R語(yǔ)言數(shù)據(jù)框中的負(fù)索引介紹
以R語(yǔ)言自帶的mtcars數(shù)據(jù)框?yàn)槔?/h2>
這是原始的mtcars數(shù)據(jù)：
這里只列出了前面幾行數(shù)據(jù)。
然后負(fù)索引mtcars[,-2:-3],得到的結(jié)果
刪除了第二列和第三列數(shù)據(jù)
所以R語(yǔ)言數(shù)據(jù)框中的負(fù)索引是指刪除數(shù)據(jù)框中對(duì)應(yīng)的列（或者行）
ps：這和Python里面的規(guī)則好像不太一樣，Python里的負(fù)索引好像是指倒數(shù)第幾列（或者第幾行），這里這兩個(gè)軟件區(qū)別還挺大的~~寫個(gè)筆記提醒一下自己~
補(bǔ)充：R語(yǔ)言中的負(fù)整數(shù)索引
看代碼吧~
> x<-matrix(c(1,2,3,4,5,6,7,8,9),nrow = 3,ncol = 3,byrow = TRUE)
> x
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
> x[-1,]
[,1] [,2] [,3]
[1,] 4 5 6
[2,] 7 8 9
這在R中稱為負(fù)整數(shù)索引向量，這種索引向量指定被排除的元素而不是包括進(jìn)來(lái)，因此x[-1,]表示取出矩陣x的除了第一行元素外的其他元素。
補(bǔ)充：R語(yǔ)言-基本語(yǔ)法、數(shù)據(jù)類型及索引
1. 基本語(yǔ)法
print() 、cat()打印輸出
#單行注釋
if(FALSE){code block}多行注釋
2. 數(shù)據(jù)類型
class()：查看數(shù)據(jù)類型
2.1 基本數(shù)據(jù)類型
| 基本數(shù)據(jù)類型 | 示例 |
|---|---|
| 邏輯值(logical) | 真：TRUE、T，假：FALSE、F |
| 數(shù)字(numeric) | 123、5 |
| 整型(integer) | 2L、34L |
| 復(fù)數(shù)(complex) | 3+2i |
| 字符(character) | 'good' |
2.2 向量Vector
c()函數(shù)創(chuàng)建向量。
注意：必須保證元素類型相同，否則會(huì)默認(rèn)進(jìn)行類型轉(zhuǎn)換。
> x <- c(1, 2)
> class(x)
[1] "numeric"
> x <- c('s')
> class(x)
[1] "character"
> x <- c(1, 2, 's')
> class(x)
[1] "character"
2.3 列表List
列表可以包含許多不同類型的元素，如向量、函數(shù)、嵌套列表。
注意：[]與[[]]的區(qū)別。[]取出來(lái)的仍是一個(gè)列表，[[]]取出來(lái)的是本身的數(shù)據(jù)類型。
> list1 <- list(c(2,3), 21, 's', sin) # 分別包含列表、數(shù)字、字符、函數(shù)
> class(list1)
[1] "list"
> list1[1] # 取出來(lái)的仍是一個(gè)列表
[[1]]
[1] 2 3
> list1[[1]] # 取出來(lái)的是子列表中的元素
[1] 2 3
> class(list1[1])
[1] "list"
> class(list1[[1]])
[1] "numeric"
> list1[[2]]
[1] 21
> list1[2] + 2
Error in list1[2] + 2 : non-numeric argument to binary operator
> list1[[2]] + 2
[1] 23
> list1[[4]]
function (x) .Primitive("sin")
> class(list1[[4]])
[1] "function"
2.4 矩陣Matrix
矩陣是二維數(shù)據(jù)集，它可以使用矩陣函數(shù)的向量輸入創(chuàng)建。
byrow參數(shù)決定元素存放的順序。
> M <- matrix( c('a','a','b','c','b','a'), nrow = 2, ncol = 3, byrow = TRUE)
> M
[,1] [,2] [,3]
[1,] "a" "a" "b"
[2,] "c" "b" "a"
> M[,1] # 取出第一列數(shù)據(jù)
[1] "a" "c"
> M[1,] # 取出第一行數(shù)據(jù)
[1] "a" "a" "b"
> M[2,1] # 取出單個(gè)元素
[1] "c"
2.5 數(shù)組Array
利用數(shù)組可以創(chuàng)建任意維度的數(shù)據(jù)。
> array1 <- array(c('green','yellow'), dim=c(3,3,2))
> array1
, , 1
[,1] [,2] [,3]
[1,] "green" "yellow" "green"
[2,] "yellow" "green" "yellow"
[3,] "green" "yellow" "green"
, , 2
[,1] [,2] [,3]
[1,] "yellow" "green" "yellow"
[2,] "green" "yellow" "green"
[3,] "yellow" "green" "yellow"
2.6 因子Factor
因子是使用向量創(chuàng)建的對(duì)象。它將向量與向量中元素的不同值一起存儲(chǔ)為標(biāo)簽。 標(biāo)簽是字符類型。 它們?cè)诮y(tǒng)計(jì)建模中非常有用。
使用factor()函數(shù)創(chuàng)建因子。nlevels函數(shù)給出級(jí)別計(jì)數(shù)。
> apple_colors <- c('green','green','yellow','red','red','red','green')
