因子、列表、數(shù)據(jù)框及輸入輸出

1、實(shí)驗(yàn)?zāi)康膶?shí)驗(yàn)?zāi)康膶?shí)驗(yàn)內(nèi)容實(shí)驗(yàn)內(nèi)容學(xué)習(xí)學(xué)習(xí)S語(yǔ)言中語(yǔ)言中離散變量、混合數(shù)據(jù)的表示方法的表示方法1 1、數(shù)據(jù)表示方法、數(shù)據(jù)表示方法2 2、應(yīng)用實(shí)例、應(yīng)用實(shí)例3 3、實(shí)驗(yàn)作業(yè)、實(shí)驗(yàn)作業(yè)第四講第四講 因子、列表、數(shù)據(jù)框因子、列表、數(shù)據(jù)框因子（因子（factor）和有序因子）和有序因子 統(tǒng)計(jì)中的變量重要類別： 區(qū)間變量和名義變量、有序變量。 區(qū)間變量取連續(xù)的數(shù)值，可以進(jìn)行求和、平均等運(yùn)算。 名義變量和有序變量取離散值，既可用數(shù)值表示也可取字符型值，其具體數(shù)值沒(méi)有數(shù)量意義，不能用于加減乘除計(jì)算而只能用來(lái)分類或者計(jì)數(shù)。名義變量比如性別、省份、職業(yè)，有序變量比如班級(jí)名次、質(zhì)量等級(jí)等。 因?yàn)殡x散變量有各種不同表

2、示方法，在S中為統(tǒng)一起見(jiàn)使用因子(factor)來(lái)表示這種分類變量。還提供了有序因子(ordered factor)來(lái)表示有序變量。 因子是一種特殊的字符型向量，其中每一個(gè)元素取一組離散值中的一個(gè)，而因子對(duì)象有一個(gè)特殊屬性levels表示這組離散值（用字符串表示）。例如： x y y 1 男 女 男 男 女 Levels: 男 女 函數(shù)factor()用來(lái)把一個(gè)向量編碼成為一個(gè)因子。一般形式為：factor(x, levels = sort(unique(x), na.last = TRUE), labels, exclude = NA, ordered = FALSE) 可以自行指定各離散取

3、值水平（levels），不指定時(shí)由x的不同值來(lái)求得。 labels可以用來(lái)指定各水平的標(biāo)簽，不指定時(shí)用各離散取值的對(duì)應(yīng)字符串。 exclude參數(shù)用來(lái)指定要轉(zhuǎn)換為缺失值（NA）的元素值集合。如果指定了levels，則因子的第i個(gè)元素當(dāng)它等于水平中第j個(gè)時(shí)元素值取“j”，如果它的值沒(méi)有出現(xiàn)在levels中則對(duì)應(yīng)因子元素值取NA。 ordered取真值時(shí)表示因子水平是有次序的（按編碼次序）。 可以用is.factor()檢驗(yàn)對(duì)象是否因子，用as.factor()把一個(gè)向量轉(zhuǎn)換成一個(gè)因子。 x=c(1,0,1,1,0) y=factor(x,levels=sort(unique(x),decreas

4、ing=T),labels=c(男, 女),exclude=NA,order=F) y1 男 女 男 男 女 Levels: 男 女 x=c(1,0,1,1,0,2)y=factor(x,levels=c(1,0),labels=c(男, 女),exclude=NA,order=F) y1 男 女 男 男 女 Levels: 男 女 因子的基本統(tǒng)計(jì)是頻數(shù)統(tǒng)計(jì)，用函數(shù)table()來(lái)計(jì)數(shù)。 例如， sex = factor(c(男, 女, 男, 男, 女) res.tab res.tab 男 女 3 2 表示男性3人，女性2人。table()的結(jié)果是一個(gè)帶元素名的向 量，元素名為因子水平，元素值

