####chapter 1 R 简介(下)
#1.8 数据结构(1)
#1.8.1 向量
xx1080 <- 20 #向量赋值，右边赋值给左边
xx1080 = 20 #向量赋值，右边赋值给左边
20 -> xx1080 #左边赋值给右边
20 = xx1080 #Error in 20 = xx1080 : invalid (do-_set) left-hand side to assignment
xx1081 <- c("金融1701","金融1702")
#将右边内容赋值给左边变量，也可以用->赋值号
#意味着左边赋值给右边变量，如果是字符型变量必须加上引号
xx1081
#不同数据类型强行一致化
xx2 <- c("abd",123) #原则上单个向量里面的数据应该为同类型，如果不同类型将会被强制变成同一类型，[1]"abd" "123"
xx22 <- c(123,FALSE)
xx23 <- c("abc",123,FALSE)
#向量命名
xx20 <- c(x=3,y=4,z=5) #给向量赋值，并对其中的元素进行命名
xx20
names(xx20) <- c("A","B","C") #修改向量xx20的元素名
xx20
names(xx20)[2] <- "U" #修改向量xx20的第2个元素名
xx20
#自动补齐
xx21 <- c(1,3,5,7,8) #给向量xx21赋值
xx21 + 2
xx21 + c(2,3)
#生成有规律的向量
#1）冒号的神奇用法
xx3 <- c(1:10) #将1到10的值赋值给xx3,[1] 1 2 3 4 5 6 7 8 9 10
xx30 <- c(0.5:10.5)
xx4 <- c(10:1) #将10到1的值赋值给xx4,[1] 10 9 8 7 6 5 4 3 2 1
#2）利用seq()函数
xx1085 <- seq(1,10) #将1到10的值赋给xx1085，步长默认为1
xx1085 #读取xx1085
xx1086 <- seq(1,10,by=2) #将1到10的值赋给xx1086，步长为2
xx1086
xx1087 <- seq(1,10,length=4) #将1到10的值赋给xx1087，总长度为4
xx1087
#3）rep()
rep(c(1,2),3) #序列1 2 重复3次
rep(c(1,2),c(2,3)) #第一个元素重复2遍，第二个元素重复3遍
rep(c(1,2),each=2) #第一个元素重复2遍，第二个元素重复2遍
#4）利用paste函数将字符串相连
xx5 <-paste("金融",1701,seq="") #利用paste函数可以将字符和其他字符连接成字符串
xx50 <- paste("金融",c(1701,1702),seq="") #长度不相等时，较短的向量自动补齐
xx51 <- paste("金融",c(1701,1702),c("甲","乙"),seq="") #也可以将三个字符串，甚至更多的字符串黏在一起
#如果想生成金融1701甲、金融1701乙、金融1702甲、金融1702乙。。。怎么办
xx52 <- paste("金融",c(1701,1701,1702,1702),c("甲","乙"),seq="")
#chapter 1 R简介(下)
#1.8 数据结构(2)
#如果想生成金融1701甲、金融1701乙、金融1702甲、金融1702乙。。。怎么办
#方法一
xx70 <- paste("金融",rep(1701:1704,each=2),seq="")
xx71 <- paste(xx70,c("甲","乙"))
xx71
#方法二
xx7 <- paste(rep(paste("金融",1701:1704,seq=""),each=2),c("甲","乙"),seq="")
xx7
#生成随机数
#生成随机整数
x <- sample(1:100,3) #产生随机整数
runif(10,min=0,max=1) #产生10个最小值为0，最大值为1的随机数
rnorm(10,mean=0,sd=1) #产生10个均值为0，标准差为1的正态分布随机数
rpois(20,5) #产生20个参数为5的泊松分布随机数
#向量访问
xx1089 <- c(1:10) #将1至10赋值给xx1089
xx1089[3]
xx1089[c(3,6)] <- c(NA,-2) #将Na和-2分别赋值给向量xx1089的第3个和第6个元素
xx1089
xx1089[xx1089 <3] #将向量xx1089中小于3的值返回
xx1090 <- xx1089[!is.na(xx1089)] #将xx1089向量中非缺失值赋值给xx1090
xx1090
#向量常用函数
xx1092 <- c(3:10) #生成向量
length(xx1092) #向量xx1092的长度
mode(xx1092) #向量xx1092的数据类型
range(xx1092) #向量xx1092的范围
which.max(xx1092) #向量xx1092的第几个元素最大
append(xx1092,20:23,after=4) #在向量xx1092的第4个元素后添加20、21、22、23
#今日问题
#1）随机产生一个包括负数和正数的向量(整数)，负数采用1-负数代替，即-3变成4，正数用1+正数代替，即2变成3，怎么编写代码？
#2）随机产生一个包括负数和正数的向量(整数)，负数用NA代替，再将NA用0替代
#数据结构(3)矩阵
#1.8.2 矩阵
#创建矩阵
x1820 <- matrix(1:12,nrow=3,ncol=4) #生成3行4列，以列排序元素的矩阵
x1820
x1821 <- matrix(1:12,nrow=3,ncol=4,byrow=T) #生成3行4列，以行排序元素的矩阵
x1821
#创建矩阵，将向量转换成矩阵
xx1820 <- 1:12 #赋值
dim(xx1820) <- c(3,4) #将向量转换为矩阵，定义维度
xx1820
#给矩阵的行和列命名
x1823 <- matrix(1:12,nrow=3,ncol=4,dimnames=list(letters[1:3],LETTERS[24:27])) #生产3行4列，以列排序元素的矩阵，并给出行名和列名
x1823
rownames(xx1820) <- letters[1:3]
colnames(xx1820) <- LETTERS[24:27]
