R语言基本数据管理语法

心已赠人 2024-04-03 13:29 120阅读 0赞

**目录**

一、数据格式

1.创建新向量（一维数组）

2.创建矩阵（二维数组）

3.数组（三维数组）

4.数据框（数据库）

5.列表

二、数据存储与读取

2.1 存储文件

2.1.1 csv文件

2.2 读取文件

2.2.1csv文件

三、画图

--------------------

## 一、数据格式 ##

### 1.创建新向量（一维数组） ###

a1 <- c(1,2,3,4,5)
    print(a1)

> \[1\] 1 2 3 4 5

a2 <-c("山东","农业大学")
    print(a2)
    print(a2[2])

> \[1\] "山东" "农业大学"
> 
> \[1\] "农业大学"

### 2.创建矩阵（二维数组） ###

#格式
    a1 <- matrix(data = NA,nrow = 1,ncol = 1,byrow = FALSE,dimnames = NULL)
    #data:向量，也就是矩阵的元素
    #nrow，ncol：矩阵的行数和列数
    #byrow：逻辑值 TRUE为按行填充，FALSE反之
    #dimnames：字符型向量，用于记录行名和列名

a1 <- matrix(1:20,nrow = 4,ncol = 5,byrow = TRUE)
    print(a1)

> \[,1\] \[,2\] \[,3\] \[,4\] \[,5\]  
> \[1,\] 1 2 3 4 5  
> \[2,\] 6 7 8 9 10  
> \[3,\] 11 12 13 14 15  
> \[4,\] 16 17 18 19 20

a2 <- matrix(1:20,nrow = 4,ncol = 5,byrow = FALSE)
    print(a2)

> \[,1\] \[,2\] \[,3\] \[,4\] \[,5\]  
> \[1,\] 1 5 9 13 17  
> \[2,\] 2 6 10 14 18  
> \[3,\] 3 7 11 15 19  
> \[4,\] 4 8 12 16 20

访问矩阵中的元素

> > print(a1\[3,\])  
> \[1\] 11 12 13 14 15  
> > print(a1\[,2\])  
> \[1\] 2 7 12 17  
> > print(a1\[3,c(2,3)\])  
> \[1\] 12 13  
> > print(a1\[,c(2,3)\])  
> \[,1\] \[,2\]  
> \[1,\] 2 3  
> \[2,\] 7 8  
> \[3,\] 12 13  
> \[4,\] 17 18

### 3.数组（三维数组） ###

#格式
    a1 <- array(data = NA,dim = length(data),dimnames = NULL)
    #data:向量，包含了数组中的数据
    #dim：数值型向量，指定数组每个维度的大小，即下标的最大值
    #dimnames：列表，包含各维度名称标签，此项为可选项

a1 <- array(1:24,c(2,3,4))
    print(a1)

> , , 1
> 
> \[,1\] \[,2\] \[,3\]  
> \[1,\] 1 3 5  
> \[2,\] 2 4 6
> 
> , , 2
> 
> \[,1\] \[,2\] \[,3\]  
> \[1,\] 7 9 11  
> \[2,\] 8 10 12
> 
> , , 3
> 
> \[,1\] \[,2\] \[,3\]  
> \[1,\] 13 15 17  
> \[2,\] 14 16 18
> 
> , , 4
> 
> \[,1\] \[,2\] \[,3\]  
> \[1,\] 19 21 23  
> \[2,\] 20 22 24  
>

> > a1\[2,2,2\]  
> \[1\] 10  
> > a1\[2,2,\]  
> \[1\] 4 10 16 22

x <- c("x1","x2")
    y <- c("y1","y2","y3")
    z <- c("z1","z2","z3","z4")
    a1 <- array(1:24,c(2,3,4),dimnames = list(x,y,z))
    a1

> , , z1
> 
> y1 y2 y3  
> x1 1 3 5  
> x2 2 4 6
> 
> , , z2
> 
> y1 y2 y3  
> x1 7 9 11  
> x2 8 10 12
> 
> , , z3
> 
> y1 y2 y3  
> x1 13 15 17  
> x2 14 16 18
> 
> , , z4
> 
> y1 y2 y3  
> x1 19 21 23  
> x2 20 22 24  
>

### 4.数据框（数据库） ###

#格式
    data.frame(...,row.names = NULL,check.rows = FALSE,
               check.names = TRUE,fix.empty.names = TRUE,
               stirngsAsFactors = default.stringsAsFactors())
    #...:向量（一维数组），可为任何类型（int，double，bool等）
    #row.names:字符型向量，用于记录列名称
    #check.rows:逻辑值，TRUE表示检查每一列的长度是否一致
    #check.names:逻辑值，TRUE表示检查列名称是否有效，以及是否有重复的列名称
    #fix.empty.names:逻辑值，TRUE表示自动填充的空白的列的名称
    #stringAsFactors:逻辑值，TRUE表示将字符型变量转化为因子储存

