R语言是一种用于统计分析和图形表示的编程语言和软件环境，它提供了多种数据结构以存储和操作数据。这些数据结构包括向量、矩阵、数组、数据框、列表、因子、Tibble、环境、公式、调用以及表达式。
向量（Vector）
向量是R中最基本的数据结构，是用于存储相同类型数据元素的一维数组。向量可以使可以是数值型、字符型或逻辑型等，但是同一向量无法混杂不同类型或模式的数据
# 数值型向量
a <- c(1,2,3,4,5)
# 字符型向量
b <- c("猪猪侠","菲菲猪","超人强")
# 逻辑型向量
c <- c(TRUE, FALSE, FALSE)
# 只包含一个元素的向量叫做 标量（scalar）
d <- 1 # 数值型标量
f <- "GGBond" # 字符型标量
g <- TRUE # 逻辑型标量
在RStudio的环境窗口中可以清楚地看到这些向量和它们的类型
矩阵（Matrix）
矩阵是二维的矩形数据集，其中每个元素都具有相同的数据类型。矩阵在R中可以使用matrix()函数创建，用于存储和操作数学矩阵。
以下代码是matrix()函数的最基础用法，在函数中1:20表示创建从1~20的向量，nrow = 5表示矩阵为5行，ncol = 4表示矩阵为4列：
my_matrix <- matrix(1:20, nrow = 5, ncol = 4)
在R语言中也可以使用向量来组成矩阵，在以下代码中byrow = FALSE参数指定了矩阵的填充方式。当byrow = FALSE时，矩阵将按列填充，即先填充第一列，然后是第二列，如果设置为byrow = TRUE，则矩阵将按行填充。
dimnames = list(rnames, cnames)参数用于给矩阵的行和列命名。rnames向量作为行名；cnames向量作为列名。这两个向量被组合成一个列表，成为dimnames的参数值。
cells <- c(1, 3, 5, 7)
rnames <- c("r1", "r2")
cnames <- c("c1", "c2")
my_matrix2 <- matrix(cells, nrow = 2, ncol = 2,
byrow = TRUE, dimnames = list(rnames, cnames))
my_matrix3 <- matrix(cells, nrow = 2, ncol = 2,
byrow = FALSE, dimnames = list(rnames, cnames))
如果是在RStudio中查看矩阵，可以使用View()函数，RStudio会弹出数据框显示矩阵
查看或修改矩阵中参数也很方便，比如查询矩阵第二行第三列的数值，随后将数值更改为12：
R语言中的矩阵操作方法表格如下：
| 矩阵操作方法 | 描述 |
|---|---|
matrix(data, nrow, ncol) | 使用数据创建一个矩阵，data是矩阵中的元素，nrow是行数，ncol是列数 |
dim(matrix) | 返回矩阵的维度，即行数和列数 |
matrix[i, j] | 访问矩阵中第i行第j列的元素 |
matrix[i, ] | 访问矩阵中的第i行 |
matrix[, j] | 访问矩阵中的第j列 |
matrix[i, j] <- value | 将矩阵中第i行第j列的元素修改为value |
rowSums(matrix) | 计算矩阵的每一行的和 |
colSums(matrix) | 计算矩阵的每一列的和 |
rowMeans(matrix) | 计算矩阵的每一行的均值 |
colMeans(matrix) | 计算矩阵的每一列的均值 |
rbind(matrix1, matrix2) | 按行合并矩阵 |
cbind(matrix1, matrix2) | 按列合并矩阵 |
t(matrix) | 返回矩阵的转置 |
%*% | 矩阵乘法 |
+、-、*、/ | 矩阵的加、减、乘（元素乘法）、除运算 |
solve(matrix) | 计算矩阵的逆 |
det(matrix) | 计算矩阵的行列式 |
eigen(matrix) | 计算矩阵的特征值和特征向量 |
数组（Array）
在R语言中可以存储多维数据，每个元素具有相同的数据类型。数组可以是二维矩阵，也可以是更高维度的，数组可以使用array()函数创建数组。
以下代码创建了一个从1~9，三行三列的二维数组：
my_array <- array(1:9, dim = c(3, 3))
以下代码为建立从1~24，三行四列的3维数组：
my_3d_array <- array(1:24, dim = c(3, 4, 2))
R语言中的数组操作方法表格如下：
| 序号 | 操作方法 | 描述 |
|---|---|---|
| 1 | matrix() | 创建矩阵，通过指定数据、行数、列数等参数来生成矩阵 |
| 2 | dim() | 设置或获取矩阵的维数（行数和列数） |
| 3 | nrow() | 获取矩阵的行数 |
| 4 | ncol() | 获取矩阵的列数 |
| 5 | [行索引, 列索引] | 访问矩阵中特定位置的元素或子集 |
| 6 | +, -, *, / | 对矩阵进行基本的算术运算（加、减、乘、除），注意矩阵乘法使用%*% |
| 7 | %*% | 矩阵乘法，要求左侧矩阵的列数等于右侧矩阵的行数 |
| 8 | t() | 矩阵转置，将矩阵的行和列互换 |
| 9 | det() | 计算方阵的行列式值 |