xx1820
#生成单位矩阵
diag(4) #生成4*4的单位阵
diag(1:3)
#2)访问矩阵中的元素
x1820[2,] #提取矩阵x1820的第二行
x1820[,2] #提取矩阵x1820的第二列
x1820[2,2] #提取矩阵x1820的第二行第二列元素
x1820[2,c(1,2)] #提取矩阵x1820的第二行第一和第二列的元素
#取对角线元素
diag(x1820) #取矩阵x1820的对角线元素
diag(diag(x1820)) #以矩阵x1820的对角线元素生成新矩阵
x1821[x1821[,2]>5,]
x1821[,x1821[,2]>5]
x1821[x1821[,2]>5,2]
#3）矩阵相乘
t(x1820) #计算x1820矩阵的转置矩阵
#3）矩阵相乘
t(x1820) %*% x1820 #矩阵x1820的转置与矩阵x1820相乘
crossprod(x1820,x1820) #矩阵x1820的转置与矩阵x1820相乘
#点乘
x18201 <- matrix(1:12,nrow=3,ncol=3) #生成3行3列，以列排序元素的矩阵
x18201
t(x18201) * x18201
#4)求逆矩阵
x1824 <- matrix(rnorm(4),2,2) #生成4个标准正态分布随机数形成2*2矩阵x1824
solve(x1824) #求矩阵x1824的逆矩阵
#矩阵中常用函数
#求特征值和特征向量
x1825 <- matrix(1:16,4,4) #生成4*4的矩阵x1825
eigen(x1825) #取矩阵x1825的特征值和特征向量
#Choleskey 分解
#今日问题
#1、问题：产生随机数，形成矩阵，负的1-该数，正的+该数
#2、问题：如何取矩阵上三角和下三角矩阵
#两种方法：1）用lower.tri( )和upper.tri( )函数
#2)利用矩阵取元素的方法
#3、问题：产生随机数(有正有负)，形成矩阵，矩阵中小于0的用NA代替
#4、问题：把矩阵中NA用0代替
#1.8数据结构(4) 列表和数组
#前一次作业
#问题：产生随机数，形成矩阵，负的1-该数，正的+该数
x18211 <- matrix(sample(-50:50,16),nrow=4,ncol=4,byrow=T) #生成4行4列，以行排序元素的矩阵
x18211
x182110 <- x18211
x182110[x182110 <= 0] <- 1-x182110[x182110 <= 0]
x182110[x182110 > 0] <- 1+x182110[x182110 > 0]
x182110
#方法一
x18212 <- x18211
x18212[x18211 <= 0] <- 1-x18211[x18211 <= 0]
x18212[x18211 >0] <- 1+x18211[x18211 > 0]
x18212
#方法二，先做加，再做减
x18211[x18211 > 0] <- 1+x18211[x18211 > 0]
x18211[x18211 <= 0] <- 1-x18211[x18211 <= 0]
x18211
#问题：怎么取上三角和下三角矩阵
#取下三角
#1）用upper.tri( )函数
x1820[upper.tri(x1820)] <- 0
#2）取矩阵x1820的下三角矩阵
x1820[row(x1820) < col(x1820)] <- 0 #取矩阵x1820的下三角矩阵
x1820
#取上三角
#1）用lower.tri( )函数
x1820[lower.tri(x1820)] <- 0
#2）取矩阵x1820的上三角矩阵
x1820[row(x1820) > col(x1820)] <- 0 #取矩阵x1820的下三角矩阵
x1820
#问题：矩阵中小于0的用NA代替
x18201 <- matrix(runif(12,-1,1),nrow=3,ncol=4,byrow=T) #生成3行4列，以行排序元素的矩阵
x18201
x18201[x18201 < 0] <- NA
#问题：把矩阵中NA用0代替
x18201[is.na(x18201)] <-0
#列表
#创建列表
stuID <- c(102,118,213,323,231) #输入学生学号
stuage <- c(20,21,22,21,22) #输入学生年龄
stuclass <- c("cx","cx","cx","cx","sy") #输入学生所在班级
stuperf <- c("excellent","average","good","poor","average") #输入学生成绩
studata0 <- list("学号"=stuID,"年龄"=stuage,"班级"=stuclass,"成绩"=stuperf) #生成列表
studata0
#列表和矩阵放在一个新列表中
x18200 <- matrix(1:16,nrow=4,ncol=4)
studata1 <- list(studata0,x18200)
studata1
#列表命名
names(studata1) <- c("列表 1","矩阵")
studata1
#访问列表中元素
studata0[[2]] #提取列表中元素
studata0$学号 ###
studata0$学号[1]
studata1[[1]][[1]][1]
#向量转换为列表
stuID1 <- as.list(stuID)
stuID1
class(stuID1)
stuID2 <- unlist(stuID1)
stuID2
#问题：班级前加金融
studata0[[1]] <- paste("金融",studata0[[1]],sep="")
#问题：把年龄都加上 5
studata0[[2]] <- studata0[[2]]+5
#1.8 数据结构（5）数据框
###创建数据框
stuID <- c(102,118,213,323,231) ###输入学生学号
stuage <- c(20,21,22,21,22) ###输入学生年龄
stuclass <- c("cx","cx","cx","cx","sy") ###输入学生所在班级
stuperf <- c("excellent","average","good","poor","average") ###输入学生成绩