> factor_apple <- factor(apple_colors)
> factor_apple
[1] green green yellow red red red green
Levels: green red yellow
> nlevels(factor_apple)
[1] 3
2.7 數(shù)據(jù)框Data Frame
表格數(shù)據(jù)對(duì)象。每列可以包含不同的數(shù)據(jù)類型。 第一列可以是數(shù)字，而第二列可以是字符，第三列可以是邏輯的。 它是等長(zhǎng)度的向量的列表。
使用data.frame()函數(shù)創(chuàng)建數(shù)據(jù)框。
# 創(chuàng)建數(shù)據(jù)框，表格對(duì)象
> BMI <- data.frame(
gender = c("Male", "Male","Female"),
height = c(152, 171.5, 165),
weight = c(81,93, 78),
Age = c(42,38,26)
)
> BMI
gender height weight Age
1 Male 152.0 81 42
2 Male 171.5 93 38
3 Female 165.0 78 26
# 獲取第二列
> BMI[2]
height
1 152.0
2 171.5
3 165.0
# 獲取第一行
> BMI[1,]
gender height weight Age
1 Male 152 81 42
# 獲取第一列數(shù)據(jù)，類型為DataFrame
> BMI[1]
gender
1 Male
2 Male
3 Female
> class(BMI[1])
[1] "data.frame"
# 獲取第一列，并將其轉(zhuǎn)換為factor類型
> BMI[,1]
[1] Male Male Female
Levels: Female Male
# 獲取第一個(gè)元素，轉(zhuǎn)換為factor類型
> BMI[1,1]
[1] Male
Levels: Female Male
# 獲取第二列，不改變數(shù)據(jù)類型
> BMI[2]
height
1 152.0
2 171.5
3 165.0
# 獲取第二列，改變數(shù)據(jù)類型
> BMI[,2]
[1] 152.0 171.5 165.0
# 根據(jù)列的名稱獲取factor類型數(shù)據(jù)
data_frame$col_name
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教。
相關(guān)文章
今天來(lái)給大家分享一篇教程關(guān)于R語(yǔ)言繪制Vonoroi圖的完整代碼，包括deldir包繪制Voronoi圖，ggplot2繪制Voronoi圖的實(shí)現(xiàn)代碼，感興趣的朋友跟隨小編一起看看吧2021-06-06
R語(yǔ)言數(shù)據(jù)可視化ggplot添加左右y軸繪制天貓雙十一銷售圖
本篇文章主要介紹如何在R中，使用ggplot2包在一個(gè)圖像上添加左右兩個(gè) y 軸刻度，并在同一個(gè)圖像上繪制兩個(gè)完全不一樣的統(tǒng)計(jì)圖，有需要的朋友可以借鑒參考下2021-11-11
R的ggplot2畫圖,去除灰色陰影和網(wǎng)格的方式
這篇文章主要介紹了R的ggplot2畫圖,去除灰色陰影和網(wǎng)格的方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-04-04
R語(yǔ)言實(shí)現(xiàn)地理加權(quán)回歸（GWR）
這篇文章主要為大家介紹了R語(yǔ)言實(shí)現(xiàn)地理加權(quán)回歸（GWR）操作流程示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-10-10
R語(yǔ)言刷題檢驗(yàn)數(shù)據(jù)缺失類型過(guò)程詳解
這篇文章主要為大家介紹了R語(yǔ)言刷題中檢驗(yàn)數(shù)據(jù)缺失類型的過(guò)程示例分析詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2021-11-11
R語(yǔ)言實(shí)現(xiàn)KMeans聚類算法實(shí)例教程
聚類是從數(shù)據(jù)集中對(duì)觀測(cè)值進(jìn)行聚類的機(jī)器學(xué)習(xí)方法,下面這篇文章主要給大家介紹了關(guān)于R語(yǔ)言實(shí)現(xiàn)KMeans聚類算法的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-07-07
R語(yǔ)言數(shù)據(jù)可視化繪圖Slope chart坡度圖畫法
這篇文章主要為大家介紹了R語(yǔ)言數(shù)據(jù)可視化繪圖Slope?chart坡度圖的畫法示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-02-02
R語(yǔ)言 解決安裝ggplot2報(bào)錯(cuò)的問(wèn)題
這篇文章主要介紹了R語(yǔ)言 解決安裝ggplot2報(bào)錯(cuò)的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2021-04-04
這篇文章主要介紹了R、RStudio下載與安裝方法,本文通過(guò)圖文圖文并茂的方法給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2021-03-03
R語(yǔ)言實(shí)現(xiàn)LASSO回歸的方法
這篇文章主要介紹了R語(yǔ)言實(shí)現(xiàn)LASSO回歸的方法，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-03-03