

使用vector表示数据

W <- vector(length = 8)
W[1] <- 59
W[2] <- 55
W[3] <- 53.5
W[4] <- 55
W[5] <- 52.5
W[6] <- 57.5
W[7] <- 53
W[8] <- 55
W
[1] 59.0 55.0 53.5 55.0 52.5 57.5 53.0 55.0

说明：

在输入 W <- vector(length = 8)之后直接再输入W会得到一个FALSE的响应值。

必须在所有元素的值都输入之后才可以输入W查看数据

可以通过W[1],W[1:4],W[2:6],W[-2],W[c(1,2,3)]等查看数据

通过矩阵结合数据

Dmat <- matrix(nrow = 8,ncol = 4)
Dmat
     [,1] [,2] [,3] [,4]
[1,]   NA   NA   NA   NA
[2,]   NA   NA   NA   NA
[3,]   NA   NA   NA   NA
[4,]   NA   NA   NA   NA
[5,]   NA   NA   NA   NA
[6,]   NA   NA   NA   NA
[7,]   NA   NA   NA   NA
[8,]   NA   NA   NA   NA

初始化矩阵

Dmat[,1] <- c(59,55,53.5,55,52.5,57.5,53,55)
Dmat[,2] <- c(22.3,19.7,20.8,20.3,20.8,21.5,20.6,21.5)
Dmat[,3] <- c(31.2,30.4,30.6,30.3,30.3,30.8,32.5,NA)
Dmat[,4] <- c(9.5,13.8,14.8,15.2,15.5,15.6,15.6,15.7)
Dmat
     [,1] [,2] [,3] [,4]
[1,] 59.0 22.3 31.2  9.5
[2,] 55.0 19.7 30.4 13.8
[3,] 53.5 20.8 30.6 14.8
[4,] 55.0 20.3 30.3 15.2
[5,] 52.5 20.8 30.3 15.5
[6,] 57.5 21.5 30.8 15.6
[7,] 53.0 20.6 32.5 15.6
[8,] 55.0 21.5   NA 15.7

使用colnames函数给矩阵Dmat的列添加名称

colnames(Dmat) <- c("Wingcrd","Tarsus","Head","Wt")
Dmat
     Wingcrd Tarsus Head   Wt
[1,]    59.0   22.3 31.2  9.5
[2,]    55.0   19.7 30.4 13.8
[3,]    53.5   20.8 30.6 14.8
[4,]    55.0   20.3 30.3 15.2
[5,]    52.5   20.8 30.3 15.5
[6,]    57.5   21.5 30.8 15.6
[7,]    53.0   20.6 32.5 15.6
[8,]    55.0   21.5   NA 15.7

当数据按照变量进行了分类，则可以：

Dmat2 <- as.matrix(cbind(Wingcrd,Tarsus,Head,Wt))
Dmat2
     Wingcrd Tarsus Head   Wt
[1,]    59.0   22.3 31.2  9.5
[2,]    55.0   19.7 30.4 13.8
[3,]    53.5   20.8 30.6 14.8
[4,]    55.0   20.3 30.3 15.2
[5,]    52.5   20.8 30.3 15.5
[6,]    57.5   21.5 30.8 15.6
[7,]    53.0   20.6 32.5 15.6
[8,]    55.0   21.5   NA 15.7

使用data.frame函数结合数据

使用数据框结合具有相同长度的变量，而数据框的每一行就包含有统一样本的不同观察值。

eg：

Dfrm <- data.frame(WC = Wingcrd,TS = Tarsus,HD=Head,W=Wt)
Dfrm
    WC   TS   HD    W
1 59.0 22.3 31.2  9.5
2 55.0 19.7 30.4 13.8
3 53.5 20.8 30.6 14.8
4 55.0 20.3 30.3 15.2
5 52.5 20.8 30.3 15.5
6 57.5 21.5 30.8 15.6
7 53.0 20.6 32.5 15.6
8 55.0 21.5   NA 15.7

数据框的优点：可以在不改变原始数据的基础上改变数据。eg：

Dfrm2 <- data.frame(WC = Wingcrd,TS = Tarsus,HD=Head,Wsq=sqrt(Wt))
Dfrm2
    WC   TS   HD      Wsq
1 59.0 22.3 31.2 3.082207
2 55.0 19.7 30.4 3.714835
3 53.5 20.8 30.6 3.847077
4 55.0 20.3 30.3 3.898718
5 52.5 20.8 30.3 3.937004
6 57.5 21.5 30.8 3.949684
7 53.0 20.6 32.5 3.949684
8 55.0 21.5   NA 3.962323

Wt和W是不同的实体，验证:

rm(Wt)
Wt

错误: 找不到对象‘Wt‘

Dfrm$W
[1]  9.5 13.8 14.8 15.2 15.5 15.6 15.6 15.7

数据框通常的用法:

