xzy's blog

介绍了 R 语言中的内置基础数据结构。

R 的基础数据结构可以概括为：

R 实际上是没有标量，或者 0 维数据结构的。那些所谓的标量其实是长度为 1 的向量。

R 的一维数据结构

R 语言中的一维数据结构向量（vector）有两种类型：atomic vector 和 list，它们有三个属性：

• typeof()
• length()
• attributes()

这两者的区别是，atomic vector 所有元素相同种类，list 中的元素可以不同种类。

注意：is.vector(x) 并不能检查 x 是不是 vector，最好使用 is.atomic(x) || is.list(x)。

Atomic vectors

• 四种常见类型：logical, integer, double 和 character
• 两种少见类型：complex 和 raw

atomic vectors 使用 c() 来创建（c 是 combine 的简写）。

int_vec <- c(1L, 2L, 5L)
dbl_vec <- c(1.2, 2, 3.4)
log_vec <- c(TRUE, FALSE)
cha_vec <- c('Li', 'Wang', 'Wu')

使用 is.integer(), is.double(), is.logical(), is.character() 来判断各自的类型，想判断是否为 atomic vector，使用 is.atomic()。对于 integer 和 double 类型的，is.numeric() 均会返回 TRUE。

由于 atomic vectors 要保证元素类型一样，所以会自动进行类型转换。如数值型和字符型在一起会转换为字符型，TRUE 和 FALSE 会自动转换为 1 和 0。

Lists

list 数据结构中可以保存不同类型的数据。使用 is.list() 来检查是否为 list，使用 as.list() 把变量转换为 list，使用 unlist() 把 list 转换为 atomic vector。

疑问：为什么可以使用 unlist() 而不用 as.vector() 来将列表转换为向量？查阅网上的资料，为什么大家喜欢写 as.vector(unlist(list_a)) ？

特性（attribute）

所有对象都可以有任意特性，用来保存一些关于对象的额外信息。

使用 attr() 获得单独的一个特性，或者使用 attributes() 来获得所有特性，后者获得的是一个列表。

y <- 1:10
attr(y, "my_attribute") <- "This is a vector"
attr(y, "my_attribute")
str(attributes(y))

使用 structure() 可以直接生成一个含有特性的对象：

structure(1:10, my_attribute="this is a vector")

当更改 vector 时，会有三个很重要的特性不会丢失：

• name，使用 name(x) 获取
• dimensions，使用 dim(x) 获取
• class，使用 class(x) 获取

Names

可以通过三种方式命名一个 atomic vector 变量：

• 创建时命名：x <- c(a=1, b=2, c=3)
• 设置 names 属性：x2 <- 1:3; names(x2) <- c('a', 'b', 'c')
• 修改另一个 vector 得到：x3 <- setNames(1:3, c('a', 'b', 'c'))

不需要所有值都有名字，如果不对其进行命名，names(x) 会得到 NULL。想要移除 vector 的名字，使用 unname(x) 或 names(x) <- NULL。

Factors

factor 是一种特殊的 vector，里面的元素只能是预先定义好的值，专门用来描述分类变量。它基于 vector，但额外有两个属性：class 和 levels，使用 table 可以快速查看各组的频数：

x <- factor(c('M', 'F', 'F', 'M'))
class(x)  # "factor"
levels(x) # "F" "M"
table(x)
# x
# F M
# 2 2

很多加载数据的函数会把字符型的变量自动转化为 factor，设置参数 stringsAsFactors = FALSE 来制止转化行为。很多函数会把 factor 当做是 integer 类型的，会带来很多错误。如果想用 factor 原本的元素，先用 as.character() 把它转化为 character 型。

matrix 和 array

array 可以存放多维数据，matrix 只能是二维，是一种特殊的 array。

创建 array 和 matrix：

m <- matrix(1:6, ncol = 3, nrow = 2)
a <- array(1:12, dim=c(2, 3, 2))
c <- 1:6
dim(c) <- c(2, 3)

有两类属性：

• 长度和维度：length()，dim()，nrow()，ncol()
• 命名：rownames()，colnames()，dimnames()

还可以使用 rbind() 和 cbinid() 来生成矩阵。转置 matrix 使用 t()，转置 array 使用 aperm()。

Data frame

Data frame 本质上是一个由 vector 构成的 list 的二维数据结构，所以它兼具 list 和 matrix 的一些属性，如 names(), colnames(), rownames(), length(),

使用 data.frame() 创建一个 Data frame：

df <- data.frame(
  x = 1:5,
  y = c("a", "b", "c", "d", "e"),
  stringsAsFactors = FALSE
)

默认会把 character 型的 atomic vector 转换为 factor，需要参数 stringsAsFactors=FALSE 来禁止这一行为。

检查和转换也很简单，和之前介绍的完全配套：is.data.frame()，as.data.frame()。

可以使用 rbind() 和 cbind() 来对 data frame 进行合并，但要注意的是合并时对应的行和列必须配套。

如果你把 list 或者 matrix 传入 data.frame() 中，想构建一列是 list 或者 matrix，它会报错。这时可以采用两种方法：

• 使用 cbind() 将已有的 data frame 与之合并
• 还有就是使用 I()：data.frame(x=1:3, y=I(list(1:2, "a", FALSE))

另外还有个很有趣的一点是：使用 df[FALSE, ] 和 df[, FALSE] 可以分别得到 0 行的和 0 列的 data frame。