R语言的小个性

这篇文章用来记录我在学习使用R语言中遇到的一些区别于其他程序语言的小问题，以及一些解决方案。会持续记录下去。

1.       除法

R语言的除法运算符与其他常见语言一致：/

> 8/5

[1] 1.6

但是取余运算符为：%%

> 8%%5

[1] 3

除法运算取整除数：%/%

> 8%/%5

[1] 1

除法四舍五入：round()

round()后面再带一个参数表明保留到第几位（为正数时是指保留几位小数，为负数时是指四舍五入到第几位）

> round(8/5)

[1] 2

> round(3.141592653,2)

[1] 3.14

> round(3.141592653*100000,-2)

[1] 314200

2.       list和data.frame的区别

list和data.frame是R中处理表格数据常见的两种格式，另外还有matrix。

先说matrix，它必须保证所有的数据都是同一类型的。

> b <-matrix(c(1,1,1, 2,2,3, 1,3,4, 2,1,4), ncol=3, byrow=T)

> b

[,1][,2] [,3]

[1,]   1    1    1

[2,]   2    2    3

[3,]   1    3    4

[4,]   2    1    4

> a <- matrix(c(1,1,"wo",2,2,3, 1,3,4, 2,1,4), ncol=3, byrow=T)

> a

[,1][,2] [,3]

[1,] "1"  "1" "wo"

[2,] "2"  "2" "3"

[3,] "1"  "3" "4"

[4,] "2"  "1" "4"

> mode(a)

[1] "character"

> mode(b)

[1] "numeric"

可以看到a跟b的差异就是a中有个字符类型的数据“wo”，但是打印出来后，其他数值类型数据也被转换为了字符类型。

现在来看list和data.frame的差异，它们都可以包含不同类型的数据但是也有些差异。

差异1：部分数据查看及展示方式不同。list按列展示数据，data.frame按行展示。

> list <-list(a=c("hai","tian","xiang","jie","de"),b=c("di","fang","jiu","shi","wo"),c=c("qian"

,"gua","de","gu","xiang"))

> list

$a

[1] "hai"   "tian"  "xiang" "jie"   "de"  

$b

[1] "di"   "fang" "jiu"  "shi"  "wo" 

$c

[1] "qian"  "gua"   "de"    "gu"    "xiang"

> dataframe

a    b     c

1  hai   di  qian

2  tianfang   gua

3 xiang jiu    de

4  jie  shi    gu

5    de   wo xiang

> head(list,n=1)

$a

[1] "hai"   "tian"  "xiang" "jie"   "de"  

> head(dataframe,n=1)

a  b    c

1 hai di qian

差异2：查看列名，对于list来说应该是查看行名（我的说法）是用names()，对于dataframe来说则是查看列名用colnames()，它还有查看行名rownames()，没有定义时，默认为1,2,3,4……序列。

> names(list)

[1] "a" "b" "c"

> colnames(dataframe)

[1] "a" "b" "c"

> rownames(dataframe)

[1] "1" "2" "3""4" "5"

差异3：list可包含不同长度数据，dataframe必须每列包含相同长度数据，在list每行数据长度相同时，就可以使用as.data.frame()方法转换为data.frame类型。

> list2 <-list(a=1:5,b=1:4)

> list2

$a

[1] 1 2 3 4 5

$b

[1] 1 2 3 4

> dataframe2<- as.data.frame(list2)

Error in data.frame(a = 1:5, b =1:4, check.names = TRUE, stringsAsFactors = TRUE) :

参数值意味着不同的行数: 5, 4

> list2 <-list(a=1:5,b=6:10)

> list2

$a

[1] 1 2 3 4 5

$b

[1] 6  7  8  9 10

> dataframe2<- as.data.frame(list2)

> dataframe2

a  b

1 1  6

2 2  7

3 3  8

4 4  9

5 5 10

差异4：数据引用方式不同。都可以用$引用符号，但是[]引用和[[]]引用方式上有差异。

> list$a

[1] "hai"   "tian"  "xiang" "jie"   "de"  

> dataframe$a

[1] hai  tian  xiang jie   de  

Levels: de hai jie tian xiang

> list[1]

$a

[1] "hai"   "tian"  "xiang" "jie"   "de"  

> dataframe[1]

a

1   hai

2  tian

3 xiang

4   jie

5    de

> list[[1]]

[1] "hai"   "tian"  "xiang" "jie"   "de"  

> dataframe[[1]]

[1] hai  tian  xiang jie   de   

Levels: de hai jie tian xiang

> list[[2]][1]

[1] "di"

> dataframe[[2]][1]

[1] di

Levels: di fang jiu shi wo

> list[2,1]

Error in list[2, 1] : incorrectnumber of dimensions

> dataframe[2,1]

[1] tian

Levels: de hai jie tian xiang

差异5：data.frame有一个factor因子，在差异四中，查看dataframe的某一列或者某一项数据时，数据下面会有Levels的内容，这个就是这一列的因子。相当于这一列的取值范围，有哪些唯一值。后面会讲到factor因子的来历以及作用，这里就不细说了。