向R中输入数据后对数据做些改变(移出极端值，应用变化，增加分类变量等等)，再将数据存入数据框中以备后续分析。

使用list结合数据

以list结合数据，list中的每一个数据既可以是向量，也可以是单个的数据等。其中向量的维数可能一样也可能不一样。

X1 <- c(1,2,3)
X2 <- c("a","b","c","d")
X3 <- 3
X4 <- matrix(nrow = 2 , ncol = 2)
X4[,1] <- c(1,2)
X4[,2] <- c(3,4)
Y <- list(LX1=X1,LX2=X2,LX3=X3,LX4=X4)
Y
$LX1
[1] 1 2 3

$LX2
[1] "a" "b" "c" "d"

$LX3
[1] 3

$LX4
     [,1] [,2]
[1,]    1    3
[2,]    2    4

list的重要性：

线性回归，广义线性回归，t-检验等的结果一般都保存在list中

M <- lm(WC ~ W,data = Dfrm)
M

Call:

lm(formula = WC ~ W, data = Dfrm)

Coefficients:(Intercept)            W      65.5315      -0.7239

纤细分析的结果存储在：

names(M)
[1] "coefficients"  "residuals"     "effects"       "rank"
[5] "fitted.values" "assign"        "qr"            "df.residual"
[9] "xlevels"       "call"          "terms"         "model"

可以通过以下方式访问具体的值

M$coefficients
(Intercept)           W
 65.5315140  -0.7238731 

M$residuals
         1          2          3          4          5          6          7
 0.3452800 -0.5420659 -1.3181928  0.4713564 -1.8114817  3.2609056 -1.2390944
         8
 0.8332929 

M$effects
 (Intercept)            W
-155.7402686    4.0250694   -1.2416235    0.5887546   -1.6634618 

   3.4191327   -1.0808673    1.0017273

综合：

AllData <- list(BirdData = BirdData,Id = Id2,Z = Z,VarNames = VarNames)
AllData
$BirdData
 [1] 59.0 55.0 53.5 55.0 52.5 57.5 53.0 55.0 22.3 19.7 20.8 20.3 20.8 21.5
[15] 20.6 21.5 31.2 30.4 30.6 30.3 30.3 30.8 32.5   NA  9.5 13.8 14.8 15.2
[29] 15.5 15.6 15.6 15.7

$Id
 [1] "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd"
 [8] "Wingcrd" "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"
[15] "Tarsus"  "Tarsus"  "Head"    "Head"    "Head"    "Head"    "Head"
[22] "Head"    "Head"    "Head"    "Wt"      "Wt"      "Wt"      "Wt"
[29] "Wt"      "Wt"      "Wt"      "Wt"     

$Z
     Wingcrd Tarsus Head   Wt
[1,]    59.0   22.3 31.2  9.5
[2,]    55.0   19.7 30.4 13.8
[3,]    53.5   20.8 30.6 14.8
[4,]    55.0   20.3 30.3 15.2
[5,]    52.5   20.8 30.3 15.5
[6,]    57.5   21.5 30.8 15.6
[7,]    53.0   20.6 32.5 15.6
[8,]    55.0   21.5   NA 15.7

$VarNames
[1] "Wingcrd" "Tarsus"  "Head"    "Wt"

分别取其中的某一个元素

AllData$BirdData
 [1] 59.0 55.0 53.5 55.0 52.5 57.5 53.0 55.0 22.3 19.7 20.8 20.3 20.8 21.5
[15] 20.6 21.5 31.2 30.4 30.6 30.3 30.3 30.8 32.5   NA  9.5 13.8 14.8 15.2
[29] 15.5 15.6 15.6 15.7
AllData$Id
 [1] "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd" "Wingcrd"
 [8] "Wingcrd" "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"  "Tarsus"
[15] "Tarsus"  "Tarsus"  "Head"    "Head"    "Head"    "Head"    "Head"
[22] "Head"    "Head"    "Head"    "Wt"      "Wt"      "Wt"      "Wt"
[29] "Wt"      "Wt"      "Wt"      "Wt"
AllData$Z
     Wingcrd Tarsus Head   Wt
[1,]    59.0   22.3 31.2  9.5
[2,]    55.0   19.7 30.4 13.8
[3,]    53.5   20.8 30.6 14.8
[4,]    55.0   20.3 30.3 15.2
[5,]    52.5   20.8 30.3 15.5
[6,]    57.5   21.5 30.8 15.6
[7,]    53.0   20.6 32.5 15.6
[8,]    55.0   21.5   NA 15.7

注意：在list中只能使用= 不能使用 <-

时间： 2024-11-08 11:26:40

R 学习笔记《三》 R语言初学者指南的相关文章

R语言初学者指南pdf

下载地址:网盘下载作者阿兰·F·祖尔等的基于他们对应用科学家讲授统计与R的丰富经验,为读者献上了<R语言初学者指南>这本书.为了避免同时讲授R与统计的困难,统计方法保持在最低限度.<R语言初学者指南>包括如何下载与安装R,载入和处理数据,基本绘图,函数简介,高级绘图以及初学者常见的错误.这本书包括了你开始学习R时想知道的所有内容. 阿兰·F·祖尔资深统计学家,担任英国的一家统计咨询有限公司Highland Statistics的董事长.他已经给5000多名生态学家讲授了统计,是英

JavaScript--基于对象的脚本语言学习笔记(三)

