Typy danych w R z przykładem

Jakie są typy danych w R?

Poniżej przedstawiono typy danych i struktury danych w programowaniu R:

• Skalary
• Wektory (numeryczne, znakowe, logiczne)
• Matryce
• Ramki danych
• wykazy

Ta lista łączy dwa powiązane ze sobą pomysły, a ich rozdzielenie ułatwia zrozumienie reszty tej strony. typ danych opisuje, czym jest pojedyncza wartość — liczbą, fragmentem tekstu, PRAWDĄ lub FAŁSZEM. struktura danych Opisuje, ile wartości jest przechowywanych razem i jaki mają kształt. Skalary, wektory, macierze, ramki danych i listy to struktury; wartości w nich zawarte nadal należą do jednego z podstawowych typów R.

R nie ma oddzielnego typu skalarnego: skalar to po prostu wektor o długości jeden, dlatego tak dużo kodu R jest pisane dla całych wektorów na raz.

Podstawowe typy danych w R

Każda wartość w R należy do jednego z małego zestawu podstawowych (atomowych) typów:

• 4.5 jest wartością dziesiętną zwaną liczbą.
• 4 wygląda jak liczba całkowita, ale R nadal przechowuje ją jako liczbę zmiennoprzecinkową. Wpisz 4L, gdy wymagana jest prawdziwa liczba całkowita.
• PRAWDA lub FAŁSZ to wartość logiczna, nazywana w języku R wartością logiczną.
• Wartość wewnątrz „” lub „” to tekst (ciąg znaków). Te wartości nazywane są znakami.

Dwa kolejne typy uzupełniają zestaw. Wartości zespolone, takie jak 3+2i, zawierają część rzeczywistą i urojoną, a wartości surowe zawierają bajty. Oba typy rzadko pojawiają się w codziennej analizie, ale są wymienione w bazie R. dokumentacja typeof() obok czterech powszechnych typów.

Typ zmiennej możemy sprawdzić za pomocą funkcji klasy.

Przykład 1: Sprawdź zmienną liczbową

# Declare variables of different types
# Numeric
x <- 28
class(x)

Wyjście:

## [1] "numeric"

Przykład 2: Sprawdź zmienną znakową

# String
y <- "R is Fantastic"
class(y)

Wyjście:

## [1] "character"

Przykład 3: Sprawdź zmienną logiczną

# Boolean
z <- TRUE
class(z)

Wyjście:

## [1] "logical"

Zauważ, że class() odpowiada „numeric” dla 28, mimo że 28 nie ma części dziesiętnej. R zapisał to jako wartość typu double i tylko typeof() to ujawnia. Kolejną różnicą wartą poznania jest sposób, w jaki te wartości otrzymują nazwy.

Zmienne w R

Zmienne są jednym z podstawowych elementów składowych języka R, które przechowują wartości i mają znaczenie dla każdego, kto zajmuje się analizą danych. Zmienna w R może przechowywać liczbę, obiekt, wynik statystyczny, wektor, zbiór danych lub prognozę modelu – w zasadzie wszystko, co generuje R. Możemy później użyć tej zmiennej, po prostu wywołując jej nazwę.

Aby zadeklarować zmienną w R, musimy nadać jej nazwę. Nazwa nie może zawierać spacji. Do łączenia dwóch słów możemy użyć _.

Nazwy mogą zawierać litery, cyfry, kropki i znaki podkreślenia, ale muszą zaczynać się od litery lub kropki. Słowa kluczowe, takie jak TRUE, FALSE i NULL, nie mogą być używane jako nazwy. Aby dodać wartość do zmiennej, użyj <- lub =.

