R 语言入门 (1)

代码和笔记存储在 GitHub 库 【持续更新中，建议 star！】

1 常见对象

1.1 向量 vector

最简单的数据结构就是由一串相同类型的元素等构成的向量 vector

标量为长度是 1 的向量

1.1.1 `c()` 函数

x <- c(0.3, 0.6)
x <- c(TRUE, FALSE)
x <- c(T, F)  # T is TRUE, F is FALSE
x <- c("M", "F")
x <- 1:4

【注意】R 语言只有 TRUE 和 T 以及 FALSE 和 F

1.1.2 `rep()` 函数

格式

rep(x, times = 1, length.out = NA, each = 1)
# x 表示数据元素
# times 表示重复次数，可以是向量
# length.out 表示总长度，运行截断
# each 每个元素重复次数，不能为向量

先执行 each 复制单个元素，后执行 times 复制整个向量

rep(1:4, 2) # times = 2
rep(1:4, each = 2)
rep(1:4, c(1, 2, 3, 4)) # times = (1, 2, 3, 4)
rep(1:4, times = 2, len = 10)
rep(1:4, times = 2, each = 2)
rep("hello", times = 3)

【注意】each = x 等价于 times = c(x, x, ...)

1.1.3 `seq()` 函数

格式

seq(from = 0, to = 1, by = ((to - from) / (length.out - 1)), length.out = NULL, ...)
# from 起始数字
# to 终止数字
# by 步长，默认均匀分布
# len 长度

例如：

1
2
3

seq(0, 1, length.out = 11)
seq(1, 9, by = 2)
seq(17)

1.2 矩阵 matrix

R 语言的矩阵是

有维度（dimension）属性的向量
所有元素属于相同类型

1.2.1 `matrix()` 函数

格式

matrix(NA, nrow = 1, ncol = 1, byrow = FALSE)
# NA 第一个参数为传入的数据
# nrow 行数
# ncol 列数
# byrow 是否按照行排列

例如：

1 2	matrix(1:6, nrow = 2, ncol = 3) matrix(1:6, nrow = 2, ncol = 3, byrow = TRUE)

1.2.2 `cbind()` `rbind()` 函数

将向量按行/列组合成矩阵

x <- c(1, 2, 3)
y <- c(4, 5, 6)
cbind(x, y)
rbind(x, y)

1.3 数据框 data frame

矩阵 Matrix 中只能是同一种类型的元素，一般是数值型
数据框 Data Frame 不同列可以是不同数据类型

age <- c(1, 3, 5, 2, 11, 9, 3, 9, 12, 3)
weight <- c(4.4, 5.3, 7.2, 5.2, 8.5, 7.3, 6.0, 10.4, 10.2, 6.1)
gender <- c("F", "F", "F", "F", "F", "M", "M", "M", "M", "M")

df <- data.frame(age, weight, gender)
dim(df)
nrow(df)
ncol(df)

dim nrow ncol 函数也可用于矩阵 matrix 类型

1.4 列表 list

List 是一个广义的 “向量”
每个位置上是任意的R对象，甚至是一个列表

1 2	x <- list(member = 3, names = c("Tom", "Jerry", "Lily")) x

1
2
3

names(x)  # x 列表元素的别名
x$member  # 取 x 列表的 member
length(x)  # 取列表长

使用 $ 取列表的某一位置的数据

1.5 因子 factors

因子是一种特殊的向量：映射到整数编码，并记录所有可能的类别（称为水平，levels）。

使用 factor() 函数创建因子：

# 示例：性别数据
gender <- c("男", "女", "男", "女", "男")
gender_factor <- factor(gender)
gender_factor

levels(gender_factor) <- c("male", "female")

gender_factor

1.6 对象的判断和转换

1.6.1 强制转换

把 R 对象从一种类型强制转化成另一个类型

1
2
3

x <- 1:6
as.logical(x)
as.character(x)

如果转换失败，则返回 NA

1
2
3

x <- c("a", "b", "c")
as.logical(x)
as.numeric(x)

1.6.2 判断

NA ：缺失数据 not available
NaN ：无意义的数 not a number

格式：使用函数判断

1
2
3

# 每个元素分别判断
is.na()
is.nan()

例如：

x <- c(4, -1, NA)
is.na(x)
is.nan(x)

sqrt(x)

特殊的数字计算 Inf 无穷的计算

1	Inf + (-Inf) # NaN

2 数据的输入

2.1 外部数据类型

文本文件

例如 .txt .csv .dat 文件

其他文件

例如 .xls .xlsx (Excel) 、 .sas7bdat (SAS)、 .sav (SPSS)、.dta (Stata)、.RData ® 和 .dat 文件

先进行转化再读取，或用专门的程序包

2.2 文本数据读取

读取文本数据常见的函数

1 2	read.table() read.csv()

例如：

1 2	read.table("example.txt") read.csv("example.csv")

2.3 `read.table()` 函数

参数

read.table(file, header = FALSE, sep = "", quote = "\"'",
           dec = ".", numerals = c("allow.loss", "warn.loss", "no.loss"),
           row.names, col.names, as.is = !stringsAsFactors, tryLogical = TRUE,
           na.strings = "NA", colClasses = NA, nrows = -1,
           skip = 0, check.names = TRUE, fill = !blank.lines.skip,
           strip.white = FALSE, blank.lines.skip = TRUE,
           comment.char = "#",
           allowEscapes = FALSE, flush = FALSE,
           stringsAsFactors = FALSE,
           fileEncoding = "", encoding = "unknown", text, skipNul = FALSE)

