R-4_因子、列表、数据框及输入输出.ppt

因子（factor）和有序因子 统计中的变量重要类别 连续: 区间变量 离散: 名义变量、有序变量 区间变量取连续的数值，可以求和、算平均等。 名义变量和有序变量取离散值，既可用数值表示也可取字符型值，其具体数值没有数量意义，不能用于加减乘除计算而只能用来分类或者计数。名义变量比如性别、省份、职业，有序变量比如班级名次、质量等级等。 因为离散变量有各种不同表示方法，在R中为统一起见使用因子(factor)来表示这种分类变量。还提供了有序因子(ordered factor)来表示有序变量。 因子是一种特殊的字符型向量，其中每一个元素取一组离散值中的一个，而因子对象有一个特殊属性levels表示这组离散值（用字符串表示）。例如： x - c(男, 女, 男, 男, 女) y - factor(x) y [1] 男 女 男 男 女 Levels: 男 女 可以自行指定各离散取值水平（levels），不指定时由x的不同值来求得。 labels可以用来指定各水平的标签，不指定时用各离散取值的对应字符串。 exclude参数用来指定要转换为缺失值（NA）的元素值集合。如果指定了levels，则因子的第i个元素当它等于水平中第j个时元素值取“j”，如果它的值没有出现在levels中则对应因子元素值取NA。 ordered取真值时表示因子水平是有次序的（按编码次序）。 可以用is.factor()检验对象是否因子，用as.factor()把一个向量转换成一个因子。 x - c(1,0,1,1,0) y - factor(x,levels=sort(unique(x),decreasing=T), labels=c(男, 女),exclude=NA,order=F) y [1] 男 女 男 男 女 Levels: 男 女 因子的基本统计是频数统计，用函数table()来计数。 例如， sex - factor(c(男, 女, 男, 男, 女)) res.tab - table(sex) res.tab 男 女 3 2 表示男性3人，女性2人。table()的结果是一个带元素名的向 量，元素名为因子水平，元素值为该水平出现的频数。 R的结果除了可以显示外，本身都是R对象（如这里的向量结果），可以很方便地进一步处理。 可以用两个或多个因子进行交叉分类。比如，性别（sex）和职业（job）交叉分组可以用table(sex, job)来统计每一交叉类的频数，结果为一个矩阵，矩阵带有行名和列名，分别为两个因子的各水平名。 因子可以用来作为另外的同长度变量的分类变量。比如，假设上面的sex是5个学生的性别，而 h - c(165, 170, 168, 172, 159) 是这5个学生的身高，则 table(h, sex) sex h 男 女 159 0 1 165 1 0 168 1 0 170 0 1 172 1 0 tapply(h, sex, mean) #可以求按性别分类的身高平均值。 男 女 168.3333 164.5000 列表（list）定义 列表是一种特别的对象集合，它的元素也由序号（下标）区分，但是各元素的类型可以是任意对象，不同元素不必是同一类型。元素本身允许是其它复杂数据类型，比如，列表的一个元素也允许是列表。 列表元素用“列表名[[下标]]”的格式引用。 但是，列表不同于向量，我们每次只能引用一个元素，如rec[[1:2]]的用法是不允许的。 注意：“列表名[下标]”或“列表名[下标范围]”的用法也是合法的，但其意义与用两重括号的记法完全不同，两重记号取出列表的一个元素，结果与该元素类型相同，如果使用一重括号，则结果是列表的一个子列表（结果类型仍为列表）。 rec = list(name=李明, age=30, scores=c(85, 76, 90)) rec $name [1] 李明 $age [1] 30 $scores [1] 85 76 90 在定义列表时如果指定了元素的名字（如rec中的name，age，scores），则引用列表元素还可以用它的名字作为下标，格式为“列表名[[元素名]]”，如： rec[[age]] [1] 30 另一种格式是“列表名$元素名”，如： rec$age [1] 30 其中“元素名”可以简写到与其它元素名能