事件处理器 1.一个数据校验表单的例程 <html> <head> <title>js练习</title> <meta http-equiv="content-type" content="text/html; charset=UTF-8"> <script type="text/javascript"> String.prototype.trim=function(){ r

Go语言学习笔记(三) [控制结构、内建函数]

日期:2014年7月21日一.控制结构 1.Go中,只有几个控制结构,它没有do或者while循环,有for,灵活的switch语句和if,在switch中可以接受像for那样可选的初始化语句,另外Go中还提供了类型选择和多路通信转接器的select.Go的控制结构的语法和C相比有所不同,它不需要圆括号,但语句体必须总是包含在大括号内. 2.控制结构语法 1)if-else (1)if后紧跟单个条件例如:if x > 0 { //{必须和if在同一行,这是Go语法规定的,如果换行写,编译

马哥学习笔记三十二——计算机及操作系统原理

缓存方式: 直接映射 N路关联缓存策略: write through:通写 write back:回写进程类别: 交互式进程(IO密集型) 批处理进程(CPU密集型) 实时进程(Real-time) CPU: 时间片长,优先级低IO:时间片短,优先级高 Linux优先级:priority 实时优先级: 1-99,数字越小,优先级越低静态优先级:100-139,数据越小,优先级越高实时优先级比静态优先级高 nice值:调整静态优先级 -20,19:100,139 0:120 ps

3. 蛤蟆Python脚本学习笔记三字符串

3. 蛤蟆Python脚本学习笔记三字符串本篇名言:"平静的湖面只有呆板的倒映,奔腾的激流才有美丽的浪花!幸福不是靠别人来布施,而是要自己去赢取!生命的意义在不断挑战自己,战胜自己!" 这个本来放在昨天的,由于昨晚又太晚了,所以就搁在这里了.赶紧看看吧. 字符串两边都用双引号或者单引号包起来.否则就使用转移符号来转移一下. 输入在一起可以直接拼接. 欢迎转载,转载请标明出处:http://blog.csdn.net/notbaron/article/details/48112507

python之转移字符（学习笔记三）

python之转移字符(学习笔记三) 转义字符 \ 可以转义很多字符,比如 \n 表示换行, \t 表示制表符,字符 \ 本身也要转义,所以 \\ 表示的字符就是 \ ,可以在Python的交互式命令行用print打印字符串看看: 命令: >>>print 'he\'s a boy.' >>>print 'I\'m learning\nlinux.' >>>print '\\\n\\' 截图: 如果字符串里面有很多字符都需要转义,就需要加很多 \ ,为

小猪的数据结构学习笔记(三)

小猪的数据结构学习笔记(三) 线性表之单链表本章引言: 上一节中我们见识了第一个数据结构--线性表中的顺序表; 当你把操作的代码自己写几遍就会有点感觉了,如果现在让你写顺序表的插入算法,你能够想出大概的代码么?如果可以,那么你就可以进入新的章节了; 否则,还是回头看看吧!在本节,我们将迎来线性表的链式表示--单链表单链表和顺序表有什么优势和劣势呢?单链表的头插法和尾插法有什么不同呢? 请大家跟随笔者的脚步来解析线性表中的单链表把! 本节学习路线图路线图解析: ①先要理解顺序表和单链表各自

Caliburn.Micro学习笔记(三)----事件聚合IEventAggregator和 Ihandle<T>

Caliburn.Micro学习笔记(三)----事件聚合IEventAggregator和 Ihandle<T> 今天说一下Caliburn.Micro的IEventAggregator和IHandle<T>分成两篇去讲这一篇写一个简单的例子看一它的的实现和源码下一篇用它们做一个多语言的demo 这两个是事件的订阅和广播,很强大,但用的时候要小心发生不必要的冲突. 先看一下它的实现思想在Caliburn.Micro里EventAggregator要以单例的形式出现这样可以

swift学习笔记(三)关于拷贝和引用

在swift提供的基本数据类型中,包括Int ,Float,Double,String,Enumeration,Structure,Dictionary都属于值拷贝类型. 闭包和函数同属引用类型捕获则为拷贝.捕获即定义这些常量和变量的原作用域已不存在,闭包仍然可以在闭包函数体内引用和修改这些值 class属于引用类型. Array的情况稍微复杂一些,下面主要对集合类型进行分析: 一.关于Dictionary:无论何时将一个字典实例赋给一个常量,或者传递给一个函数方法时,在赋值或调用发生时,都会

【Unity 3D】学习笔记三十四：游戏元素——常用编辑器组件

常用编辑器组件 unity的特色之一就是编辑器可视化,很多常用的功能都可以在编辑器中完成.常用的编辑器可分为两种:原有组件和拓展组件.原有组件是编辑器原生的一些功能,拓展组件是编辑器智商通过脚本拓展的新功能. 摄像机摄像机是unity最为核心组件之一,游戏界面中显示的一切内容都得需要摄像机来照射才能显示.摄像机组件的参数如下: clear flags:背景显示内容,默认的是skybox.前提是必须在render settings 中设置天空盒子材质. background:背景显示颜色,如果没