1.4.2 数据结构

常见的数据结构包括：向量（vector）、数据框（data.frame）、矩阵（matrix）、列表（list）和数组（array）。其中，矩阵是将数据用行和列排列的长方形表格，它是二维的数组，其单元必须是相同的数据类型，通常用列来表示不同的变量，用行表示各个对象；数组可以看作是带有多个下标的类型相同的元素的集合；列表是一个对象的有序集合构成的对象，列表中包含的对象又称为它的分量（component），分量可以是不同的模式或（和）类型。我们在本书的数据可视化中，比较常用的是向量（因子属于特殊的向量）和数据框，所以我们重点介绍这两种类型的数据结构，还将介绍与数据可视化密切相关的函数。

1．向量

向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c()可用来创建向量（c代表合并：combine）。值得注意的是，单个向量中的数据类型是固定的，比如数值型向量中的元素就必须全为向量。量是R语言中最基本的数据结构，其他类型的数据结构都可以由向量构成。最常见的向量有三种类型：数值型、字符型、逻辑型。

（1）向量的创建

向量的创建有多种方法，我们既可以手动输入，使用函数c()创建向量；也可以使用现有的函数创建向量，比如seq()、rep()等函数，具体如表1-4-1所示。

表1-4-1 向量的创建

（2）向量的处理

封面

结果order包括两部分：$x为[5 4 3 2 1], $ix为[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()函数主要是返回一个删除了把重复元素或行的向量、数据框或数组。在需要对数据框根据某列进行分组运算时，需要使用该函数先获取类别总数。

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

●连续向量的离散化。在做数据挖掘模型时，我们有时会需要把连续型变量转换为离散型变量，这种转换的过程就是数据离散化，分箱就是离散化常用的一种方法。数据离散化最简单的方法就是使用cut()函数自定义离散区间，从而对数据进行离散处理。

        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）
        # 输出结果为因子向量：>9, 3～6, 3～6, 6～9, 3～6, 0～3, 3～6, 6～9, 6～9, 3～6；其水平Levels为： 0～3, 3～6, 6～9,>9

（3）向量的索引

向量是多个元素的集合，当我们只需要指定或者说提取该向量中的某个元素时，就可以使用向量的索引（indexing）。向量元素有三种基本类型的向量索引：整数型，索引的是元素位置；字符型，索引的是名称属性；逻辑型，索引的是相同长度的逻辑向量对应的逻辑值为真的元素。

        x<-c（1,4,3,5,2）

●整数型索引，选择某个或多个元素：x[2]; x[-2]; x[2:4]; x[c(1,4)]

●逻辑型索引，逻辑运算选择元素：x[x>2]; x[x==1]; x[x<=5]

2．因子

因子（factor）是R语言中许多强大运算的基础，包括许多针对表格数据的运算，可分为类别型变量和有序型变量。因子可以看成是包含了额外信息的向量，这额外的信息就是不同的类别，称之为水平（level）。因子在R中非常重要，因为它决定了数据的分析方式，以及如何进行视觉呈现。

（1）因子的创建

一个因子不仅包括分类变量本身，还包括变量不同的可能水平（即使它们在数据中不出现）。因子函数factor()用下面的选项创建一个因子。对于字符型向量，因子的水平默认依字母顺序创建：

       （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

很多时候，按默认的字母顺序排序的因子很少能够让人满意。因此，可以指定levels选项来覆盖默认排序。更改因子向量的levels为("Good", "Fair", "Very Good", "Ideal", "Premium")，就需要使用factor()函数更改levels。

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

（3）类型的转换

数值型因子向量的类型变换。有时候我们需要将数值型的因子向量重新转换成数值型向量，这时，我们需要使用as.numeric(as.character())组合函数，而不能直接使用as.numeric()函数。其中as.character()函数表示将向量变成字符型，as.numeric()函数表示将向量变成数值型。

        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）） # 输出：1 3 5 2
        Num_Vector2<-as.numeric（Num_Facor）           # 输出：4 2 1 3

3．数据框

数据框是R语言中的一个种表格结构，对应于数据库中的表，类似Excel中的数据表。数据框是由多个向量构成的，每个向量的长度相同。数据框类似矩阵，也是一个二维表结构。在统计学术语中，用行来表示观测（observation），用列来表示变量（variable）。

（1）数据框的创建与查看

创建数据框，最简单的方法就是，用同名的定义函数data.frame()，输入每个变量的名称及对应的向量，每个向量的长度相同。一个数据框可能包含多个变量（向量），有时需要单独提取某个变量，使用特殊的$符号来访问，由“数据框$变量名”构成。数据框数据的选取如表1-4-2所示。

表1-4-2 数据框数据的选取

●获取数据框的行数、列数和维数：nrow()、ncol()、dim()。●获取数据框的列名或行名：names()、rownames()、colnames()；重新定义列名：names(df)<-c("X","Y", "Z")。

●观察数据框的内容：view(df)、head(df, n=3)、tail(df)。

（2）空数据框的创建

创建空数据框，在需要自己构造绘图的数据框数据信息时尤为重要。有时候，绘制复杂的数据图表的过程中，我们需要对现有的数据进行插值、拟合等处理时，需要使用空的数据框储存新的数据，最后使用新的数据框绘制图表。创建空的数据框主要有如下两种方法。

●创建一个名为Df_Empty，包括两个变量（var_a为numeric类型；var_b为character类型）的data.frame。但是注意：要加上stringsAsFactors=FALSE，否则在后面逐行输入数据时，会因为var_b的取值未经定义的factor level而报错。

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

●先使用矩阵创建空的数据框，同时通过dimnames设定数据框的列名。这个相比于前一种方法可以更快速地创建多列空数据框：

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