5、為該水平出現(xiàn)的頻數(shù)。 S的結(jié)果除了可以顯示外，本身都是S對(duì)象（如這里的向量結(jié)果），可以很方便地進(jìn)一步處理。 可以用兩個(gè)或多個(gè)因子進(jìn)行交叉分類。比如，性別（sex）和職業(yè)（job）交叉分組可以用table(sex, job)來(lái)統(tǒng)計(jì)每一交叉類的頻數(shù)，結(jié)果為一個(gè)矩陣，矩陣帶有行名和列名，分別為兩個(gè)因子的各水平名。 因子可以用來(lái)作為另外的同長(zhǎng)度變量的分類變量。比如，假設(shè)上面的sex是5個(gè)學(xué)生的性別，而 h tapply(h, sex, mean) 可以求按性別分類的身高平均值。 這樣用一個(gè)等長(zhǎng)的因子向量對(duì)一個(gè)數(shù)值向量分組的辦法叫做不規(guī)則數(shù)組（ragged array）。后面我們還可以看到更多的因子的應(yīng)

6、用。列表（列表（list）定義）定義 列表是一種特別的對(duì)象集合，它的元素也由序號(hào)（下標(biāo)）區(qū)分，但是各元素的類型可以是任意對(duì)象，不同元素不必是同一類型。元素本身允許是其它復(fù)雜數(shù)據(jù)類型，比如，列表的一個(gè)元素也允許是列表。 列表元素用“列表名下標(biāo)”的格式引用。 但是，列表不同于向量，我們每次只能引用一個(gè)元素，如rec1:2的用法是不允許的。 注意：“列表名下標(biāo)”或“列表名下標(biāo)范圍”的用法也是合法的，但其意義與用兩重括號(hào)的記法完全不同，兩重記號(hào)取出列表的一個(gè)元素，結(jié)果與該元素類型相同，如果使用一重括號(hào)，則結(jié)果是列表的一個(gè)子列表（結(jié)果類型仍為列表）。 rec = list(name=李明, age=30

7、, scores=c(85, 76, 90) rec $name 1 李明 $age 1 30 $scores 1 85 76 90 rec1 $name 1 李明 rec1 1 李明 rec2 $age 1 30 rec2 1 30 rec3 $scores 1 85 76 90 rec3 1 85 76 90 rec31:21 85 76 mode(rec1) mode(rec1) 在定義列表時(shí)如果指定了元素的名字（如rec中的name，age，scores），則引用列表元素還可以用它的名字作為下標(biāo)，格式為“列表名元素名”，如： recage 1 30 另一種格式是“列表名$元素名”，如：

8、 rec$age 1 30 其中“元素名”可以簡(jiǎn)寫(xiě)到與其它元素名能夠區(qū)分的最短程度，比如“rec$s”可以代表 “rec$score”。 這種寫(xiě)法方便了交互運(yùn)行，編寫(xiě)程序時(shí)一般不用簡(jiǎn)寫(xiě)，以免降低程序的可讀性。 使用元素名的引用方法可以讓我們不必記住某一個(gè)下標(biāo)代表那一個(gè)元素，而直接用易記的元素名來(lái)引用元素。事實(shí)上，已知向量和矩陣都可以指定元素名、行名、列名。 定義列表使用list()函數(shù)，每一個(gè)自變量變成列表的一個(gè)元素，自變量可以用“名字值”的方式給出，即給出列表元素名。 自變量的值被復(fù)制到列表元素中，自變量如果是變量并不會(huì)與該列表元素建立關(guān)系（改變?cè)摿斜碓夭粫?huì)改變自變量的值）。(例見(jiàn)后)修改

9、列表 列表的元素可以修改，只要把元素引用賦值即可。 如： rec$age rec$age rec$sex rec6 rec rec$sex rec6 rec $name 1 李明 $age 1 30 $scores 1 85 76 90 $sex 1 男 5 NULL 6 1 161 sex rec1 rec1 rec11= 女 rec1 sex 第五號(hào)元素因?yàn)闆](méi)有定義所有其值是“NULL”，這是空對(duì)象的記號(hào)。 如果rec是一個(gè)向量，則其空元素為“NA”，這是缺失值的記號(hào)。從這里我們也可以體會(huì)“NULL”與“NA”的區(qū)別。 幾個(gè)列表可以用連接函數(shù)c()連接起來(lái)，結(jié)果仍為一個(gè)列表，其元素為各自變