3.       删除某一行或者某一列的数据。

对list和dataframe都适用。删除行可以直接引用这一行并赋值为NULL，或者用-操作符号，具体实现过程如下示。

> list$a <-NULL

> list

$b

[1] "di"   "fang" "jiu"  "shi"  "wo" 

$c

[1] "qian"  "gua"   "de"    "gu"    "xiang"

> list[-1]

$b

[1] "di"   "fang" "jiu"  "shi"  "wo" 

$c

[1] "qian"  "gua"   "de"    "gu"    "xiang"

> list$a

[1] "hai"   "tian"  "xiang" "jie"   "de"  

> list$a[-1]

[1] "tian"  "xiang" "jie"   "de"

> list[-1,]

Error in list[-1, ] : incorrectnumber of dimensions

> list[,-1]

Error in list[, -1] : incorrectnumber of dimensions

> dataframe$a<- NULL

> dataframe

b     c

1  di  qian

2 fang  gua

3 jiu    de

4  shi    gu

5   woxiang

> dataframe<- as.data.frame(list)

> dataframe[-1,]

a    b     c

2  tianfang   gua

3 xiang jiu    de

4  jie  shi    gu

5   de   wo xiang

> dataframe <- as.data.frame(list)

> dataframe[,-1]

b     c

1  di  qian

2 fang  gua

3 jiu    de

4 shi    gu

5   woxiang

> dataframe$b

[1] di  fang jiu  shi  wo 

Levels: di fang jiu shi wo

> dataframe$b[-2]

[1] di jiu shi wo

Levels: di fang jiu shi wo

Matrix也可用类似的操作来删除某行某列的数据，还可以一次删除多个行多列或者多个值。

> dataframe$c

[1] qian gua   de    gu   xiang

Levels: de gu gua qian xiang

> dataframe$c[c(-1,-3,-5)]

[1] gua gu

Levels: de gu gua qian xiang

4.      读取数据。

主要是为了讲read.table()和read.csv()方法的一些小细节。数据读入后都被存为data.frame的类型。

编码：read.csv()默认读取中文的格式是gbk格式的，无法设置。如果你的读入文件中文编码格式是UTF-8格式，使用read.csv就会出现乱码。但是read.table()方法默认读取UTF-8格式中文，并且包含encoding参数，可以设置读取数据的编码格式。

表头：read.csv()默认是含有表头的也就是header=T，read.table()默认没有表头header=F。

因子：read.csv()和read.table()两个方法都有stringsAsFactors参数，默认为TRUE。如果你不设置的话，数据读入时，每一列字符型的数据都按因子方式存储。如下面例子，fruit列被转换成了因子，数据被转换成了1,1,3,4,2，这几个数值1-4按顺序分别对应着Levels：苹果葡萄 香蕉 柚子。但是我们查看这一列数据时，显示的还是字符型数据。

> test

fruitprice

1 苹果 5.98

2 苹果 3.50

3 香蕉 4.50

4 柚子 4.80

5 葡萄 8.70

> test$fruit

[1]苹果苹果香蕉柚子葡萄

Levels:苹果葡萄香蕉柚子

从clipboard上读入数据：见上一个列子中，我们能直接从clipboard上读取数据，先在Excel上选中需要读入的数据区域，右键复制，再执行read.table("clipboard")语句即可。

> test <-read.table("clipboard",header=T)

> test

fruitprice

1 苹果 5.98

2 苹果 3.50

3 香蕉 4.50

4 柚子 4.80

5 葡萄 8.70

5.       两表合并的方法

这里是两个表类似MySQL中join的方法——merge()，默认根据两个表相同列名相交。方法的介绍见链接：http://my.oschina.net/u/1791586/blog/337054，里面有很详细的方法说明。想说明的是参数all/x.all/y.all，这三个参数取值T/F，用来定义是否取两个数据框x或者y的所有列。效果分别类似join的全连接，左连接，右连接。就不另外举例子了，参考链接里有很好的例子。

6.       查看数据。

View()可以查看list、vector、dataframe数据，但是在Rstudio中，用View()查看时会有中文乱码。不过mac和Linux平台上不存在这个问题，只用Windows平台上才有，好像没看到有什么设置Rstudio的方式可以避免这个的中文乱码。R中不存在乱码的问题。

fix()也可以查看list、vector、dataframe数据。

区别在于fix()方法可以查看列所包含的字段数不同的list的内容。View()只能查看整齐的数据，就是行列数都相同时的数据。另外fix()方法是查看数据，打开数据编辑框，并能够在其中修改数据。View()方法只是单纯的查看数据。

> test <-list(a=c("a","b","c","d"),b=1:4)

> View(test)

> fix(test)

> fix(dataframe)

7.       R语言的数据类型查看mode()/class()/typeof()

没有找到一个很细致的说明，只能根据我自己的大概理解来看，可能会有误，欢迎指正。这三个函数都是能够查看数据类型的函数。但是有些小细节的差异。

R语言中，所有的数据、对象、方法、语句都可以查看mode()，主要的mode类型有：complex、raw、character、list、expression、name、symbol、function，mode可以说是大的类型。

所有对象都有typeof属性和class属性，但是相比class而言，typeof更细致。

>x <- c(1,2,3,4,5)

>mode(x)

[1]"numeric"

> class(x)

[1]"numeric"

> typeof(x)

[1] "double"