| 10 | solve() | 求解方阵的逆矩阵 |
| 11 | eigen() | 计算矩阵的特征值和特征向量 |
| 12 | colSums() | 计算矩阵每列的和 |
| 13 | rowSums() | 计算矩阵每行的和 |
| 14 | colMeans() | 计算矩阵每列的均值 |
| 15 | rowMeans() | 计算矩阵每行的均值 |
| 16 | diag() | 提取矩阵的对角线元素或生成对角矩阵/单位矩阵 |
| 17 | lower.tri() 和 upper.tri() | 分别用于提取矩阵的下三角和上三角部分 |
| 18 | cbind() | 按列合并矩阵或向量 |
| 19 | rbind() | 按行合并矩阵或向量 |
| 20 | as.matrix() | 将数据框（data.frame）或其他类型的数据转换为矩阵 |
数据框（Data Frame）
数据框 用于存储表格型数据，其中每列可以包含不同类型的数据（数值、字符、逻辑等），数据框通常使用data.frame()函数创建。
以下代码创建了一个GGBond年龄、姓名、性别数据框：
df <- data.frame(
id = 1:5,
name = c("小猪猪", "菲菲", "迷糊老师", "小呆呆", "超人强"),
age = c(15, 13, 55, 30, 14),
gender = c("Male", "Female", "Male", "Male", "Male")
)
可以使用str()函数查看数据框
> str(df)
'data.frame': 5 obs. of 4 variables:
$ id : int 1 2 3 4 5
$ name : chr "小猪猪" "菲菲" "迷糊老师" "小呆呆" ...
$ age : num 15 13 55 30 14
$ gender: chr "Male" "Female" "Male" "Male" ...
使用$符号可以访问并操作数据框中的列
> print(df$name)
[1] "小猪猪" "菲菲" "迷糊老师" "小呆呆" "超人强"
> df$score <- c(85, 90, 88, 95, 92) # 添加一列名为 score 的列
> df$score <- NULL # 删除一列名为 score 的列
R语言中的数据框操作方法表格如下：
| 序号 | 操作方法 | 描述 |
|---|---|---|
| 1 | data.frame() | 创建数据框，可以将向量、列表等数据结构转换为数据框 |
| 2 | str() | 查看数据框的结构，包括变量名称、类型、长度等 |
| 3 | head() 和 tail() | 查看数据框的前几行或后几行数据 |
| 4 | $ 符号 或 [] 运算符 | 访问数据框的列或行 |
| 5 | $ 符号 或 [] 运算符 | 添加新的列到数据框中 |
| 6 | rbind() 或 cbind() | 添加新的行到数据框中，rbind()用于按行合并，cbind()用于按列合并 |
| 7 | [] 运算符 | 选择数据框的子集，可以使用逻辑运算符或条件语句进行筛选 |
| 8 | merge() 或 dplyr::join() | 将两个数据框按照某一列或条件进行合并 |
| 9 | split() | 根据数据框中选定列的不同取值将数据框拆分为多个子数据框 |
| 10 | as.data.frame() | 将其他数据结构（如列表、矩阵）转换为数据框 |
| 11 | order() 或 dplyr::arrange() | 对数据框进行排序，order()返回排序后的索引，arrange()直接返回排序后的数据框 |
| 12 | summary()、mean()、sd() 等 | 对数据框进行统计分析，如计算摘要统计信息、均值、标准差等 |
| 13 | names() | 查看或修改数据框的列名 |
| 14 | subset() | 根据条件选择数据框的子集 |
| 15 | transform()、within()、dplyr::mutate() | 在数据框中添加或修改列，这些函数提供了不同的方式来处理新列的计算 |
| 16 | is.na() 和 na.omit() | 检查数据框中的缺失值，并移除含有缺失值的观测 |
| 17 | apply() 系列函数 | 对数据框中的数据进行批量处理，如计算列的均值、中位数等 |
| 18 | reshape2::melt() 和 reshape2::dcast() | 重塑数据框，从宽格式转换为长格式或从长格式转换为宽格式 |
| 19 | dplyr 包中的管道操作 | 使用 %>% 符号进行数据框的管道操作，结合 select()、filter()、summarise() 等函数进行高效的数据处理 |
列表（List）
在R语言中列表（List）是一种复杂的数据结构。列表是一种递归的数据结构，可以包含不同类型的元素，如数值、字符串、向量、矩阵、数据框，甚至其他列表，列表允许用户组合多个对象，并对其进行操作。
以下代码使用list()函数创建了一个GGBoy的成绩表
student <- list(
name = "GGBoy",
age = 15,
courses = c("Math", "Stats", "Computer"),
grades = c(9, 12, 3),
gender = "Male"