10、量的列表元素。如： list.ABC ev=eigen(1:3)%o%(1:3) ev $values 1 1.400000e+01 9.176554e-16 -1.023391e-15 $vectors ,1 ,2 ,3 1, -0.2672612 0.6067775 0.7485937 2, -0.5345225 0.5530299 -0.6390960 3, -0.8017837 -0.5709457 0.1765328特征向量按矩陣存放，每一列為一個(gè)特征向量。二、奇異值分解及行列式二、奇異值分解及行列式svd()函數(shù)進(jìn)行奇異值分解函數(shù)進(jìn)行奇異值分解自學(xué)自學(xué)三、最小二乘擬合與三、最小二乘

11、擬合與QR分解分解 函數(shù)lsfit(x,y)返回最小二乘擬合的結(jié)果。最小二乘的模型為線性模型 lsfit(x,y)的第一個(gè)參數(shù)x為模型中的設(shè)計(jì)陣 ，第二個(gè)參數(shù)y為模型中的因變量y（可以是一個(gè)向量也可以是一個(gè)矩陣），返回一個(gè)列表，成員coefficients為上面模型的最小二乘系數(shù)，成員residuals為擬合殘差，成員intercept用來(lái)指示是否有截距項(xiàng)，成員qr為設(shè)計(jì)陣 的QR分解，它本身又是一個(gè)列表。YX三、最小二乘擬合與三、最小二乘擬合與QR分解分解 關(guān)于最小二乘擬合還可參見(jiàn)ls.diag() 函數(shù)（查看幫助）。 函數(shù)qr(x)返回x的QR分解結(jié)果。矩陣X的QR分解為X=Q*R ，Q為

12、對(duì)角線元素都等于1的下三角陣，R為上三角陣。 函數(shù)結(jié)果為一個(gè)列表，成員qr 為一個(gè)矩陣，其上三角部分（包括對(duì)角線）分解的R，其下三角部分（不包括對(duì)角線）為分解的Q。其它成員為一些輔助信息。 x=rbind(c(1,2,3),c(4,5,6),c(7,8,9) y=qr(x) y qr.R(y) qr.Q(y) qr.Q(y)%*%qr.R(y) x=rbind(c(1,2,3),c(4,5,6),c(7,8,9) y=qr(x) y$qr ,1 ,2 ,31, -8.1240384 -9.6011363 -1.107823e+012, 0.4923660 0.9045340 1.809068e

13、+003, 0.8616404 0.9954736 -2.220446e-16$rank1 2$qraux1 1.123091e+00 1.095039e+00 2.220446e-16$pivot1 1 2 3attr(,class)1 qr qr.R(y) ,1 ,2 ,31, -8.124038 -9.601136 -1.107823e+012, 0.000000 0.904534 1.809068e+003, 0.000000 0.000000 -2.220446e-16 qr.Q(y) ,1 ,2 ,31, -0.1230915 0.9045340 0.40824832, -0.49

14、23660 0.3015113 -0.81649663, -0.8616404 -0.3015113 0.4082483 qr.Q(y)%*%qr.R(y) ,1 ,2 ,31, 1 2 32, 4 5 63, 7 8 9數(shù)據(jù)框（data.frame） 數(shù)據(jù)框是S中類似SAS數(shù)據(jù)集的一種數(shù)據(jù)結(jié)構(gòu)。它通常是矩陣形式的數(shù)據(jù)，但矩陣各列可以是不同類型的。數(shù)據(jù)框每列是一個(gè)變量，每行是一個(gè)樣品的觀測(cè)值。 數(shù)據(jù)框有更一般的定義。它是一種特殊的列表對(duì)象，有一個(gè)值為“data.frame”的class 屬性，各列表成員必須是向量（數(shù)值型、字符型、邏輯型）、因子、數(shù)值型矩陣、列表，或其它數(shù)據(jù)框。向量、因子成員為