studata1 <- data.frame(stuID, stuage,stuclass, stuperf) ###生成数据框
studata1
str(studata1)
studata2 <- data.frame(stuID, stuage,stuclass, stuperf,stringsAsFactors=F)
str(studata2)
#修改行名
row.names(studata1) <- c("王一","张二","赵三","李四","刘五") ###修改行名
studata1
#修改列名
studata1 <- data.frame("学号"=stuID,"年龄"=stuage,"班级"=stuclass,"成绩"=stuperf) ###修改列名
studata1
studata11 <- studata1
colnames(studata11) <- c("A","B","C","D")
studata11
#访问元素
studata1[3,] #提取数据框 studata1 中第 3 行数据
studata1[,4] #提取数据框 studata1 中第 4 列数据
studata1$"成绩" #提取数据框 studata1 中列名为“成绩“的列
studata11$C
#行和列重新赋值
studata1$"成绩" <- c("优","中","良","及格","中") #改变数据框 studata1 中列名为”成绩“的列内容
studata1
studata1$"成绩 2" <- c("优 2","中 2","良 2","及格 2","中 2") #数据框 studata1中增加一列名为”成绩 2“的列内容
studata1
#条件提取
studata1[studata1$"年龄" < 22,] #提取数据框 studata1 中年龄小于 22 的学生
#绑定数据框
attach(studata1) #绑定数据框 studata1
年龄 #读取”年龄“列
detach(studata1) #接触绑定数据框
#问题：班级前加金融
#问题：把年龄小于 22 的设为 0，大于等于 22 的设为 1
#1.8 数据结构（6）数组和因子
stuID <- c(102,118,213,323,231) #输入学生学号
stuage <- c(20,21,22,21,22) #输入学生年龄
stuclass <- c("cx","cx","cx","cx","sy") #输入学生所在班级
stuperf <- c("excellent","average","good","poor","average") #输入学生成绩
studata1 <- data.frame(stuID, stuage,stuclass, stuperf,stringsAsFactors=F) #生成数据框
studata1
#问题：班级前加金融
studata1$stuID <- paste("金融",studata1$stuID,sep="")
studata1
#问题：把年龄小于 22 的设为 0，大于等于 22 的设为 1
studata1$stuage[studata1$stuage < 22] <- 0
studata1$stuage[studata1$stuage >= 22] <- 1
studata1
#因子
stuperf<- c("excellent","average","good","poor","average")
stuperf<- factor(stuperf)
mode(stuperf) #读取 stuperf2 的数据类型
class(stuperf) #显示 stuperf2 的类
#将数值改为罗马数字
xx1860 <- c(1,2,2,3,3,2,2,1,1) #创建向量
fxx1860 <- factor(xx1860,labels=c("I","II","III")) #定义有序因子
fxx1860
# 自定义排序 #
stuperf2 <- factor(stuperf, order = TRUE, levels = c("excellent","good","average","poor"))
stuperf2 <- factor(stuperf, order = TRUE, levels = c("excellent","good","average","poor"))
stuperf2
# 自定义排序 中文 #
stuperfc <- factor(c("优","中","良","差","中"), order = TRUE, levels = c("优 ","良","中","差"))
#删除部分分类
score11 <- c('A', 'B', 'A', 'C', 'B')
score11 <- factor(score11,levels = c('C', 'B', 'A'),exclude="B",ordered = is.ordered(score))
score11
score12 <- c('A', 'B', 'A', 'C', 'B') #赋值
score12 <- factor(score12,levels = c('E','D','C', 'B', 'A'),ordered = is.ordered(score))
#定义有序型因子
levels(score12) #提取分类值
#书中针对案例
stuID <- c(102,118,213,323,231) #输入学生学号
stunames <- c("cql","jjl","yyr","cy","lq") #输入学生姓名
stuage <- c(20,21,22,21,22) #输入学生年龄
stuclass <- c("cx","cx","cx","cx","sy") #输入学生所在班级
stuperf <- c("excellent","average","good","poor","average") #输入学生成绩
stuclass <- factor(stuclass) #将班级变量定义为因子
stuperf2 <- factor(stuperf, order = TRUE, levels = c("excellent","good","average","poor"))
studata2 <- data.frame(stuID, stuage, stunames, stuclass, stuperf2)
str(studata2)
summary(studata2)