第三讲-因子列表数据框与数据读写

1、01020304050 -2-1012 Simple Use of Color In a Plot Just a Whisper of a Label -1.0-0.50.00.51.0 sin and cos Phase Angle sin Sepal.Length 2.03.04.0 7.5 2.03.04.0 Sepal.Width Petal.Length 1234567 7.5 1234567 Petal.Width Edgar Andersons Iris Data Math can be beautiful

2、 . cosr 2er 6 实验内容 1、数据表示方法 2、应用实例 3、实验作业 学习R语言中离散变量、混合数据的表示方法 实验目的 因子、列表、数据框与数据的读 写 因子（factor）和有序因子 统计中的变量重要类别： 区间变量和名义变量、有序变量。 区间变量取连续的数值，可以进行求和、平均等 运算。 名义变量和有序变量取离散值，既可用数值代表 也可用字符型值，其具体数值没有数量意义，不 能用于加减乘除计算而只能用来分类或者计数。 名义变量比如性别、省份、职业，有序变量比如 班级名次、质量等级。 因为离散变量有各种不同表示方法，在R中为统 一起见使用因子(factor)来表示这种分类变量

3、。还 提供了有序因子(ordered factor)来表示有序变量 。 因子是一种特殊的字符型向量，其中每一个元素 取一组离散值中的一个，而因子对象有一个特殊 属性levels表示这组离散值（用字符串表示）。 例如： x y y 1 男 女 男 男 女 Levels: 男 女 函数factor()用来把一个向量编码成为一个因子 。 一般形式为： factor(x, levels = sort(unique(x), na.last = TRUE), labels, exclude = NA, ordered = FALSE) 可以自行指定各离散取值水平（levels），不指 定时由x的不同值来求

4、得。 labels可以用来指定各水平的标签，不指定时用 各离散取值的对应字符串。 exclude参数用来指定要转换为缺失值（NA）的 元素值集合。 ordered取真值时表示因子水平（Levels）是有次 序的。 可以用is.factor()检验对象是否因子，用as.factor() 把一个向量转换成一个因子。 x y factor (x, order=T); 1 4 2 2 3 Levels: 2 3 factor(x,label=c(red, black,white) 1 white red red black # red代表2，black 代表3， white代 表4 Levels: r

5、ed black white factor(x,label=c(red,black,white),order=T ); 1 white red red black Levels: red black white # 234 故有 red black factor(x, exclude=3,order=T); 1 4 2 2 # exclude的那个值显示为 Levels: 2 xy=factor(x,levels=sort(unique(x),decreasing=T),l abels=c(男, 女), order=F); y 1 男 女 男 男 女 Levels: 男 女 x y=facto

6、r(x,levels=c(1,0), labels=c(男, 女), order=F) y 1 男 女 男 男 女 Levels: 男 女 用函数levels()可以得到因子的水平 levels(y); 1 男 女 因子的基本统计是频数统计，用函数table()来 计数。例如， sex = factor(c(男, 女, 男, 男, 女) ; res.tab res.tab 1 男 女 3 2 # 表示男性3人，女性2人。table()的结果 是一个带元素名的向量，元素名为因子水平， 元素值为该水平的出现频数。 mode(res.tab); 1 numeric 可以用两个或多个因子进行交叉分类。

7、比如 ，性别（sex）和职业（job）交叉分组可以 用table(sex, job)来统计每一交叉类的频数， 结果为一个矩阵，矩阵带有行名和列名，分 别为两个因子的各水平名。 job=factor(c(teacher, worker,worker, worker,teacher); sex = factor(c(男, 女, 男, 男, 女); table(sex, job); job sex teacher worker 男 1 2 女 1 1 age=factor(c(old,old, young,old,young); table(sex, job, age); 因子可以用来作为另外的同长

8、度变量的分类变 量。比如，假设sex是5个学生的性别，h是他们 的身高向来 sex = factor(c(男, 女, 男, 男, 女) ; h tapply(h, sex, mean)； 男 女 168.3333 164.5000 可以求按性别分类的身高平均值。 这样用一个等长的因子向量对一个数值向量分 组的办法叫做不规则数组。 函数tapply的基本用法为： tapply (X, INDEX, FUN = NULL, ., simplify = TRUE ); X是向量；INDEX是和X同等长度的因 子，FUN是要执行的函数，simplify取默认 的TRUE，返回一个标量，取FALSE时，

9、返 回一个列表list。 注意比较： tapply(h, sex, mean, simplify=F)； $男 1 168.3333 $女 1 164.5 因子还可以用gl()函数来产生，其用法为： gl(n, k, length=n*k, labels=1:n, ordered=FALSE) n是水平数； k为重复的次数； length是结果的 长度； labels是一个n维向量，表示因子的水平 ；ordered是逻辑变量，表示是否为有序因子， 默认值为FALSE。 gl(3,5) 1 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 Levels: 1 2 3 gl(3,1,9)

