R语言数据框与数据读取全解析

### R语言数据框与数据读取全解析 #### 1. 数据框（Data Frames） 数据框与矩阵有相似之处，但它有一个重要的特性，即每一列可以有自己的对象类型。数据框大致相当于Excel电子表格，与一维的向量不同，它有行和列两个维度，且每一列都是一个向量。 虽然数据框不是最快的数据结构（例如数据表格更快），但它是最常用的。除非要分析大量数据，否则数据框足以完成任务。 ##### 1.1 列表（Lists）与数据框的过渡 列表类似于字典，每个条目可以有不同的定义。例如，在`myList2`中，第一个条目等同于`myNumbers`（包含1, 2, 3），第二个条目等同于`myWords`（包含“English”，“Spanish”，“French”）。要访问“French”，可以输入`myList2[[2]][3]`。 为了更方便地访问列表内容，可以给列表条目命名，之后就可以使用`$`符号来访问。列表在需要层次结构来容纳不同类型对象时很有用，但数据通常不会以列表形式存在，因此我们转向数据框。 ##### 1.2 创建数据框 在R中创建数据框可以使用`data.frame()`命令，也可以使用`as.data.frame()`函数。以下是创建数据框的示例代码： ```R # 创建数据框的第一种方式 df = data.frame(Numbers = myNumbers, Languages = myWords, Logicals = c(TRUE, NA, FALSE)) # 更快/更简单的方式 names(myList2) = c("Numbers", "Languages", "Logicals") # 给列表条目命名 df = as.data.frame(myList2) # 检查每列的类型 str(df) # 查看数据框的概况 summary(df) # 计算Numbers列的均值、中位数和标准差 mean(df$Numbers) # 切片表示法：mean(df[, "Numbers"]) 或 mean(df[,1]) median(df$Numbers) # 切片表示法：median(df[, "Numbers"]) 或 median(df[,1]) sd(df$Numbers) # 切片表示法：sd(df[, "Numbers"]) 或 sd(df[,1]) # 可视化数据框 head(df, n = 2) # 前两行 tail(df, n = 2) # 后两行 # 将数据框导出为csv文件 write.csv(df, file = "df.csv", row.names = FALSE, quote = FALSE) ``` 在上述代码中，`df`是一个包含三列的数据框，每列有不同的对象类型和名称。可以使用`str()`函数查看每列的类型，使用`summary()`函数查看数据集的概况。 ##### 1.3 访问数据框的列 可以使用`$`符号或切片表示法来访问数据框的列。例如，要打印`Languages`列，可以运行`df$Languages`；要提取该列并赋值给新变量，可以运行`newVariable = df$Languages`。 切片表示法中，`df[,2]`表示打印第二列的所有行，`df[3,2]`表示打印第二列的第三行，`df[c(1,3),2]`表示打印第二列的第一行和第三行。也可以使用列名代替索引，如`df[3, "Languages"]`。 ##### 1.4 数据框的可视化和导出 `head()`函数可以打印数据框的前几行（默认是6行），`tail()`函数可以从数据框的底部开始打印。这两个函数很有用，因为通常不需要在屏幕上打印整个数据框。 要将数据框导出为csv文件，可以使用`write.csv()`函数，需要指定要保存的对象、文件名、是否保留行名和是否使用引号。 #### 2. 读取数据 开始新的分析时，首先要加载数据。在导入数据之前，需要检查数据文件是否准备好，并了解R Projects这个工具。 ##### 2.1 数据文件准备 理论