r语言数据结构是什么？R语言中包括哪些数据结构

r语言数据结构是什么？R语言中包括哪些数据结构> weight <- c(68 72 57 90 65 81) > height <- c(1.75 1.80 1.65 1.90 1.72 1.87) > bmi <- weight / height ^ 2 > bmi [1] 22.20408 22.22222 20.93664 24.93075 21.97134 23.16337在上面计算bmi的过程中，运算符“^”被循环使用了，所以计算的结果仍然是一个向量。如果参与运算的向量的长度不一致，R会自动补全后计算，同时给出警告信息。> x[-(1:4)] [1] 31 38 45 52 59 66 73 80 87 94R中的运算都是向量化的，例如：> x <- seq(from = 3 to = 100 by = 7) > x [1] 3

在大多数情况下，结构化的医学数据是一个由很多行和很多列组成的数据集。在R中，这种数据集被称为数据框。在学习数据框之前，我们先来认识一些用于存储数据的数据结构：向量、因子、矩阵、数组和列表。这些数据结构在存储类型、创建方式和操作方式等方面均有所不同，熟悉它们的基本概念和操作技巧，将会让我们能够灵活高效地处理数据。

2.1.1　向量

向量（vector）是用于存储数值型、字符型、逻辑型数据的一维数组。标量可以看作是只含有一个元素的向量。函数c( )可用来创建向量，例如：

> x1 <- c(2 4 1 -2 5) > x2 <- c("one" "two" "three") > x3 <- c(TRUE FALSE TRUE FALSE)

这里x1是数值型向量，x2是字符型向量，而x3是逻辑型向量。每一个向量中的数据类型必须一致。如果想创建有规律的向量，R提供了一些简便的操作和函数，例如：

> x4 <- 1:5 # 等价于x4 <- c(1 2 3 4 5) > x5 <- seq(from = 2 to = 10 by = 2) # 等价于x5 <- c(2 4 6 8 10) > x6 <- rep("a" times = 4) # 等价于x6 <- c("a" "a" "a" "a")

有时候我们只想使用向量中的某个部分，即选取向量的子集。假设有一个从3到100的步长为7的整数向量，那么第5个数的值是多少呢？

> x <- seq(from = 3 to = 100 by = 7) > x [1] 3 10 17 24 31 38 45 52 59 66 73 80 87 94

请注意，向量x的最后一个数并不是100而是94，因为94再加一个步长7，结果就将超过100了。

> x[5] [1] 31

在方括号“[ ]”中的数字被称为下标，它指定向量的索引位置。在上面的命令里，x[5]表示向量的第5个元素，其值为31。下面的命令显示向量的第4、第6和第7个元素：

> x[c(4 6 7)] [1] 24 38 45

下标中的向量可以取负值，表示去除指定位置上的元素。例如，要去掉x的前4个元素，可以输入下面的代码（注意命令里的括号）：

> x[-(1:4)] [1] 31 38 45 52 59 66 73 80 87 94

R中的运算都是向量化的，例如：

> weight <- c(68 72 57 90 65 81) > height <- c(1.75 1.80 1.65 1.90 1.72 1.87) > bmi <- weight / height ^ 2 > bmi [1] 22.20408 22.22222 20.93664 24.93075 21.97134 23.16337

在上面计算bmi的过程中，运算符“^”被循环使用了，所以计算的结果仍然是一个向量。如果参与运算的向量的长度不一致，R会自动补全后计算，同时给出警告信息。

> a <- 1:5 > b <- 1:3 > a b [1] 2 4 6 5 7 Warning message: In a b : longer object length is not a multiple of shorter object length

上面向量a的长度为5，向量b的长度为3。在计算a b时，因为向量b的长度比向量a的短，所以向量b会从第一个元素开始循环使用。因此，在最后的输出中，a中的第四个元素4加上了b的第一个元素1，a中的第五个元素5加上了b的第二个元素2。