15、數(shù)據(jù)框提供一個(gè)變量，如果向量非數(shù)值型則會(huì)被強(qiáng)制轉(zhuǎn)換為因子，而矩陣、列表、數(shù)據(jù)框這樣的成員為新數(shù)據(jù)框提供了和其列數(shù)、成員數(shù)、變量數(shù)相同個(gè)數(shù)的變量。作為數(shù)據(jù)框變量的向量、因子或矩陣必須具有相同的長(zhǎng)度（行數(shù)）。 盡管如此，我們一般還是可以把數(shù)據(jù)框看作是一種推廣了的矩陣，它可以用矩陣形式顯示，可以用對(duì)矩陣的下標(biāo)引用方法來(lái)引用其元素或子集。數(shù)據(jù)框生成數(shù)據(jù)框生成 數(shù)據(jù)框可以用data.frame()函數(shù)生成，其用法與list()函數(shù)相同，各自變量變成數(shù)據(jù)框的成分，自變量可以命名，成為變量名。例如： d=data.frame(name=c(趙, 錢(qián), 孫, 李, 王),age=c(20,21,22,21,2

16、0),height=c(170,171,175,165,181),gender=c(男, 女, 男, 女, 男 ) d 如果一個(gè)列表的各個(gè)成分滿足數(shù)據(jù)框成分的要求，它可以用as.data.frame()函數(shù)強(qiáng)制轉(zhuǎn)換為數(shù)據(jù)框。比如，上面的d如果先用list()函數(shù)定義成了一個(gè)列表，就可以強(qiáng)制成為一個(gè)數(shù)據(jù)框。 一個(gè)矩陣可以用data.frame()轉(zhuǎn)換為一個(gè)數(shù)據(jù)框，如果它原來(lái)有列名則其列名被作為數(shù)據(jù)框的變量名，否則系統(tǒng)自動(dòng)為矩陣的各列起一個(gè)變量名（如X1，X2）。 d name age height gender 1 趙 20 170 男 2 錢(qián) 21 171 女 3 孫 22 175 男 4 李

17、 21 165 女 5 王 20 181 男 d1 name 1 趙 2 錢(qián) 3 孫 4 李 5 王 d1 1 趙 錢(qián) 孫 李 王 Levels: 李 錢(qián) 孫 王 趙 d22:3 1 21 22數(shù)據(jù)框引用 引用數(shù)據(jù)框元素的方法與引用矩陣元素的方法相同，可以使用下標(biāo)或下標(biāo)向量，也可以使用名字或名字向量。如d1:2, 2:3。數(shù)據(jù)框的各變量也可以用按列表引用（即用雙括號(hào) 或$符號(hào)引用）。 數(shù)據(jù)框的變量名由屬性names定義，此屬性一定是非空的。數(shù)據(jù)框的各行也可以定義名字，可以用rownames屬性定義。如： names(d) 1 name age height gender rownames(d)

18、 1 1 2 3 4 5 table(d4) 男 女 3 2 table(d4)男 女 3 2 tapply(d3,d4, mean) 男 女 175.3333 168.0000 tapply(d3,d4, mean) 錯(cuò)誤在tapply(d3, d4, mean) : 變?cè)拈L(zhǎng)度必需相同 d3/d2 1 8.500000 8.142857 7.954545 7.857143 9.050000attach()函數(shù) 數(shù)據(jù)框的主要用途是保存統(tǒng)計(jì)建模需要的數(shù)據(jù)。S的統(tǒng)計(jì)建模功能都需要以數(shù)據(jù)框?yàn)檩斎霐?shù)據(jù)。我們也可以把數(shù)據(jù)框當(dāng)成一種矩陣來(lái)處理。 在使用數(shù)據(jù)框的變量時(shí)可以用“數(shù)據(jù)框名$變量名”的記法。但是

19、，這樣使用較麻煩，S提供了attach()函數(shù)可以把數(shù)據(jù)框“連接”入當(dāng)前的名字空間。例如， attach(d) r d$r cat(i = , i, n) 注意使用cat()時(shí)要自己加上換行符“n”。它把各項(xiàng)轉(zhuǎn)換成字符串，中間隔以空格連接起來(lái)，然后顯示。 如果要使用自定義的分隔符，可以用sep=參數(shù)，例如： cat(c(AB, C), c(E, F), n, sep=) ABCEF cat()還可以指定一個(gè)參數(shù)file=給一個(gè)文件名，可以把結(jié)果寫(xiě)到指定的文件中，如： cat(i = , 1, n, file=c:/work/result.txt) 非常適用于中間或最后結(jié)果的存儲(chǔ)。 如果指定的文