)
添加新的元素到列表中 :
student$major <- "Data Science"
使用lapply()函数对列表中的每个元素应用函数计算每个元素的长度
lapply_result <- lapply(student_info, length)
print(lapply_result)
输出如下：
$name
[1] 1
$age
[1] 1
$courses
[1] 3
$grades
[1] 3
$gender
[1] 1
$major
[1] 1
R语言中的列表操作方法表格如下：
| 序号 | 操作方法 | 描述 |
|---|---|---|
| 1 | list() | 创建列表，可以包含不同类型和长度的对象 |
| 2 | str() | 查看列表的结构，包括列表内对象的名称和类型 |
| 3 | $ 符号 | 通过列表元素的名称访问元素 |
| 4 | [[ ]] 符号 | 通过索引（可以是数字或名称）访问列表元素的内容，返回元素本身类型 |
| 5 | [ ] 符号 | 通过索引访问列表元素，返回的是列表的子列表 |
| 6 | names() | 查看或修改列表元素的名称 |
| 7 | length() | 获取列表的元素个数 |
| 8 | 赋值操作 | 修改列表元素的值，或向列表中添加新元素 |
| 9 | NULL 赋值 | 通过将列表元素赋值为NULL来删除元素 |
| 10 | c() 函数 | 可以用于合并多个列表，但请注意，这会扁平化列表（即不会保留原列表的结构） |
| 11 | lapply(), sapply(), vapply() | 对列表中的每个元素应用函数，lapply()返回列表，sapply()和vapply()尝试简化输出 |
| 12 | unlist() | 将列表中的元素转换为一个向量，可选地保留元素名称作为向量元素的名称 |
| 13 | recursive = FALSE 参数 | 在使用unlist()时，通过设置recursive = FALSE参数来避免递归展开列表中的列表 |
| 14 | list.files(), dir() 等 | 虽然不直接操作列表，但这些函数常用于获取文件名列表，随后这些列表可用于文件路径等列表操作 |
因子（Factor）：
因子用于表示分类数据，因子在统计建模和图形表示中非常有用，因为可以表示具有有限数量可能值的变量，在语言中使用factor()函数对数据进行因子化。
my_factor <- factor(c("北京", "上海", "天津", "北京", "上海"))
在查看因子结构时即可看到 “北京”, “上海”, “天津” 被进行了因子化变成了 1， 2， 3
# 查看因子结构
str(gender_factor)
# 查看因子的水平
levels(gender_factor)
R语言中的因子操作方法表格如下：
| 方法/函数 | 描述 |
|---|---|
factor() | 创建因子。基本语法为factor(x, levels = NULL, labels = levels, exclude = NA, ordered = FALSE, nmax = NA)，其中x是输入向量，levels指定因子水平，labels用于重命名水平，exclude排除特定值，ordered指定因子是否有序。 |
levels() | 查看或设置因子的水平（类别）。例如，levels(my_factor)查看水平，levels(my_factor) <- c("A", "B", "C")重新设置水平。 |
as.numeric() | 将因子转换为数值型向量，但注意这通常不是因子的原始数值索引，而是因子水平的顺序编号。 |
as.character() | 将因子转换为字符型向量，即因子的标签。 |
recode() | 在dplyr包中，用于重新编码因子的水平。需要加载dplyr包。 |
fct_recode() | 在forcats包中，提供更为灵活的因子水平重编码功能。 |
fct_relevel() | 在forcats包中，用于改变因子的水平顺序。 |
fct_drop() | 在forcats包中，用于删除因子中未使用的水平。 |
fct_collapse() | 在forcats包中，用于将多个因子水平合并为一个。 |
ordered() | 创建有序因子。语法与factor()类似，但通过设置ordered = TRUE参数指定因子有序。 |
table() | 用于生成因子的频数表，展示每个水平的观测数。 |
str() | 查看数据结构的详细信息，对于因子，可以显示其水平和存储的整数编码。 |
tapply() | 分组调用函数，根据因子的水平对向量进行分组，并对每组应用指定的函数。 |
split() | 根据因子将向量或数据框分割成列表，每个列表元素包含对应因子水平的数据。 |
by() | 根据一个或多个因子对数据框进行分组，并对每组应用指定的函数。 |
日期和时间（Date and Time）
R语言提供了处理和操作日期和时间的特殊数据类型，这些类型包括“Date”（日期）、“POSIXct”（日期和时间）和“POSIXlt”（日期和时间的列表表示）。
这里我使用了lubridate包来进行操作：
library(lubridate)
# 创建日期对象
date1 <- as.Date("2023-04-01")
date2 <- as.Date("2023/04/02")