R提供了种类繁多的计算统计量的函数，常用的统计函数见表2-1。用这些函数计算向量的统计量非常方便。下面这段代码演示了其中的几个函数作用于向量bmi后的输出结果。

> length(bmi) # 计算向量bmi的长度 [1] 6 > mean(bmi) # 计算向量bmi的均值 [1] 22.5714 > var(bmi) # 计算向量bmi的样本方差 [1] 1.841265 > sd(bmi) # 计算向量bmi的样本标准差 [1] 1.356932

表2-1　常用的统计函数

2.1.2　因子

一般来说，变量有数值型、名义型和有序型之分。名义型变量是没有顺序关系的分类变量，例如人的性别、血型、民族等。而有序型变量是有层级和顺序关系的分类变量，如患者的病情（较差、好转、很好）。名义型变量和有序型变量在R中称为因子（factor）。因子在R中非常重要，它决定了数据的展示和分析方式。数据存储时因子经常以整数向量形式存储。所以在进行数据分析之前，经常需要将它们用函数factor( )转换为因子。例如：

> sex <- c(1 2 1 1 2 1 2) > sex.f <- factor(sex levels = c(1 2) labels = c("Male" "Female")) > sex.f [1] Male Female Male Male Female Male Female Levels: Male Female

上面的命令先定义了一个变量sex表示性别，假设其取值1表示男性，2表示女性。接着用函数factor( )将变量sex转换成了因子并存为对象sex.f，其中参数levels表示原变量的分类标签值，参数labels表示因子取值的标签。注意，这两个参数在赋值时需要一一对应，R会将它们相关联。因子型变量与一般的字符型变量的区别就是它有一个水平（level）属性。因子的属性可以使用函数levels( )查看：

> levels(sex.f) [1] "Male" "Female"

在统计模型中，对于因子型变量，R会将其第一个水平当作参考组。很多时候我们需要改变因子水平的排列顺序以改变参考组，这可以通过两种方法实现。第一种方法是在函数factor( )中改变参数levels和labels的排列顺序，例如：

> sex.f1 <- factor(sex levels = c(2 1) labels = c("Female" "Male")) > sex.f1 [1] Male Female Male Male Female Male Female Levels: Female Male

第二种方法是使用函数relevel( )：

> sex.f1 <- relevel(sex.f ref = "Female") > sex.f1 [1] Male Female Male Male Female Male Female Levels: Female Male

要表示有序因子，需要在函数factor( )里指定参数ordered = TRUE。例如：

> status <- c(1 2 2 3 1 2 2) > status.f <- factor(status levels = c(1 2 3) labels = c("Poor" "Improved" "Excellent") ordered = TRUE) > status.f [1] Poor Improved Improved Excellent Poor Improved Improved Levels: Poor < Improved < Excellent2.1.3　矩阵

矩阵（matrix）是一个由行和列组成的二维数组。矩阵里的每个元素具有相同的模式（数值型、字符型或逻辑型）。在大多数情况下，矩阵里的元素是数值型的，它具有很多数学特性和运算方式，可以用来进行统计计算，例如因子分析、广义线性模型等。函数 matrix( )常用于创建矩阵，例如：

> M <- matrix(1:6 nrow = 2) > M [ 1] [ 2] [ 3] [1 ] 1 3 5 [2 ] 2 4 6

上面的命令用向量1到6创建了一个行数为2的矩阵，R会根据向量的长度和参数nrow设定的行数自动计算列数。参数byrow默认为FALSE，即按列将数值进行排列，如果需要按行排列，只需将参数byrow设为TRUE。

常见的矩阵运算都可以在R中实现，如矩阵加法、矩阵乘法、求逆矩阵、矩阵转置、求方阵的行列式、求方阵的特征值和特征向量等。

矩阵乘法中要求第一个矩阵的列数等于第二个矩阵的行数，其运算符为“%*%”。先创建两个矩阵：

> mat1 <- matrix(1:6 nrow = 3) > mat1 [ 1] [ 2] [1 ] 1 4 [2 ] 2 5 [3 ] 3 6 > mat2 <- matrix(5:10 nrow = 2) > mat2 [ 1] [ 2] [ 3] [1 ] 5 7 9 [2 ] 6 8 10