20、件已經(jīng)存在則原來(lái)內(nèi)容被覆蓋。加上一個(gè)append=TRUE參數(shù)可以不覆蓋原文件而是在文件末尾附加，這很適用于運(yùn)行中的結(jié)果記錄。 cat()函數(shù)和print()都不具有很強(qiáng)的自定義格式功能，為此可以使用cat()與format() 函數(shù)配合實(shí)現(xiàn)。format()函數(shù)為一個(gè)數(shù)值向量找到一種共同的顯示格式然后把向量轉(zhuǎn)換為字符型。例如： format(c(1, 100, 10000) 1 1 100 10000 S-PLUS中的format()函數(shù)功能較強(qiáng)，具有較多的控制參數(shù)，請(qǐng)參見(jiàn)幫助。 R中目前format() 函數(shù)功能仍較弱，但R有一個(gè)formatC函數(shù)可以提供類似C語(yǔ)言的printf格式功能。

21、formatC對(duì)輸入向量的每一個(gè)元素單獨(dú)進(jìn)行格式轉(zhuǎn)換而不生成統(tǒng)一格式，例如： formatC(c(1, 10000) 1 1 1e+004 在formatC()函數(shù)中可以用format=參數(shù)指定C格式類型，如“d”（整數(shù)），“f”（定點(diǎn)實(shí)數(shù)），“e”（科學(xué)記數(shù)法），“E”, “g”（選擇位數(shù)較少的輸出格式）,“G”, “fg”（定點(diǎn)實(shí)數(shù)但用digits 指定有效位數(shù)），“s”（字符串）。 可以用width指定輸出寬度，用digits指定有效位數(shù)（格式為e,E,g,G,fg時(shí)）或小數(shù)點(diǎn)后位數(shù)（格式為f）時(shí)?？梢杂胒lag參數(shù)指定一個(gè)輸出選項(xiàng)字符串，字符串中有-表示輸出左對(duì)齊，有0表示左空白用0填

22、充，有+表示要輸出正負(fù)號(hào)，等等。例如，我們有一個(gè)矩陣da中保存了三個(gè)日期的年、月、日： da ,1 ,2 ,3 1, 99 1 3 2, 96 11 93, 65 5 18 為了輸出這三個(gè)日期，可以用apply函數(shù)指定對(duì)每一行作用一個(gè)輸出函數(shù)，此輸出函數(shù)利用cat()和formatC來(lái)控制： apply(da, 1, function(r) cat(formatC(r1, format=d, width=2, flag=0), -, formatC(r2, format=d, width=2, flag=0), -, formatC(r3, format=d, width=2, flag=0)

23、, n, sep=) 99-01-03 96-11-09 65-05-18 NULL 這里我們知道apply函數(shù)第一個(gè)參數(shù)指定了一個(gè)矩陣，第二個(gè)參數(shù)說(shuō)明對(duì)行操作還是對(duì)列操作，第三個(gè)參數(shù)是一個(gè)函數(shù)，這里我們使用了直接定義一個(gè)函數(shù)作為參數(shù)的辦法。輸出結(jié)果中多了一個(gè)NULL函數(shù)，這是因?yàn)槲覀冊(cè)诮换ミ\(yùn)行，apply的結(jié)果作為一個(gè)表達(dá)式的值（NULL ）會(huì)被顯示出來(lái)。 為避免顯示，可以把結(jié)果賦給一個(gè)臨時(shí)變量名，或者把整個(gè)表達(dá)式作為invisible() 函數(shù)的參數(shù)，這時(shí)不顯示表達(dá)式值。 S的輸出缺省顯示在交互窗口。可以用sink()函數(shù)指定一個(gè)文件以把后續(xù)的輸出轉(zhuǎn)向到這個(gè)文件，并可用append參數(shù)指定

