在R中下标与子集是极为强大的功能,
需要一些练习才能熟练掌握,
许多其它语言中需要多个语句才能完成的工作在R中都可以简单地通过下标和子集来完成。
7.1 正整数下标
对向量x, 在后面加方括号和下标可以访问向量的元素和子集。
设x <- c(1, 4, 6.25)
。x[2]
取出第二个元素;x[2] <- 99
修改第二个元素。x[c(1,3)]
取出第1、3号元素;x[c(1,3)] <- c(11, 13)
修改第1、3号元素。
下标可重复。
例如
x <- c(1, 4, 6.25)
x[2]
## [1] 4
x[2] <- 99; x
## [1] 1.00 99.00 6.25
x[c(1,3)]
## [1] 1.00 6.25
x[c(1,3)] <- c(11, 13); x
## [1] 11 99 13
x[c(1,3,1)]
## [1] 11 13 11
7.2 负整数下标
负下标表示扣除相应的元素后的子集,如
x <- c(1,4,6.25)
x[-2]
## [1] 1.00 6.25
x[-c(1,3)]
## [1] 4
负整数下标不能与正整数下标同时用来从某一向量中取子集,
比如,x[c(1,-2)]
没有意义。
7.3 空下标与零下标
x[]
表示取x
的全部元素作为子集。
这与x
本身不同,比如
x <- c(1,4,6.25)
x[] <- 999
x
## [1] 999 999 999
x <- c(1,4,6.25)
x <- 999
x
## [1] 999
x[0]
是一种少见的做法,
结果返回类型相同、长度为零的向量,
如numeric(0)
。
相当于空集。
当0与正整数下标一起使用时会被忽略。
当0与负整数下标一起使用时也会被忽略。
7.4 下标超界
设向量x
长度为n,
则使用正整数下标时下标应在{1,2,…,n}中取值。
如果使用大于n的下标,
读取时返回缺失值,并不出错。
给超出n的下标元素赋值,
则向量自动变长,
中间没有赋值的元素为缺失值。
例如
x <- c(1,4,6.25)
x[5]
## [1] NA
x
## [1] 1.00 4.00 6.25
x[5] <- 9
x
## [1] 1.00 4.00 6.25 NA 9.00
虽然R的语法对下标超界不视作错误,
但是这样的做法往往来自不良的程序思路,
而且对程序效率有影响,
所以实际编程中应避免下标超界。
7.5 逻辑下标
下标可以是与向量等长的逻辑表达式,
一般是关于本向量或者与本向量等长的其它向量的比较结果,如
x <- c(1,4,6.25)
x[x > 3]
## [1] 4.00 6.25
取出x的大于3的元素组成的子集。
逻辑下标除了用来对向量取子集,
还经常用来对数据框取取子集,
也用在向量化的运算中。
例如,对如下示性函数
f(x)={1,0,x≥0x<0
输入向量x,结果y需要也是一个向量,程序可以写成
f <- function(x){
y <- numeric(length(x))
y[x >= 0] <- 1
y[x < 0] <- 0 # 此语句多余
y
}
事实上,向量化的逻辑选择有一个ifelse()
函数,
比如,对上面的示性函数,
如果x是一个向量,
输出y向量可以写成y <- ifelse(x>=0, 1, 0)
。
要注意的是,如果逻辑下标中有缺失值,
对应结果也是缺失值。
所以,在用逻辑下标作子集选择时,
一定要考虑到缺失值问题。正确的做法是加上!is.na
前提,
如
x <- c(1, 4, 6.25, NA)
x[x > 2]
## [1] 4.00 6.25 NA
x[!is.na(x) & x > 2]
## [1] 4.00 6.25
7.6 which()
、which.min()
、which.max()
函数
函数which()
可以用来找到满足条件的下标,
如
x <- c(3, 4, 3, 5, 7, 5, 9)
which(x > 5)
## [1] 5 7
seq(along=x)[x > 5]
## [1] 5 7
这里seq(along=x)
会生成由x
的下标组成的向量。
用which.min()
、which.max
求最小值的下标和最大值的下标,
不唯一时只取第一个。如
which.min(x)
## [1] 1
which.max(x)
## [1] 7
7.7 元素名
向量可以为每个元素命名。如
ages <- c("李明"=30, "张聪"=25, "刘颖"=28)
或
ages <- c(30, 25, 28)
names(ages) <- c("李明", "张聪", "刘颖")
或
ages <- setNames(c(30, 25, 28), c("李明", "张聪", "刘颖"))
这时可以用元素名或元素名向量作为向量的下标,如
ages["张聪"]
## 张聪
## 25
ages[c("李明", "刘颖")]
## 李明 刘颖
## 30 28
ages["张聪"] <- 26
这实际上建立了字符串到数值的映射表。
用字符串作为下标时,
如果该字符串不在向量的元素名中,
读取时返回缺失值结果,
赋值时该向量会增加一个元素并以该字符串为元素名。
带有元素名的向量也可以是字符型或其它基本类型,如
sex <- c("李明"="男", "张聪"="男", "刘颖"="女")
除了给向量元素命名外,
在矩阵和数据框中还可以给行、列命名,
这会使得程序的扩展更为容易和安全。
R允许仅给部分元素命名,
这时其它元素名字为空字符串。
不同元素的元素名一般应该是不同的,
否则在使用元素作为下标时会发生误读,
但是R语法允许存在重名。
用unname(x)
返回去掉了元素名的x
的副本,
用names(x) <- NULL
可以去掉x
的元素名。
7.8 用R向量下标作映射