10、 1 1 2 3 1 2 3 1 2 3 Levels: 1 2 3 gl(3,1,8,labels=c(red,blue,white) 1 red blue white red blue white red blue Levels: red blue white 列表（list）定义 列表是一种特别的对象集合，它的元素也由序号 （下标）区分，但是各元素的类型可以是任意对 象，不同元素不必是同一类型。元素本身允许是 其它复杂数据类型，比如，列表的一个元素也允 许是列表。 列表元素用“列表名下标”的格式引用。 但是，列表不同于向量，我们每次只能引用一个 元素，如rec1:2的用法是不允许的。 注

11、意：“列表名下标”或“列表名下标范围” 的用法也是合法的，但其意义与用两重括号的记 法完全不同，两重记号取出列表的一个元素，结 果与该元素类型相同，如果使用一重括号，则结 果是列表的一个子列表（结果类型仍为列表）。 rec = list(name=李明, age=30, scores=c(85, 76, 90) rec $name 1 李明 $age 1 30 $scores 1 85 76 90 rec1 $name 1 李明 rec1 1 李明 rec2 $age 1 30 rec2 1 30 rec3 $scores 1 85 76 90 rec3 1 85 76 90 rec31:2

12、1 85 76 mode(rec1) 1 list mode(rec1) 1 character 在定义列表时如果指定了元素的名字（如rec中 的name，age，scores），则引用列表元素还可以 用它的名字作为下标，格式为“列表名元素名 ”，如： recage 1 30 另一种格式是“列表名$元素名”，如： rec$age 1 30 其中“元素名”可以简写到与其它元素名能够 区分的最短程度，比如“rec$s”可以代表 “rec$score”。 这种写法方便了交互运行，编写程序时一般不 用简写，以免降低程序的可读性。 使用元素名的引用方法可以让我们不必记住某一 个下标代表哪一个元素，而直接

13、用易记的元素名 来引用元素。 定义列表使用list()函数，每一个自变量变成列表 的一个元素，自变量可以用“名字值”的方式 给出，即给出列表元素名。 构造列表的一般格式为 list(name1=对象1, name2=对象2,); 练习：构建下面的列表，尝试调用各种列表元素 的各个方法 family rec$age rec$age rec$sex rec6 rec 第五号元素因为没有定义所有其值是“NULL”， 这是空对象的记号。 如果rec是一个向量，则其空元素为“NA”，这是 缺失值的记号。从这里我们也可以体会“NULL” 与“NA”的区别。 几个列表可以用连接函数c()连接起来，结果仍为

14、一个列表，其元素为各自变量的列表元素。如： list.ABC rec1= list(name=“李雷, age=30, scores=c(76, 90) rec2= list(name=“韩美美”, age=28, scores=c(20, 25) rec3= list(name=“Lucy”, age=28, scores=c(30, 50) rec4= list(name=“Lily”, age=29, scores=c(44, 66) rec.all rec.all$name 1 “李雷” rec.allname 1 李雷“ rec.allname $name 1 李雷 rec.all4

15、 $name 1 韩美美 rec.all4 1“韩美美” 数据框（data.frame） 数据框是R的一种数据结构。它通常是矩阵形式 的数据，但矩阵各列可以是不同类型的。数据框 每列是一个变量，每行是一个观测。 数据框有更一般的定义。它是一种特殊的列表对 象各列表成员必须是向量（数值型、字符型、逻 辑型）、因子、数值型矩阵、列表，或其它数据 框。向量、因子成员为数据框提供一个变量，如 果向量非数值型则会被强制转换为因子，而矩阵 、列表、数据框这样的成员为新数据框提供了和 其列数、成员数、变量数相同个数的变量。作为 数据框变量的向量、因子或矩阵必须具有相同的 长度（行数）。 尽管如此，我们一般还

16、是可以把数据框看作是一 种推广了的矩阵，它可以用矩阵形式显示，可以 用对矩阵的下标引用方法来引用其元素或子集。 数据框生成 数据框可以用data.frame()函数生成，其用法与 list()函数相同，各自变量变成数据框的成分， 自变量可以命名，成为变量名。例如： d=data.frame(name=c(赵, 钱, 孙, 李, 王),age=c(20,21,22,21,20),height= c(170,171,175,165,181),gender=c(男, 女, 男 , 女, 男 ) d d name age height gender 1 赵 20 170 男 2 钱 21 171 女