函数dim( )可以得到矩阵的维数，即行数和列数：

> dim(mat1) [1] 3 2 > dim(mat2) [1] 2 3

结果表明，mat1是一个3行2列的矩阵，mat2是一个2行3列的矩阵，因此它们可以相乘，结果应该是一个3行3列的矩阵。

> mat1 %*% mat2 [ 1] [ 2] [ 3] [1 ] 29 39 49 [2 ] 40 54 68 [3 ] 51 69 87

矩阵的转置运算就是把矩阵的行和列互换。例如，求矩阵mat1的转置矩阵：

> t(mat1) [ 1] [ 2] [ 3] [1 ] 1 2 3 [2 ] 4 5 6

求方阵的行列式和逆矩阵分别可以使用函数det( )和函数solve( )实现，例如：

> mat3 <- matrix(1:4 nrow = 2) > det(mat3) [1] -2 > solve(mat3) [ 1] [ 2] [1 ] -2 1.5 [2 ] 1 -0.5

此外，我们还可以对矩阵按行、列求和或者求平均，例如：

> rowSums(mat1) [1] 5 7 9 > colSums(mat1) [1] 6 15 > rowMeans(mat1) [1] 2.5 3.5 4.5 > colMeans(mat1) [1] 2 5

与矩阵运算有关的函数在此无法一一详述，读者有需要时可以通过查阅CRAN的相关文档了解更多矩阵运算函数用法的细节。

使用索引访问矩阵元素也是矩阵的基本操作，与向量类似，我们可以用“[]”来索引访问矩阵中的元素。不同的是，对于矩阵，在“[ ]”中需要用逗号分隔行号和列号。例如，选取矩阵mat1的前两行和前两列，可以使用下面的命令：

> mat1[1:2 1:2] [ 1] [ 2] [1 ] 1 4 [2 ] 2 5

如果省略了行号或列号，则表示选取所有行或者所有列，例如：

> mat1[2:3 ] [ 1] [ 2] [1 ] 2 5 [2 ] 3 62.1.4　数组

通常所说的数组（array）指的是多维数组，它与矩阵类似，但是维数大于2。数组有一个特殊的维数（dim）属性。下面的命令给一个向量加上维数后定义了一个数组，请注意数值的排列顺序。

> A <- 1:24 > dim(A) <- c(3 4 2) > A 1 [ 1] [ 2] [ 3] [ 4] [1 ] 1 4 7 10 [2 ] 2 5 8 11 [3 ] 3 6 9 12 2 [ 1] [ 2] [ 3] [ 4] [1 ] 13 16 19 22 [2 ] 14 17 20 23 [3 ] 15 18 21 24

上面的数组还可以通过函数array( )创建，并给各个维度添加名称和标签。

> dim1 <- c("A1" "A2" "A3") > dim2 <- c("B1" "B2" "B3" "B4") > dim3 <- c("C1" "C2") > array(1:24 dim = c(3 4 2) dimnames = list(dim1 dim2 dim3)) C1 B1 B2 B3 B4 A1 1 4 7 10 A2 2 5 8 11 A3 3 6 9 12 C2 B1 B2 B3 B4 A1 13 16 19 22 A2 14 17 20 23 A3 15 18 21 242.1.5　列表

列表（list）是R中最灵活也最复杂的一种数据结构，它可以由不同类型的对象混合组成。例如，它可以是向量、数组、表格和任意类型对象的组合。

> list1 <- list(a = 1 b = 1:5 c = c("red" "blue" "green")) > list1 $a [1] 1 $b [1] 1 2 3 4 5 $c [1] "red" "blue" "green"

注意，函数list( )的参数由一系列新对象组成，这些对象从现有对象或值中分配值。显示列表时，每个新对象名都以符号“$”作为前缀。

在普通的数据分析中，创建列表并不是一项常见的任务。但是，很多函数的返回值是一个列表。例如：

> set.seed(123) > dat <- rnorm(10) > bp <- boxplot(dat) > class(bp) [1] "list"

上面的命令用函数rnorm( )从标准正态分布中生成了一个由10个数组成的随机样本。为了使结果具有可重复性，我们在该命令前用函数set.seed( )设置了生成随机数的种子。如果不设定种子，每次显示的结果很可能不同。然后，用函数boxplot( )对这个随机样本作箱线图，并把结果保存为bp。函数class( )用于查看对象的类型，这里bp是一个列表。查看这个列表里面的内容：