Oto składnia:

# First way to declare a variable:  use the `<-`
name_of_variable <- value
# Second way to declare a variable:  use the `=`
name_of_variable = value

W wierszu poleceń możemy wpisać następujące kody, aby zobaczyć, co się stanie:

Przykład 1: Przypisz wartość i wydrukuj ją

# Print variable x
x <- 42
x

Wyjście:

## [1] 42

Przykład 2: Deklarowanie drugiej zmiennej

y  <- 10
y

Wyjście:

## [1] 10

Przykład 3: Użycie dwóch zmiennych w jednym wyrażeniu

# We call x and y and apply a subtraction
x-y

Wyjście:

## [1] 32

Zmienna przechowująca kilka wartości tego samego typu jest wektorem, a jest to struktura, której oczekuje niemal każda funkcja języka R.

Wektory w R

Wektor to jednowymiarowa kolekcja, w której każdy element ma ten sam typ. Możemy utworzyć wektor ze wszystkimi podstawowymi typami danych R, których nauczyliśmy się wcześniej. Najprostszym sposobem utworzenia wektora w R jest użycie funkcji c().

Przykład 1: Utwórz wektor numeryczny

# Numerical
vec_num <- c(1, 10, 49)
vec_num

Wyjście:

## [1]  1 10 49

Przykład 2: Utwórz wektor znaków

# Character 
vec_chr <- c("a", "b", "c")
vec_chr

Wyjście:

## [1] "a" "b" "c"

Przykład 3: Utwórz wektor logiczny

# Boolean 
vec_bool <-  c(TRUE, FALSE, TRUE)
vec_bool

Wyjście:

##[1] TRUE FALSE TRUE

Jeśli c() otrzyma mieszankę typów, nie zawodzi. Po cichu wymusza każdy element aż do najogólniejszego z dostępnych typów, więc c(1, "a", TRUE) staje się wektorem znaków. W R możemy również wykonywać obliczenia arytmetyczne na wektorach.

Przykład 4: Dodawanie dwóch wektorów element po elemencie

# Create the vectors
vect_1 <- c(1, 3, 5)
vect_2 <- c(2, 4, 6)
# Take the sum of A_vector and B_vector
sum_vect <- vect_1 + vect_2
# Print out total_vector
sum_vect

Wyjście:

[1]  3  7 11

Dodawanie działało element po elemencie, ponieważ oba wektory mają tę samą długość. Gdy długości się różnią, R przetwarza krótszy wektor, powtarzając go, aż będzie pasował do dłuższego, i ostrzega tylko wtedy, gdy dłuższa długość nie jest wielokrotnością krótszej.

Przykład 5: Pokrój pierwsze pięć elementów

W R możliwe jest pocięcie wektora. Czasami interesuje nas tylko pierwszych pięć elementów wektora. Możemy użyć polecenia [1:5], aby np.tracwartości od 1 do 5.

# Slice the first five rows of the vector
slice_vector <- c(1,2,3,4,5,6,7,8,9,10)
slice_vector[1:5]

Wyjście:

## [1] 1 2 3 4 5

Przykład 6: Tworzenie zakresu za pomocą dwukropka OperaTor

Najkrótszym sposobem utworzenia zakresu wartości jest użycie operatora dwukropka (:) między dwiema liczbami. Na przykład, korzystając z powyższego przykładu, możemy napisać c(1:10), aby utworzyć wektor wartości od jednego do dziesięciu.

# Faster way to create adjacent values
c(1:10)

Wyjście:

## [1]  1  2  3  4  5  6  7  8  9 10

Ponieważ wektor bezgłośnie zmienia typ podczas mieszania, warto wiedzieć, jak sprawdzać i konwertować typy na żądanie.

Jak sprawdzać i konwertować typy danych w R

Trzy rodziny funkcji odpowiadają na trzy stale pojawiające się pytania: czym jest to, czy to jest dany typ i czy to może stać się innym typem.