17、3 孙 22 175 男 4 李 21 165 女 5 王 20 181 男 d1 name 1 赵 2 钱 3 孙 4 李 5 王 d1 1 赵 钱 孙 李 王 Levels: 李 钱 孙 王 赵 # 可见，d里的非数 值向量已经变成因 子了 d22:3 1 21 22 如果一个列表的各个成分满足数据框成 分的要求，它可以用as.data.frame()函数 强制转换为数据框。比如，上面的d如果 先用list()函数定义成了一个列表，就可 以强制成为一个数据框。 d1 d2 x y y; V1 V2 V3 1 1 3 5 2 2 4 6 mode(x); 1 “numeric” mode(y

18、); 1“ list” #数据框的mode仍然是list 数据框引用 引用数据框元素的方法与引用矩阵元素的方法 相同，可以使用下标或下标向量，也可以使用 名字或名字向量。如d1:2, 2:3(第一二行的第 二三列对应的元素)。数据框的各变量也可以用 按列表引用（即用双括号 或$符号引用, 和 列表的引用方法一致，此处不再赘述）。 数据框的变量名(列的名字)由属性names定义。 数据框的各行也可以定义名字，可以用 rownames属性定义。如： names(d) 1 name age height gender rownames(d) 1 1 2 3 4 5 table(d4) 1 男 女 3

19、 2 table(d4) #两种统计结果是一致的 1 男 女 3 2 tapply(d3,d4, mean) 1 男 女 175.3333 168.0000 d3/d2 1 8.500000 8.142857 7.954545 7.857143 9.050000 attach()函数 数据框的主要用途是保存统计建模需要的数据 。R的统计建模功能都需要以数据框为输入数 据。我们也可以把数据框当成一种矩阵来处理 。 在使用数据框的变量时可以用“数据框名$变 量名”的记法。但是，这样使用较麻烦，R提 供了attach()函数可以把数据框“连接”入当前 的名字空间。例如， attach(d) r d$

20、r d 为了取消连接，只要调用detach()（无参数即可 ）。 列表与数据框的编辑 edit()函数可以用来编辑数据框 edit(d) d.new print(ABC, quote=F); 1 ABC print(ABC, quote=T); 1 ABC print()函数是一个通用函数，即它对不同的自变 量有不同的反应。对各种特殊对象如数组、模 型结果等都可以规定print的输出格式。 cat()函数也用来输出，但它可以把多个参数连接 起来再输出（具有paste()的功能）。例如： i =1; cat(i = , i, n) 注意使用cat()时要自己加上换行符“n”。它把各 项转换成字符

21、串，中间隔以空格连接起来，然后 显示。 如果要使用自定义的分隔符，可以用sep=参数， 例如： cat(c(AB, C), c(E, F), n, sep=“,) 1AB,C,E,F cat(c(AB, C), c(E, F), sep=“-) 1 AB-C-E-F cat()还可以指定一个参数file=给一个文件名， 可以把结果写到指定的文件中，如： cat(i = , 1, n, file=c:/work/result.txt) 如果指定的文件已经存在则原来内容被覆盖。 加上一个append=TRUE参数可以不覆盖原文件 而是在文件末尾附加，这很适用于运行中的结 果记录。 读数据文件 读入

22、纯的文本文件用read.table()或scan() read.table(file, header=F, sep=, s, s, skip=0 ) 其中file是读取的文件名；header表示第一行是 否作为变量名，默认值是FALSE；sep是数据分 隔符，默认是空格，可以根据实际的文档定义 分隔符；s和s分别定义了行和 列的名字，可以缺省；skip表示跳过的行数， 默认是0；其他还有很多可设置的参数，详见 帮助文件 。 forbes is.data.frame(forbes); 1 TRUE forbes scan()函数的基

23、本用法 若是直接从命令行输入数据 x x 1 1 2 2 若一个纯的文本文档，已经有一些数据，如15 个学生的体重数据的文本文档weight.txt 75.0 64.0 47.4 66.9 62.2 62.2 58.7 63.5 66.6 64.0 57.0 69.0 56.9 50.0 72.0 w h_w h_w $height 1 172.4 169.3 169.3 171.4 166.5 171.4 168.2 165.1 168.8 167.8 165.8 167.8 13 164.4 169.9 164.9 $weight 1 75.0 54.8 64.0 64.8 47.4 62.2 66.9 52.0 62.2 65.0 62.2 65.0 58.7 57.5 15 63.5 读取其他格式的文件 读取SPSS数据文件 read.spss(file.sav, to.data.frame=TRUE) 读取SAS数据文件 read.xport(file.xpt) # 读入以后是个数据框 读取excel数据文件 R里面没有提供直接读取excel数据文件的命令 ，Microsoft的文件背后究竟是个什么谁也不知 道。但可以调用RODBC