# 创建时间对象
time1 <- as.POSIXct("2023-04-01 12:00:00")
time2 <- as.POSIXct("2023-04-02 15:30:00", tz = "UTC")
# 格式化日期和时间
formatted_date <- format(date1, "%Y-%m-%d")
formatted_time <- format(time1, "%Y-%m-%d %H:%M:%S")
# 提取日期和时间的组成部分
year_of_date <- year(date1)
month_of_date <- month(date1)
day_of_date <- mday(date1)
hour_of_time <- hour(time1)
minute_of_time <- minute(time1)
second_of_time <- second(time1)
# 日期时间计算
date_diff <- difftime(date2, date1, units = "days")
time_diff <- difftime(time2, time1, units = "hours")
# 使用lubridate包进行日期时间操作
today_date <- today()
now_time <- now()
# 解析不同格式的日期时间字符串
parsed_date1 <- ymd("20230401")
parsed_date2 <- mdy("04/02/2023")
parsed_time <- ymd_hms("2023-04-01 12:00:00")
# 提取和设置日期时间的年、月、日等
extracted_year <- year(parsed_date1)
parsed_date1_updated <- update(parsed_date1, year = 2024)
# 日期时间的舍入
rounded_date <- floor_date(parsed_date1, "month")
rounded_time <- round_date(parsed_time, "hour")
# 打印结果
cat("格式化日期:", formatted_date, "\n")
cat("格式化时间:", formatted_time, "\n")
cat("日期中的年份:", year_of_date, "\n")
cat("日期差:", date_diff, "天\n")
cat("时间差:", time_diff, "小时\n")
cat("今天的日期:", today_date, "\n")
cat("当前时间:", now_time, "\n")
cat("解析的日期1:", parsed_date1, "\n")
cat("解析的日期2:", parsed_date2, "\n")
cat("解析的时间:", parsed_time, "\n")
cat("提取的年份:", extracted_year, "\n")
cat("更新的日期:", parsed_date1_updated, "\n")
cat("四舍五入的日期:", rounded_date, "\n")
cat("四舍五入的时间:", rounded_time, "\n")
脚本输出：
R语言中的日期和时间操作方法表格如下：
| 方法/函数 | 描述 |
|---|---|
as.Date() | 将字符型或数值型数据转换为日期对象。默认格式为“YYYY-MM-DD”。 |
Sys.Date() | 返回当前系统日期。 |
format() | 将日期或时间对象按照指定的格式进行格式化。 |
weekdays() | 返回日期对象的星期几名称。 |
months() | 返回日期对象的月份名称。 |
quarters() | 返回日期对象所在的季度。 |
Sys.time() | 返回当前系统日期和时间。 |
as.POSIXct() | 将日期时间字符串转换为POSIXct对象，后者以秒为单位自1970-01-01 UTC起算。 |
as.POSIXlt() | 类似于as.POSIXct()，但返回的是一个列表，包含年、月、日等详细时间信息。 |
| 日期加减运算 | 日期对象可以与数值进行加减运算，表示日期的加减天数。 |
difftime() | 计算两个日期或时间之间的差异，可以指定单位（如天、小时等）。 |
seq.Date() 或 seq()（用于日期） | 生成日期序列。可以通过设置起始日期、结束日期和步长来生成日期序列。 |
lubridate包函数 | 如today()、now()、ymd()、mdy()、dmy()等，提供更方便的日期时间生成、解析和格式化功能。 |
year(), month(), mday() | 在lubridate包中，用于提取日期时间对象的年、月、日等组成部分。 |
hour(), minute(), second() | 在lubridate包中，用于提取时间对象的时、分、秒等组成部分。 |
floor_date(), round_date() | 在lubridate包中，用于对日期进行向下或向上舍入到指定的时间单位（如天、月、年）。 |
Tibble
Tibble是tibble包提供的一种现代化的数据框，可以将tibble是一种优化的数据框（data.frame），提供了许多便捷的操作方法，具有更严格的子集操作。
library(tidyverse)
