1.4.2 數(shù)據(jù)結(jié)構(gòu)

常見的數(shù)據(jù)結(jié)構(gòu)包括：向量（vector）、數(shù)據(jù)框（data.frame）、矩陣（matrix）、列表（list）和數(shù)組（array）。其中，矩陣是將數(shù)據(jù)用行和列排列的長(zhǎng)方形表格，它是二維的數(shù)組，其單元必須是相同的數(shù)據(jù)類型，通常用列來表示不同的變量，用行表示各個(gè)對(duì)象；數(shù)組可以看作是帶有多個(gè)下標(biāo)的類型相同的元素的集合；列表是一個(gè)對(duì)象的有序集合構(gòu)成的對(duì)象，列表中包含的對(duì)象又稱為它的分量（component），分量可以是不同的模式或（和）類型。我們?cè)诒緯臄?shù)據(jù)可視化中，比較常用的是向量（因子屬于特殊的向量）和數(shù)據(jù)框，所以我們重點(diǎn)介紹這兩種類型的數(shù)據(jù)結(jié)構(gòu)，還將介紹與數(shù)據(jù)可視化密切相關(guān)的函數(shù)。

1．向量

向量是用于存儲(chǔ)數(shù)值型、字符型或邏輯型數(shù)據(jù)的一維數(shù)組。執(zhí)行組合功能的函數(shù)c()可用來創(chuàng)建向量（c代表合并：combine）。值得注意的是，單個(gè)向量中的數(shù)據(jù)類型是固定的，比如數(shù)值型向量中的元素就必須全為向量。量是R語言中最基本的數(shù)據(jù)結(jié)構(gòu)，其他類型的數(shù)據(jù)結(jié)構(gòu)都可以由向量構(gòu)成。最常見的向量有三種類型：數(shù)值型、字符型、邏輯型。

（1）向量的創(chuàng)建

向量的創(chuàng)建有多種方法，我們既可以手動(dòng)輸入，使用函數(shù)c()創(chuàng)建向量；也可以使用現(xiàn)有的函數(shù)創(chuàng)建向量，比如seq()、rep()等函數(shù)，具體如表1-4-1所示。

表1-4-1 向量的創(chuàng)建

（2）向量的處理

封面

結(jié)果order包括兩部分：$x為[5 4 3 2 1], $ix為[4 2 3 5 1]。

        Vec<-c（1,4,3,5,2）
        order<-sort（Vec, index.return=TRUE, decreasing = TRUE）

●向量的唯一值。unique()函數(shù)主要是返回一個(gè)刪除了把重復(fù)元素或行的向量、數(shù)據(jù)框或數(shù)組。在需要對(duì)數(shù)據(jù)框根據(jù)某列進(jìn)行分組運(yùn)算時(shí)，需要使用該函數(shù)先獲取類別總數(shù)。

        Vec<-c（＂peter＂, ＂jack＂, ＂peter＂, ＂jack＂, ＂eelin＂）
        Uni<-unique（Vec） #輸出：＂peter＂,＂jack＂,＂eelin＂

●連續(xù)向量的離散化。在做數(shù)據(jù)挖掘模型時(shí)，我們有時(shí)會(huì)需要把連續(xù)型變量轉(zhuǎn)換為離散型變量，這種轉(zhuǎn)換的過程就是數(shù)據(jù)離散化，分箱就是離散化常用的一種方法。數(shù)據(jù)離散化最簡(jiǎn)單的方法就是使用cut()函數(shù)自定義離散區(qū)間，從而對(duì)數(shù)據(jù)進(jìn)行離散處理。

        Num_Vector<- c（10, 5, 4, 7, 6, 1, 4, 8, 8, 5）
        Cut_Vector<-cut（Num_Vector, breaks=c（0,3,6,9,11）, labels=c（＂0～3＂, ＂3～6＂, ＂6～9＂, ＂>9＂）, right = TRUE）
        # 輸出結(jié)果為因子向量：>9, 3～6, 3～6, 6～9, 3～6, 0～3, 3～6, 6～9, 6～9, 3～6；其水平Levels為： 0～3, 3～6, 6～9,>9

（3）向量的索引

向量是多個(gè)元素的集合，當(dāng)我們只需要指定或者說提取該向量中的某個(gè)元素時(shí)，就可以使用向量的索引（indexing）。向量元素有三種基本類型的向量索引：整數(shù)型，索引的是元素位置；字符型，索引的是名稱屬性；邏輯型，索引的是相同長(zhǎng)度的邏輯向量對(duì)應(yīng)的邏輯值為真的元素。

        x<-c（1,4,3,5,2）

●整數(shù)型索引，選擇某個(gè)或多個(gè)元素：x[2]; x[-2]; x[2:4]; x[c(1,4)]

●邏輯型索引，邏輯運(yùn)算選擇元素：x[x>2]; x[x==1]; x[x<=5]

2．因子

因子（factor）是R語言中許多強(qiáng)大運(yùn)算的基礎(chǔ)，包括許多針對(duì)表格數(shù)據(jù)的運(yùn)算，可分為類別型變量和有序型變量。因子可以看成是包含了額外信息的向量，這額外的信息就是不同的類別，稱之為水平（level）。因子在R中非常重要，因?yàn)樗鼪Q定了數(shù)據(jù)的分析方式，以及如何進(jìn)行視覺呈現(xiàn)。

