R語(yǔ)言列表和數(shù)據(jù)框的具體使用
更新時(shí)間：2022年01月11日 09:38:17 作者：ZDDWLIG
本文主要介紹了R語(yǔ)言列表和數(shù)據(jù)框的具體使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
1.列表
列表“list”是一種比較的特別的對(duì)象集合，不同的序號(hào)對(duì)于不同的元素，當(dāng)然元素的也可以是不同類型的，那么我們用R語(yǔ)言先簡(jiǎn)單來(lái)構(gòu)造一個(gè)列表。
1.1創(chuàng)建
> a<-c(1:20) > b<-matrix(1:20,4,5) > mlist<-list(a,b) > mlist [[1]] ?[1] ?1 ?2 ?3 ?4 ?5 ?6 ?7 ?8 ?9 10 11 12 13 14 [15] 15 16 17 18 19 20 ? [[2]] ? ? ?[,1] [,2] [,3] [,4] [,5] [1,] ? ?1 ? ?5 ? ?9 ? 13 ? 17 [2,] ? ?2 ? ?6 ? 10 ? 14 ? 18 [3,] ? ?3 ? ?7 ? 11 ? 15 ? 19 [4,] ? ?4 ? ?8 ? 12 ? 16 ? 20
1.2 訪問
1.2.1 下標(biāo)訪問
> mlist[1] [[1]] ?[1] ?1 ?2 ?3 ?4 ?5 ?6 ?7 ?8 ?9 10 11 12 13 14 [15] 15 16 17 18 19 20 ? > mlist[2] [[1]] ? ? ?[,1] [,2] [,3] [,4] [,5] [1,] ? ?1 ? ?5 ? ?9 ? 13 ? 17 [2,] ? ?2 ? ?6 ? 10 ? 14 ? 18 [3,] ? ?3 ? ?7 ? 11 ? 15 ? 19 [4,] ? ?4 ? ?8 ? 12 ? 16 ? 20
1.2.2 名稱訪問
> state.center["x"] $x ?[1] ?-86.7509 -127.2500 -111.6250 ?-92.2992 ?[5] -119.7730 -105.5130 ?-72.3573 ?-74.9841 ?[9] ?-81.6850 ?-83.3736 -126.2500 -113.9300 [13] ?-89.3776 ?-86.0808 ?-93.3714 ?-98.1156 [17] ?-84.7674 ?-92.2724 ?-68.9801 ?-76.6459 [21] ?-71.5800 ?-84.6870 ?-94.6043 ?-89.8065 [25] ?-92.5137 -109.3200 ?-99.5898 -116.8510 [29] ?-71.3924 ?-74.2336 -105.9420 ?-75.1449 [33] ?-78.4686 -100.0990 ?-82.5963 ?-97.1239 [37] -120.0680 ?-77.4500 ?-71.1244 ?-80.5056 [41] ?-99.7238 ?-86.4560 ?-98.7857 -111.3300 [45] ?-72.5450 ?-78.2005 -119.7460 ?-80.6665 [49] ?-89.9941 -107.2560
1.2.3 符號(hào)訪問
> state.center$x ?[1] ?-86.7509 -127.2500 -111.6250 ?-92.2992 ?[5] -119.7730 -105.5130 ?-72.3573 ?-74.9841 ?[9] ?-81.6850 ?-83.3736 -126.2500 -113.9300 [13] ?-89.3776 ?-86.0808 ?-93.3714 ?-98.1156 [17] ?-84.7674 ?-92.2724 ?-68.9801 ?-76.6459 [21] ?-71.5800 ?-84.6870 ?-94.6043 ?-89.8065 [25] ?-92.5137 -109.3200 ?-99.5898 -116.8510 [29] ?-71.3924 ?-74.2336 -105.9420 ?-75.1449 [33] ?-78.4686 -100.0990 ?-82.5963 ?-97.1239 [37] -120.0680 ?-77.4500 ?-71.1244 ?-80.5056 [41] ?-99.7238 ?-86.4560 ?-98.7857 -111.3300 [45] ?-72.5450 ?-78.2005 -119.7460 ?-80.6665 [49] ?-89.9941 -107.2560
1.3 注意
一個(gè)中括號(hào)和兩個(gè)中括號(hào)的區(qū)別
一個(gè)中括號(hào)輸出的是列表的一個(gè)子列表，兩個(gè)中括號(hào)輸出的是列表的元素
> class(mlist[1]) [1] "list" > class(mlist[[1]]) [1] "integer"
我們添加元素時(shí)要注意用兩個(gè)中括號(hào)
2.數(shù)據(jù)框