R在使用整数作为向量下标时,允许使用重复下标,
这样可以把数组x
看成一个1:n的整数到x[1]
, x[2]
, …, x[n]
的一个映射表,
其中n是x
的长度。
比如,某商店有三种礼品,编号为1,2,3,
价格分别为68, 88和168。令
price_map <- c(68, 88, 168)
设某个收银员在一天内分别售出礼品编号为3,2,1,1,2,2,3,
可以用如下的映射方式获得售出的这些礼品对应的价格:
items <- c(3,2,1,1,2,2,3)
y <- price_map[items]; print(y)
## [1] 168 88 68 68 88 88 168
R向量可以用字符型向量作下标,
字符型下标也允许重复,
所以可以把带有元素名的R向量看成是元素名到元素值的映射表。
比如,设sex为10个学生的性别(男、女)
sex <- c("男", "男", "女", "女", "男", "女", "女", "女", "女", "男")
希望把每个学生按照性别分别对应到蓝色和红色。
首先建立一个R向量当作映射
sex_color <- c("男"="blue", "女"="red")
用R向量sex.color当作映射,可以获得每个学生对应的颜色
cols <- sex_color[sex]; print(cols)
## 男 男 女 女 男 女 女 女 女 男
## "blue" "blue" "red" "red" "blue" "red" "red" "red" "red" "blue"
这样的映射结果中带有不必要的元素名,
用unname()
函数可以去掉元素名,如
unname(cols)
## [1] "blue" "blue" "red" "red" "blue" "red" "red" "red" "red" "blue"
7.9 集合运算
可以把向量x看成一个集合,但是其中的元素允许有重复。
用unique(x)
可以获得x的所有不同值。如
unique(c(1, 5, 2, 5))
## [1] 1 5 2
用a %in% x
判断a
的每个元素是否属于向量x,如
5 %in% c(1,5,2)
## [1] TRUE
c(5,6) %in% c(1,5,2)
## [1] TRUE FALSE
与%in
运算符类似,
函数match(x, table)
对向量x
的每个元素,
从向量table
中查找其首次出现位置并返回这些位置。
没有匹配到的元素位置返回NA_integer_
(整数型缺失值)。
如
match(5, c(1,5,2))
## [1] 2
match(5, c(1,5,2,5))
## [1] 2
match(c(2,5), c(1,5,2,5))
## [1] 3 2
match(c(2,5,0), c(1,5,2,5))
## [1] 3 2 NA
用intersect(x,y)
求交集,结果中不含重复元素,如
intersect(c(5, 7), c(1, 5, 2, 5))
## [1] 5
用union(x,y)
求并集,结果中不含重复元素,如
union(c(5, 7), c(1, 5, 2, 5))
## [1] 5 7 1 2
用setdiff(x,y)
求差集,即x
的元素中不属于y
的元素组成的集合,
结果中不含重复元素,如
setdiff(c(5, 7), c(1, 5, 2, 5))
## [1] 7
用setequal(x,y)
判断两个集合是否相等,
不受次序与重复元素的影响,如
setequal(c(1,5,2), c(2,5,1))
## [1] TRUE
setequal(c(1,5,2), c(2,5,1,5))
## [1] TRUE
7.10 练习
设文件class.csv
内容如下:
name,sex,age,height,weight
Alice,F,13,56.5,84
Becka,F,13,65.3,98
Gail,F,14,64.3,90
Karen,F,12,56.3,77
Kathy,F,12,59.8,84.5
Mary,F,15,66.5,112
Sandy,F,11,51.3,50.5
Sharon,F,15,62.5,112.5
Tammy,F,14,62.8,102.5
Alfred,M,14,69,112.5
Duke,M,14,63.5,102.5
Guido,M,15,67,133
James,M,12,57.3,83
Jeffrey,M,13,62.5,84
John,M,12,59,99.5
Philip,M,16,72,150
Robert,M,12,64.8,128
Thomas,M,11,57.5,85
William,M,15,66.5,112
用如下程序可以把上述文件读入为R数据框d.class,
并取出其中的name和age列到变量name和age中:
d.class <- read.csv("class.csv", header=TRUE, stringsAsFactors=FALSE)
name <- d.class[,"name"]
age <- d.class[,"age"]
- 求出age中第3, 5, 7号的值;
- 用变量age, 求出达到15岁及以上的那些值;
- 用变量name和age, 求出Mary与James的年龄。
- 求age中除Mary与James这两人之外的那些人的年龄值,保存到变量age1中。
- 假设向量
x
长度为n
, 其元素是{1,2,…,n}的一个重排。
可以把x看成一个i到x[i]的映射(i在{1,2,…,n}中取值)。
求向量y, 保存了上述映射的逆映射,即:
如果x[i]=j, 则y[j]=i。
韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/77745.html