- file: 文件名路径, 字符串形式
- header: 表示文件第一行是否含有列名
- sep: 分隔符, 字符串, 表示各列按照 sep 指定的符号分隔
- nrows: 表示读取数据部分的最大行数
- skip: 表示跳过一定的行数后开始读取
- comment.char: 注释标记, 此符号右边的所有内容都会被忽略
- row.names: 将某一列设置为行名
- col.names: 将某一行设置为列名

例如：读取下面的 grade.txt 文件

--------------------------------------------
%%% grade of class A, year 2020
Name ID Grade GPA Gender
"Xiao Ming" 133001 100 4 F
"Xiao Hong" 133023 90 3.7 M
"Xiao Wan" 133099 85 3.2 M
"Song Hui" 133020 80 3.5 M
"Song Yi" 133019 100 4 M
"Donald Trump" 133012 88 3.7 M
"Clinton Hilary" 133014 90 3.7 F%%% retake
"Obama BH" 133010 "" "" M%%% Fail
------------------------------------------

t <- read.table(
    file = "./grade.txt", # 文件路径
    header = TRUE, # 第一行为列名
    sep = " ", # 按照空格分割
    comment.char = "%", # % 为注释
    skip = 1, # 跳过一行
    nrows = 8, # 跳过一行后读 8 行
    row.names = 2 # 第 2 列设为行名
)

> t
                 Name Grade GPA Gender
133001      Xiao Ming   100 4.0      F
133023      Xiao Hong    90 3.7      M
133099       Xiao Wan    85 3.2      M
133020       Song Hui    80 3.5      M
133019        Song Yi   100 4.0      M
133012   Donald Trump    88 3.7      M
133014 Clinton Hilary    90 3.7      F
133010       Obama BH    NA  NA      M

其他读取函数类似，只是参数默认值不同，可以相互替代

1 2	read.csv(file, header = TRUE, sep = ",", ...) read.delim(file, header = TRUE, sep = "\t", ...)

对于一些常规的文本文件，可直接使用默认参数。例如：

标准的 .txt 数据文件

1
2
3

"A", 1, 10.1
"B", 2, 20.5
"C", 4, 1031.1

标准的 .csv 文件

a,b,c
1,2,3
4,5,6
7,8,9

可以直接使用

1 2	read.table("example.txt") read.csv("example.csv")

2.4 `scan()` 函数

scan() 函数更灵活，可以读进不规则的数值文档，得到一个向量或者列表

需要 what 参数指定变量类型，得到一个列表

例如：针对下面的 .txt 文件

# 指定第一列字符，第二、三列为数值
scan("example.txt", what = list("", numeric(), numeric()))

# 指定每一列的名称
scan("example.txt", what = list("gender" = "", "weight" = numeric(), "height" = numeric()))

scan() 函数还可以读取不规则长度的数值文档，得到一个向量

例如：对于数值文档 example2.txt

1
2
3

1
2 3 4
5 6 7 8 9

> scan("example2.txt")

Read 9 items
[1] 1 2 3 4 5 6 7 8 9

2.5 `read.fwf()` 函数

读取文件中一些固定宽度数据，例如可以指定每一列的宽度为几，函数便会按照提前设置的宽度读取数据

# M65168
# M70172
# F54156
# F58163

t <- read.fwf(
    file = "example3.txt",
    widths = c(1, 2, 3),
    col.names = c("gender", "weight", "height"),
) # 指定每一列宽度分别为 1, 2, 3

> t
  gender weight height
1      M     65    168
2      M     70    172
3      F     54    156
4      F     58    163

2.6 读取 excel 数据

转换为 csv 文件读取
复制后使用 read.delim("clipboard") 从剪切板中读取
使用程序包读取

常用程序包 readxl

1
2
3

install.packages("readxl")
library("readxl")
t <- read_excel("example.xlsx")

2.7 读取网页 `url()` 和 `readLines()` 函数

1
2
3

con <- url("https://www.baidu.com/")
x <- readLines(con)
head(x)

3 数据的输出

3.1 `write.table()` 函数

参数

write.table(x, file = "", append = FALSE, quote = TRUE, sep = " ",
            eol = "\n", na = "NA", dec = ".", row.names = TRUE,
            col.names = TRUE, qmethod = c("escape", "double"),
            fileEncoding = "")

"""将 x 写入文件 file 中"""
# sep: 各列分割符号
# quote = TRUE: 字符和因子列就会被 "" 所包裹
# eol: 尾行分隔符
# na: 缺失值字符串

例如：

# 创建数据框 d
d <- data.frame(obs = c(1, 2, 3), treat = c("A", "B", "A"), weight = c(2.3, NA, 9))

# 保存为简单文本 txt
write.table(d, file = "./lec02/foo.txt", row.names = FALSE)
# 保存为 , 分割文本
write.csv(d, file = "./lec02/foo.csv", row.names = FALSE)
# 保存为 .RData 格式文件
save(d, file = "./lec02/foo.RData")