2.3　R数据对象的属性与结构

在《大话统计学》中定义数据的衡量尺度有：定比尺度、定距尺度、定序尺度、定类尺度。在R数据对象的属性有：数值、整数、因子、逻辑和字符串。数据对象结构有：向量、因子、矩阵、数据框、数组、列表、时间序列等，如图2-2所示。

图2-2　R数据对象的属性与结构

2.3.1　数值

数值（numeric）：下列命令a，a1是变量，分别指定为 5，3.5。

     > a <- 5#创建数据对象a
   > a1 <- 3.5

2.3.2　整数

整数（integer）：下列命令 b，b2是变量，分别指定为整数5，2。b1是数值。

2.3.3　字符串

字符串（character）：引号要用 " "，不能用“ ”（如果用Word编程）。

下列命令c，c1是变量，分别指定为字符串。

2.3.4　逻辑

逻辑（logical）：TRUE =T = 1，FALSE = F = 0。下列命令d是变量，指定为TRUE。

2.3.5　向量

向量（vector）没有维度，不是行向量1×n，也不是列向量n×1，如图2-3所示。

图2-3　向量

向量每个元素有相同的格式，数值或符串符。下列命令e，f，g，a是变量，指定为向量。

2.3.6　因子

因子（factor）是定类变量（无顺序）或定序变量（有顺序），分为有序因子和无序因子。

下列命令E，g是向量，F，G，H，h是变量，指定为因子。H，h改为有序因子。

如图2-4所示。

图2-4　因子F

如图2-5所示。

图2-5　有序因子h

2.3.7　矩阵

矩阵（matrix）的维度是m×n，m是行的数目，n是列的数目，每个元素有相同的格式，通常都是数值，所以两个矩阵可以相加或相乘，相乘有如下两种。

图2-6　矩阵

2.3.8　数据框

数据框（data frame）是大数据R语言最常用的数据结构。数据框的数据常用命名为“df”。数据框每个列（变量）的样本数目相同，相同列的数据属性相同，不同列的数据可以有不同属性，如下例（示意图如图2-7所示）k有4行3列：X1的属性是字符串因子，X2和X3的属性是数值。

图2-7　数据框示意

2.3.9　数组

数组（array）是多维的矩阵。

1.1.7节商业智能OLAP多维分析：向上钻取（roll up）、向下钻取（drill down）、切片（slice）和切块（dice）等数据结构应用是数组数据。

如下代码示意图如图2-8所示。

图2-8　数组示意

2.3.10　列表

列表（list）可以将不同结构的数据合并，如图2-9所示。

图2-9　列表示意

2.3.11　时间序列

示意代码如下：

2.3.12　访问数据类型和结构

统计学和大数据最重要的是查看数据的类型和结构。

一个数据结构在不同的访问中，可能有不同的结果。

2.3.13　遗失值

NA表示missing value，NaN表示not a number，NULL表示empty object。

2.3.14　读入Excel CSV数据

在Excel中保存文件，选择“另存为”保存类型，选择“CSV（逗号分隔）”，即可保存AB.csv文件，可使用R语言打开。

2.3.15　编辑数据

2.3.16　保存Excel　CSV数据

     > write.csv（AB, fi le = "C:/R/AB.csv"）

2.3.17　数据输入窗口

打开窗口输入数据。

     > X <- data.frame（X1=character（0）, X2= character（0）, X3=numeric（0））
   > X <-edit（X）  # X1, X2当作因子 factor

2.3.18　R的数据结构和函数表

R的数据结构和函数表如表2-2所示。

表2-2　R的数据结构和函数