24、是否要在文件末尾附加： sink(“E:/work/result.txt, append=TRUE) ls() d sink() 調(diào)用無(wú)參數(shù)的sink()把輸出恢復(fù)到交互窗口。 Write(t(x),file=文件名，nol=nol(x)把一個(gè)矩陣X輸出到文件中，把X轉(zhuǎn)置后輸出因?yàn)镽中矩陣是列優(yōu)先的，如果不轉(zhuǎn)置則輸出是按列輸出的。如果不指定列數(shù)則缺省使用5列。文件名缺省用data. Write.table(x,file=文件名)把數(shù)據(jù)框X輸出到文件中，輸出包括變量名表頭和行名。輸入輸入 為了從外部文件讀入一個(gè)數(shù)值型向量，S提供了scan()函數(shù)。如果指定了file參數(shù)（也是第一參數(shù)），則從指定

25、文件讀入，缺省情況下讀入一個(gè)數(shù)值向量，文件中各數(shù)據(jù)以空白分隔，讀到文件尾為止。例如： cat(1:12, n, file=E:/work/result.txt) x y x x V1 V2 V3 1 Zhou 15 3 2 Li Ming 9 李明 3 Zhang 10.2 Wang 讀入結(jié)果為數(shù)據(jù)框。 函數(shù)可以自動(dòng)識(shí)別表列是數(shù)值型還是字符型，并在缺省情況下把字符型數(shù)據(jù)轉(zhuǎn)換為因子（加上as.is=T可以保留字符型不轉(zhuǎn)換）。 函數(shù)自動(dòng)為數(shù)據(jù)框變量指定“V1 ”、“V2”這樣的變量名，指定“1”、“2”這樣的行名?？梢杂胹參數(shù)指定一個(gè)字符型向量作為數(shù)據(jù)框的變量名，用

26、s參數(shù)指定一個(gè)字符型向量作為數(shù)據(jù)框的行名。 read.table()可以讀入帶有表頭的文件，只要加上header=TRUE參數(shù)即可。可以用sep 參數(shù)指定表行各項(xiàng)的分隔符。例如，為了讀入如下帶有表頭的逗號(hào)分隔文件E:d.csv： Name,score, cn Zhou,15,3 Li Ming, 9, 李明 Zhang, 10.2, Wang 使用如下語(yǔ)句： x=read.table(E:/d.csv, header=T, sep=,) x Name score cn 1 Zhou 15.0 3 2 Li Ming 9.0 李明 3 Zhang 10.2 Wang 其它一些用法見(jiàn)幫助。 cl

27、=read.table(E:/R/class.txt, as.is=c(1), s=c(Name, Sex, Age, Height, Weight); cat(names(cl),names(cl); class.data=read.table(E:/R/class.csv,header=T,sep=,); cat(names(class.data),names(class.data); Edata = read.table(E:/R/Employee data.csv,header=T,sep=,) cat(names(Edata),names(Edata); read.s

28、pss package:foreign R Documentation Read an SPSS data file Description: read.spss reads a file stored by the SPSS save and export commands and returns a list. Usage: read.spss(file, use.value.labels=TRUE, to.data.frame=FALSE, max.value.labels=Inf, s=FALSE) Arguments: file: character

29、variable with the name of the file to read. use.value.labels: Convert variables with value labels into R factors with those levels? to.data.frame: return a data frame? max.value.labels: Only variables with at most this many unique values will be converted to factors s: Trim trailing

30、spaces from factor levels? Details: This uses modified code from the PSPP project for reading the SPSS formats. Occasionally in SPSS value labels will be added to some values of a continuous variable (eg to distinguish different types of missing data), and you will not want these variables converted

31、 to factors. By setting max.val.labels you can specify that variables with a large number of distinct values are not converted to factors even if they have value labels. In addition, variables will not be converted to factors if there are non-missing values that have no value label. The value labels are then returned in the value.labels attribute of the variable. If SPSS variable labels are present, they are returned as the variable.labels attribute of the answer. Fixed length strings (including val