（1）因子的創(chuàng)建

一個(gè)因子不僅包括分類變量本身，還包括變量不同的可能水平（即使它們?cè)跀?shù)據(jù)中不出現(xiàn)）。因子函數(shù)factor()用下面的選項(xiàng)創(chuàng)建一個(gè)因子。對(duì)于字符型向量，因子的水平默認(rèn)依字母順序創(chuàng)建：

       （Fair, Good, Ideal, Premium, Very Good）
        Cut<-c（＂Fair＂, ＂Good＂, ＂Very Good＂, ＂Premium＂, ＂Ideal＂）
        Cut_Facor1<-as.factor（Cut）

（2）水平的更改

很多時(shí)候，按默認(rèn)的字母順序排序的因子很少能夠讓人滿意。因此，可以指定levels選項(xiàng)來覆蓋默認(rèn)排序。更改因子向量的levels為("Good", "Fair", "Very Good", "Ideal", "Premium")，就需要使用factor()函數(shù)更改levels。

        Cut_Facor2<-factor（x=c（＂Fair＂, ＂Good＂, ＂Very Good＂, ＂Premium＂, ＂Ideal＂）,
                      levels= c（＂Good＂, ＂Fair＂, ＂Very Good＂, ＂Ideal＂, ＂Premium＂）,
                      ordered=TRUE）

（3）類型的轉(zhuǎn)換

數(shù)值型因子向量的類型變換。有時(shí)候我們需要將數(shù)值型的因子向量重新轉(zhuǎn)換成數(shù)值型向量，這時(shí)，我們需要使用as.numeric(as.character())組合函數(shù)，而不能直接使用as.numeric()函數(shù)。其中as.character()函數(shù)表示將向量變成字符型，as.numeric()函數(shù)表示將向量變成數(shù)值型。

        Num _Facor<-factor（x=c（1,3,5,2）, levels= c（5,3,2,1）, ordered=TRUE）
        Num_Vector1<-as.numeric（as.character（Num_Facor）） # 輸出：1 3 5 2
        Num_Vector2<-as.numeric（Num_Facor）           # 輸出：4 2 1 3

3．?dāng)?shù)據(jù)框

數(shù)據(jù)框是R語言中的一個(gè)種表格結(jié)構(gòu)，對(duì)應(yīng)于數(shù)據(jù)庫中的表，類似Excel中的數(shù)據(jù)表。數(shù)據(jù)框是由多個(gè)向量構(gòu)成的，每個(gè)向量的長(zhǎng)度相同。數(shù)據(jù)框類似矩陣，也是一個(gè)二維表結(jié)構(gòu)。在統(tǒng)計(jì)學(xué)術(shù)語中，用行來表示觀測(cè)（observation），用列來表示變量（variable）。

（1）數(shù)據(jù)框的創(chuàng)建與查看

創(chuàng)建數(shù)據(jù)框，最簡(jiǎn)單的方法就是，用同名的定義函數(shù)data.frame()，輸入每個(gè)變量的名稱及對(duì)應(yīng)的向量，每個(gè)向量的長(zhǎng)度相同。一個(gè)數(shù)據(jù)框可能包含多個(gè)變量（向量），有時(shí)需要單獨(dú)提取某個(gè)變量，使用特殊的$符號(hào)來訪問，由“數(shù)據(jù)框$變量名”構(gòu)成。數(shù)據(jù)框數(shù)據(jù)的選取如表1-4-2所示。

表1-4-2 數(shù)據(jù)框數(shù)據(jù)的選取

●獲取數(shù)據(jù)框的行數(shù)、列數(shù)和維數(shù)：nrow()、ncol()、dim()。●獲取數(shù)據(jù)框的列名或行名：names()、rownames()、colnames()；重新定義列名：names(df)<-c("X","Y", "Z")。

●觀察數(shù)據(jù)框的內(nèi)容：view(df)、head(df, n=3)、tail(df)。

（2）空數(shù)據(jù)框的創(chuàng)建

創(chuàng)建空數(shù)據(jù)框，在需要自己構(gòu)造繪圖的數(shù)據(jù)框數(shù)據(jù)信息時(shí)尤為重要。有時(shí)候，繪制復(fù)雜的數(shù)據(jù)圖表的過程中，我們需要對(duì)現(xiàn)有的數(shù)據(jù)進(jìn)行插值、擬合等處理時(shí)，需要使用空的數(shù)據(jù)框儲(chǔ)存新的數(shù)據(jù)，最后使用新的數(shù)據(jù)框繪制圖表。創(chuàng)建空的數(shù)據(jù)框主要有如下兩種方法。

●創(chuàng)建一個(gè)名為Df_Empty，包括兩個(gè)變量（var_a為numeric類型；var_b為character類型）的data.frame。但是注意：要加上stringsAsFactors=FALSE，否則在后面逐行輸入數(shù)據(jù)時(shí)，會(huì)因?yàn)関ar_b的取值未經(jīng)定義的factor level而報(bào)錯(cuò)。

        Df_Empty1<- data.frame（var_a = numeric（）, var_b = character（）, stringsAsFactors=FALSE）

●先使用矩陣創(chuàng)建空的數(shù)據(jù)框，同時(shí)通過dimnames設(shè)定數(shù)據(jù)框的列名。這個(gè)相比于前一種方法可以更快速地創(chuàng)建多列空數(shù)據(jù)框：

        Df_Empty2 <- data.frame（matrix（ncol=2, nrow=0, dimnames=list（c（）, c（＂var_a＂, ＂var_b＂））））