# 创建一个tibble
my_tibble <- tibble(
name = c("Alice", "Bob", "Charlie"),
age = c(25, 30, 35),
height = c(165, 175, 180)
)
# 打印tibble
print(my_tibble)
# 访问tibble中的name列
print(my_tibble$name)
# 使用dplyr包中的函数来操作tibble，筛选出年龄大于30的记录
filtered_tibble <- my_tibble %>% filter(age > 30)
print(filtered_tibble)
# 在tibble中添加一列
my_tibble <- my_tibble %>% mutate(weight = c(60, 70, 80))
print(my_tibble)
# 对tibble进行排序
sorted_tibble <- my_tibble %>% arrange(desc(age))
print(sorted_tibble)
初始创建的tibble如下：
经过操作后的tibble如下：
在有些情况下在导包的时候会产生报的兼容警报：
> library(tidyverse)
── Attaching core tidyverse packages ─────────────────────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.1.4 ✔ readr 2.1.5
✔ forcats 1.0.0 ✔ stringr 1.5.1
✔ ggplot2 3.5.1 ✔ tibble 3.2.1
✔ purrr 1.0.2 ✔ tidyr 1.3.1
── Conflicts ───────────────────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package to force all conflicts to become errors
这时使用conflicted包来管理冲突即可：
library(conflicted)
conflict_prefer("filter", "dplyr")
conflict_prefer("lag", "dplyr")
R语言中的tibble操作方法表格如下：
| 方法名 | 描述 | 示例代码 |
|---|---|---|
tibble() | 创建一个新的tibble，输入可以是向量、列表等 | tibble(name = c("Alice", "Bob"), age = c(25, 30)) |
as_tibble() | 将其他类型的数据结构（如data.frame、list）转换为tibble | as_tibble(iris) 或 as_tibble(list(a = 1:5, b = letters[1:5])) |
$ | 提取tibble中的某一列 | my_tibble$name |
[[ | 类似$，但可用于编程方式提取列，特别是当列名存储在变量中时 | my_tibble[["name"]] |
%>% | 管道操作符，将左侧对象传递给右侧函数的第一个参数 | my_tibble %>% filter(age > 30) |
filter() | 从tibble中筛选出满足条件的行（dplyr包） | my_tibble %>% filter(age > 30) |
select() | 选择tibble中的列（dplyr包） | my_tibble %>% select(name, age) |
mutate() | 在tibble中添加新列或修改现有列（dplyr包） | my_tibble %>% mutate(weight = age * 10) |
arrange() | 对tibble中的行进行排序（dplyr包） | my_tibble %>% arrange(desc(age)) |
group_by() | 对tibble中的行进行分组，以便后续进行汇总操作（dplyr包） | my_tibble %>% group_by(age) %>% summarise(mean_height = mean(height)) |
summarise() | 对分组后的tibble进行汇总计算（dplyr包） | 同上例中的summarise()部分 |
slice() | 选择tibble中的行（dplyr包），可以按位置选择或基于条件选择 | my_tibble %>% slice(1:2) 或 my_tibble %>% slice(which(age > 30)) |
rename() | 重命名tibble中的列（dplyr包） | my_tibble %>% rename(Name = name, Age = age) |
pivot_longer() | 将tibble从宽格式转换为长格式（tidyr包，tidyverse的一部分） | my_tibble %>% pivot_longer(cols = c(age, height), names_to = "attribute", values_to = "value") |
pivot_wider() | 将tibble从长格式转换为宽格式（tidyr包，tidyverse的一部分） | 与pivot_longer()相反的操作 |