创建学生数据库

number <- c(20210001,20210002,20210003,20210004,20210005)
    name <- c("张三","李四","王五","常六","胡七")
    age <-c(19,20,18,19,21)
    sex <-c("女","男","女","女","男")
    student <- data.frame(number,name,age,sex)
    student

> number name age sex  
> 1 20210001 张三 19 女  
> 2 20210002 李四 20 男  
> 3 20210003 王五 18 女  
> 4 20210004 常六 19 女  
> 5 20210005 胡七 21 男

### 5.列表 ###

和数据框（数据库）类似

number <- c(20210001,20210002,20210003,20210004,20210005)
    name <- c("张三","李四","王五","常六","胡七")
    age <-c(19,20,18,19,21)
    sex <-c("女","男","女","女","男")
    list1 <- list(number = number,name = name,age = age,sex = sex)

> $number  
> \[1\] 20210001 20210002 20210003 20210004 20210005
> 
> $name  
> \[1\] "张三" "李四" "王五" "常六" "胡七"
> 
> $age  
> \[1\] 19 20 18 19 21
> 
> $sex  
> \[1\] "女" "男" "女" "女" "男"

## 二、数据存储与读取 ##

### 2.1 存储文件 ###

#### 2.1.1 csv文件 ####

number <- c(20210001,20210002,20210003,20210004,20210005)
    name <- c("scott","jack","tom","daming","xibaozhi")
    sex <-c("girl","boy","girl","boy","gay")
    student <- data.frame(number,name,age,sex)
    write.csv(student,"E:\\student.csv",row.names = FALSE)

![a5b0009fdd7641b8b31e474c00bdc956.png][]

### 2.2 读取文件 ###

#### 2.2.1csv文件 ####

"E:\\编程语言学习\\R语言学习\\weather1.csv", header = TRUE, sep = ",", quote = "\"", dec = ".", fill = TRUE, comment.char = "")

> precipitation cloud.cover solar.radiation Direct.radiation  
> 1 0.25 0.20 2101007.9 1096400.81  
> 2 0.00 0.26 2556632.9 1694003.33  
> 3 0.00 0.99 1847945.9 817321.61  
> 4 0.00 1.00 2153495.5 799061.95  
> 5 2.50 1.00 369740.4 9546.60  
> 6 0.00 0.46 2517514.9 1410573.42  
> 7 0.00 0.00 3283947.0 2646156.76  
> 8 0.00 0.39 3099281.6 2343757.00  
> 9 0.18 1.00 2085675.1 900816.49  
> 10 0.01 0.98 1670588.7 535728.73  
> 11 4.93 1.00 305388.2 29720.95  
> 12 0.00 0.53 2847285.9 1967227.04  
> 13 0.00 0.15 3242648.5 2583893.18  
> 14 0.00 0.76 2839078.1 1908628.28  
> 15 0.00 0.82 2876004.4 2103748.27  
> 16 0.00 0.94 2614186.1 1463502.07  
> 17 1.01 1.00 614758.7 38135.31  
> 18 0.02 1.00 1830789.3 682478.36  
> 19 0.00 1.00 2843533.8 1954438.08  
> 20 0.07 0.32 1637820.0 743462.77  
> 21 0.00 0.00 3192254.5 2539045.51  
> 22 0.00 0.30 2816551.3 2028372.93  
> 23 0.19 0.61 2367547.1 1415872.30  
> 24 0.08 1.00 879634.4 2841.58  
> 25 0.07 0.29 2020917.1 931558.72  
> 26 0.29 0.54 2218739.8 1461940.28

## 三、画图 ##

举个例子，我现在有一个表，表中有潍坊市潍城区2022年7月逐小时理想太阳辐照度和实际太阳辐照度，我想将此会成一幅散点图，并生成回归线，代码如下

ggplot(data = weather,aes(x = sun,y = sun_in_earth))+
    + geom_point()+
    + geom_smooth()

![4eb337ad835c4855b3d18dfc09d17f70.png][]

[a5b0009fdd7641b8b31e474c00bdc956.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/02bed0de20df40e7b3eebafbe52ec222.png
[4eb337ad835c4855b3d18dfc09d17f70.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/03/5a8a8844575243939b70d31c3e732fb9.png