數(shù)據(jù)框是R種的一個(gè)數(shù)據(jù)結(jié)構(gòu)，他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，沒行是一個(gè)觀測(cè)值。
但是，數(shù)據(jù)框又是一種特殊的列表對(duì)象，其class屬性為“data.frame”，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、列表或者其它數(shù)據(jù)框。向量、因子成員為數(shù)據(jù)框提供一個(gè)變量，如果向量非數(shù)值型會(huì)被強(qiáng)型轉(zhuǎn)換為因子。而矩陣、列表、數(shù)據(jù)框等必須和數(shù)據(jù)框具有相同的行數(shù)。
2.1 創(chuàng)建
> state<-data.frame(state.name,state.abb,state.area) > state ? ? ? ?state.name state.abb state.area 1 ? ? ? ? Alabama ? ? ? ?AL ? ? ?51609 2 ? ? ? ? ?Alaska ? ? ? ?AK ? ? 589757 3 ? ? ? ? Arizona ? ? ? ?AZ ? ? 113909 4 ? ? ? ?Arkansas ? ? ? ?AR ? ? ?53104 5 ? ? ?California ? ? ? ?CA ? ? 158693 6 ? ? ? ?Colorado ? ? ? ?CO ? ? 104247 7 ? ? Connecticut ? ? ? ?CT ? ? ? 5009 8 ? ? ? ?Delaware ? ? ? ?DE ? ? ? 2057 9 ? ? ? ? Florida ? ? ? ?FL ? ? ?58560 10 ? ? ? ?Georgia ? ? ? ?GA ? ? ?58876 11 ? ? ? ? Hawaii ? ? ? ?HI ? ? ? 6450 12 ? ? ? ? ?Idaho ? ? ? ?ID ? ? ?83557 13 ? ? ? Illinois ? ? ? ?IL ? ? ?56400 14 ? ? ? ?Indiana ? ? ? ?IN ? ? ?36291 15 ? ? ? ? ? Iowa ? ? ? ?IA ? ? ?56290 16 ? ? ? ? Kansas ? ? ? ?KS ? ? ?82264 17 ? ? ? Kentucky ? ? ? ?KY ? ? ?40395 18 ? ? ?Louisiana ? ? ? ?LA ? ? ?48523 19 ? ? ? ? ?Maine ? ? ? ?ME ? ? ?33215 20 ? ? ? Maryland ? ? ? ?MD ? ? ?10577 21 ?Massachusetts ? ? ? ?MA ? ? ? 8257 22 ? ? ? Michigan ? ? ? ?MI ? ? ?58216 23 ? ? ?Minnesota ? ? ? ?MN ? ? ?84068 24 ? ?Mississippi ? ? ? ?MS ? ? ?47716 25 ? ? ? Missouri ? ? ? ?MO ? ? ?69686 26 ? ? ? ?Montana ? ? ? ?MT ? ? 147138 27 ? ? ? Nebraska ? ? ? ?NE ? ? ?77227 28 ? ? ? ? Nevada ? ? ? ?NV ? ? 110540 29 ?New Hampshire ? ? ? ?NH ? ? ? 9304 30 ? ? New Jersey ? ? ? ?NJ ? ? ? 7836 31 ? ? New Mexico ? ? ? ?NM ? ? 121666 32 ? ? ? New York ? ? ? ?NY ? ? ?49576 33 North Carolina ? ? ? ?NC ? ? ?52586 34 ? North Dakota ? ? ? ?ND ? ? ?70665 35 ? ? ? ? ? Ohio ? ? ? ?OH ? ? ?41222 36 ? ? ? Oklahoma ? ? ? ?OK ? ? ?69919 37 ? ? ? ? Oregon ? ? ? ?OR ? ? ?96981 38 ? Pennsylvania ? ? ? ?PA ? ? ?45333 39 ? Rhode Island ? ? ? ?RI ? ? ? 1214 40 South Carolina ? ? ? ?SC ? ? ?31055 41 ? South Dakota ? ? ? ?SD ? ? ?77047 42 ? ? ?Tennessee ? ? ? ?TN ? ? ?42244 43 ? ? ? ? ?Texas ? ? ? ?TX ? ? 267339 44 ? ? ? ? ? Utah ? ? ? ?UT ? ? ?84916 45 ? ? ? ?Vermont ? ? ? ?VT ? ? ? 9609 46 ? ? ? Virginia ? ? ? ?VA ? ? ?40815 47 ? ? Washington ? ? ? ?WA ? ? ?68192 48 ?West Virginia ? ? ? ?WV ? ? ?24181 49 ? ? ?Wisconsin ? ? ? ?WI ? ? ?56154 50 ? ? ? ?Wyoming ? ? ? ?WY ? ? ?97914 >?