> bp $stats [ 1] [1 ] -1.26506123 [2 ] -0.56047565 [3 ] -0.07983455 [4 ] 0.46091621 [5 ] 1.71506499 $n [1] 10 $conf [ 1] [1 ] -0.5901626 [2 ] 0.4304935 $out numeric(0) $group numeric(0) $names [1] "1"

这里列表bp包含了多个对象，如果想查看或使用某一个对象，只需用“$”符号引用。例如，要查看列表bp中的对象stats的内容，可以输入：

> bp$stats [ 1] [1 ] -1.26506123 [2 ] -0.56047565 [3 ] -0.07983455 [4 ] 0.46091621 [5 ] 1.715064992.1.6　数据框

数据框（dataframe）是一个由行和列组成的二维结构，其中行表示观测（observation）或记录（record），列表示变量（variable）或指标（indicator）。数据框与Excel、SAS和SPSS中的数据集类似。数据框看起来与矩阵很相似，而且矩阵的很多操作也适用于数据框，如子集的选择。与矩阵不同的是，数据框里不同的列可以是不同模式（数值型、字符型等）的数据。数据框可以通过函数data.frame( )创建。例如，下面的代码创建了一个包含5个观测对象、4个变量的数据框：

> ID <- 1:5 > sex <- c("male" "female" "male" "female" "male") > age <- c(25 34 38 28 52) > pain <- c(1 3 2 2 3) > pain.f <- factor(pain levels = 1:3 labels = c("mild" "medium" "severe")) > patients <- data.frame(ID sex age pain.f) > patients ID sex age pain.f 1 1 male 25 mild 2 2 female 34 severe 3 3 male 38 medium 4 4 female 28 medium 5 5 male 52 severe

数据框本质上也是一种列表，要显示或使用数据框的某一变量（列），可以使用“$”符号加上变量名。例如：

> patients$age [1] 25 34 38 28 52 > mean(patients$age) [1] 35.4

大部分结构化的医学数据集均以数据框的形式呈现，因此，数据框是本书中最常处理的数据结构。关于数据框的操作将在第3章中详细讨论。

2.1.7　数据类型的转换

在进行数据分析时，分析者需要对数据的类型熟稔于心，因为数据分析方法的选择与数据的类型是有密切联系的。R提供了一系列用于判断某个对象的数据类型的函数，还提供了将某种数据类型转换为另一种数据类型的函数。这些函数都存在于基本包base里，表2-2列出了其中的一部分常用函数。

表2-2　数据类型的判断与转换函数

以“is.”开头的函数的返回值为TRUE或FALSE，而以“as.”开头的函数将对象转换为相应的类型。例如：

> x <- c(2 5 8) > is.numeric(x) [1] TRUE > is.vector(x) [1] TRUE > y <- as.character(x) > y [1] "2" "5" "8" > is.numeric(y) [1] FALSE > is.character(y) [1] TRUE > z <- c(TRUE FALSE TRUE FALSE) > is.logical(z) [1] TRUE > as.numeric(z) [1] 1 0 1 0

本文摘自《 R语言医学数据分析实战》

• 医学统计学入门，华中科技大学同济医学院余松林教授作序推荐
• 强调实战和应用，突出问题本质和整体结构
• 包含大量的R程序示例和图形，带你更深入地理解数据分析

本书共分为14章，第1章～第3章介绍了R语言的基本用法；第4章介绍了数据可视化；第5章介绍了基本的统计分析方法；第6章～第8章介绍了医学研究中最常用的三种回归模型；第9章介绍了生存分析的基本方法；第10章～第12章介绍了几种常用的多元统计分析方法；第13章介绍了临床诊断试验的统计评价指标和计算方法；第14章介绍了在医学科研实践中常用的Meta分析方法。
本书适用于临床医学、公共卫生及其他医学相关专业的本科生和研究生使用，亦可作为其他专业的学生和科研工作者学习数据分析的参考书。阅读本书，读者不仅能掌握使用R及相关包快速解决实际问题的方法，还能更深入地理解数据分析。