2.2 訪問
2.2.1 下標(biāo)訪問
> state[1]
state.name
1 Alabama
2 Alaska
3 Arizona
4 Arkansas
5 California
6 Colorado
7 Connecticut
8 Delaware
9 Florida
10 Georgia
11 Hawaii
12 Idaho
13 Illinois
14 Indiana
15 Iowa
16 Kansas
17 Kentucky
18 Louisiana
19 Maine
20 Maryland
21 Massachusetts
22 Michigan
23 Minnesota
24 Mississippi
25 Missouri
26 Montana
27 Nebraska
28 Nevada
29 New Hampshire
30 New Jersey
31 New Mexico
32 New York
33 North Carolina
34 North Dakota
35 Ohio
36 Oklahoma
37 Oregon
38 Pennsylvania
39 Rhode Island
40 South Carolina
41 South Dakota
42 Tennessee
43 Texas
44 Utah
45 Vermont
46 Virginia
47 Washington
48 West Virginia
49 Wisconsin
50 Wyoming
2.2.2 名稱訪問
> state["state.name"]
state.name
1 Alabama
2 Alaska
3 Arizona
4 Arkansas
5 California
6 Colorado
7 Connecticut
8 Delaware
9 Florida
10 Georgia
11 Hawaii
12 Idaho
13 Illinois
14 Indiana
15 Iowa
16 Kansas
17 Kentucky
18 Louisiana
19 Maine
20 Maryland
21 Massachusetts
22 Michigan
23 Minnesota
24 Mississippi
25 Missouri
26 Montana
27 Nebraska
28 Nevada
29 New Hampshire
30 New Jersey
31 New Mexico
32 New York
33 North Carolina
34 North Dakota
35 Ohio
36 Oklahoma
37 Oregon
38 Pennsylvania
39 Rhode Island
40 South Carolina
41 South Dakota
42 Tennessee
43 Texas
44 Utah
45 Vermont
46 Virginia
47 Washington
48 West Virginia
49 Wisconsin
50 Wyoming
2.2.3 符號(hào)訪問
> state$state.name [1] "Alabama" "Alaska" [3] "Arizona" "Arkansas" [5] "California" "Colorado" [7] "Connecticut" "Delaware" [9] "Florida" "Georgia" [11] "Hawaii" "Idaho" [13] "Illinois" "Indiana" [15] "Iowa" "Kansas" [17] "Kentucky" "Louisiana" [19] "Maine" "Maryland" [21] "Massachusetts" "Michigan" [23] "Minnesota" "Mississippi" [25] "Missouri" "Montana" [27] "Nebraska" "Nevada" [29] "New Hampshire" "New Jersey" [31] "New Mexico" "New York" [33] "North Carolina" "North Dakota" [35] "Ohio" "Oklahoma" [37] "Oregon" "Pennsylvania" [39] "Rhode Island" "South Carolina" [41] "South Dakota" "Tennessee" [43] "Texas" "Utah" [45] "Vermont" "Virginia" [47] "Washington" "West Virginia" [49] "Wisconsin" "Wyoming"
2.2.4 函數(shù)訪問
> attach(state) The following objects are masked from package:datasets:
2.2.4 函數(shù)訪問
> attach(state)
The following objects are masked from package:datasets:
state.abb, state.area, state.name
> state.name
[1] "Alabama" "Alaska"
[3] "Arizona" "Arkansas"
[5] "California" "Colorado"
[7] "Connecticut" "Delaware"
[9] "Florida" "Georgia"
[11] "Hawaii" "Idaho"
[13] "Illinois" "Indiana"
[15] "Iowa" "Kansas"
[17] "Kentucky" "Louisiana"
[19] "Maine" "Maryland"
[21] "Massachusetts" "Michigan"
[23] "Minnesota" "Mississippi"
[25] "Missouri" "Montana"
[27] "Nebraska" "Nevada"
[29] "New Hampshire" "New Jersey"
[31] "New Mexico" "New York"
[33] "North Carolina" "North Dakota"
[35] "Ohio" "Oklahoma"
[37] "Oregon" "Pennsylvania"
[39] "Rhode Island" "South Carolina"
[41] "South Dakota" "Tennessee"
[43] "Texas" "Utah"
[45] "Vermont" "Virginia"
[47] "Washington" "West Virginia"
[49] "Wisconsin" "Wyoming"
到此這篇關(guān)于R語(yǔ)言列表和數(shù)據(jù)框的具體使用的文章就介紹到這了,更多相關(guān)R語(yǔ)言列表和數(shù)據(jù)框 內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
EBImage是R的一個(gè)擴(kuò)展包，提供了用于讀取、寫入、處理和分析圖像的通用功能，非常容易上手，本文給大家介紹下R語(yǔ)言圖像處理EBImage包的相關(guān)知識(shí)，感興趣的朋友一起看看吧2022-02-02
R語(yǔ)言繪制數(shù)據(jù)可視化Dumbbell?plot啞鈴圖
這篇文章主要為大家介紹了R語(yǔ)言繪制數(shù)據(jù)可視化Dumbbell?plot啞鈴圖的實(shí)現(xiàn)步驟詳解，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2022-02-02
R語(yǔ)言 實(shí)現(xiàn)將factor轉(zhuǎn)換成numeric方法
這篇文章主要介紹了R語(yǔ)言 實(shí)現(xiàn)將factor轉(zhuǎn)換成numeric方法，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2021-03-03
在本篇內(nèi)容里小編給大家整理的是一篇關(guān)于R語(yǔ)言的特點(diǎn)總結(jié)內(nèi)容，有需要的朋友們可以學(xué)習(xí)參考下。2021-03-03
在本篇文章里小編給大家整理了一篇關(guān)于R語(yǔ)言繪制折線圖實(shí)例分析內(nèi)容，有需要的小伙伴可以跟著學(xué)習(xí)參考下。2021-04-04
這篇文章主要介紹了R語(yǔ)言 數(shù)據(jù)集行列互換的技巧分享，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2021-03-03
基于R/RStudio中安裝包“無(wú)法與服務(wù)器建立連接”的解決方案
這篇文章主要介紹了基于R/RStudio中安裝包“無(wú)法與服務(wù)器建立連接”的解決方案，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)言如何將大型Excel文件轉(zhuǎn)為dta格式詳解
這篇文章主要給大家介紹了關(guān)于R語(yǔ)言如何將大型Excel文件轉(zhuǎn)為dta格式的相關(guān)資料，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
R語(yǔ)言中ifelse、which、%in%的用法詳解
這篇文章主要介紹了R語(yǔ)言中ifelse、which、%in%的用法詳解，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
在本篇文章里小編給大家整理了一篇關(guān)于R語(yǔ)言對(duì)CSV文件操作實(shí)例講解內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2021-04-04