# Three different views of the same value
x <- 28
class(x)      # "numeric"  -- the class used for method dispatch
typeof(x)     # "double"   -- how R stores the value internally
mode(x)       # "numeric"  -- the older S-style mode

# Ask a yes/no question about a type
is.numeric(x)     # TRUE
is.character(x)   # FALSE

# Convert between types
as.character(x)   # "28"
as.integer("28")  # 28 stored as an integer
as.numeric("abc") # NA, with a coercion warning

Dwie reguły wyjaśniają większość niespodzianek. Po pierwsze, class() raportuje klasę użytą do wywołania metody, podczas gdy typeof() raportuje pamięć wewnętrzną, dlatego 28 jest „numeric” dla jednego i „double” dla drugiego. Po drugie, konwersja, która się nie powiedzie, nie zatrzymuje skryptu: as.numeric("abc") zwraca NA i wyświetla ostrzeżenie o wymuszeniu, więc ciche NA po imporcie prawie zawsze stanowią problem z typem. Ta sama logika napędza Czynniki, w których kategorie są przechowywane jako kody całkowite oraz tabela poziomów.

Po ustaleniu typów nadszedł czas na operatory, które na nich działają.

R Arytmetyka Operatorsy

Najpierw przyjrzymy się podstawowym operatorom arytmetycznym w R. Poniżej przedstawiono operatory arytmetyczne w programowaniu R i ich znaczenie:

Każdy z tych operatorów jest wektorowy, co oznacza, że ​​to samo wyrażenie działa zarówno na pojedynczej wartości, jak i na całej kolumnie.

Przykład 1: Dodawanie

# An addition
3 + 4

Wyjście:

## [1] 7

Powyższy kod R można łatwo skopiować i wkleić do RStudio Konsola. W tym artykule wynik jest wyświetlany w wierszach rozpoczynających się znakiem ##. Na przykład, jeśli napiszemy kod print("Guru99") konsola drukuje [1] "Guru99", co na tej stronie byłoby pokazane jako ## [1] "Guru99 ”.

Znak ## oznacza wiersz wydruku, a liczba w nawiasie kwadratowym ([1]) jest indeksem pierwszej wartości w tym wierszu, a nie częścią wyniku.

Zdania zaczynające się od # to komentarze. Możemy użyć # w skrypcie R, aby dodać dowolną notatkę, a R zignoruje ją w czasie wykonywania.

Przykład 2: Mnożenie

# A multiplication
3*5

Wyjście:

## [1] 15

Przykład 3: Dzielenie

# A division
(5+5)/2

Wyjście:

## [1] 5

Przykład 4: Potęgowanie

# Exponentiation
2^5

Wyjście:

## [1] 32

Przykład 5: Modulo

# Modulo
28%%6

Wyjście:

## [1] 4

Arytmetyka generuje liczby. Następna grupa operatorów generuje zamiast nich wartości PRAWDA i FAŁSZ.

R Relacyjny (Porównanie) Operatorsy

Operatory relacyjne porównują dwie wartości i zwracają wynik logiczny. Są to operatory, które budują warunki używane do filtrowania i są wektoryzowane dokładnie tak samo jak operatory arytmetyczne.

a <- 10
b <- 3

a > b     # TRUE
a < b     # FALSE
a >= 10   # TRUE
a <= 3    # FALSE
a == b    # FALSE
a != b    # TRUE

# Relational operators are vectorised
scores <- c(45, 78, 90, 62)
scores >= 60   # FALSE TRUE TRUE TRUE

Dwa nawyki oszczędzają tu czas. Używaj == do porównania i <- do przypisania, ponieważ pojedynczy = w warunku to częsty błąd początkujących. Unikaj też == w liczbach zmiennoprzecinkowych: zaokrąglanie zmiennoprzecinkowe oznacza, że ​​0.1 + 0.2 == 0.3 to FAŁSZ, więc isTRUE(all.equal(0.1 + 0.2, 0.3)) jest bezpiecznym testem. Porównania na posortowane ramki danych Postępuj zgodnie z tymi samymi zasadami.

R Logiczne Operatorsy

Za pomocą operatorów logicznych chcemy zwracać wartości wewnątrz wektora na podstawie warunków logicznych. Poniższa tabela zawiera listę operatorów logicznych dostępnych w R.

Instrukcje logiczne w R są umieszczane w nawiasach []. Możemy dodać dowolną liczbę instrukcji warunkowych, ale musimy je umieścić w nawiasach. Aby utworzyć instrukcję warunkową, możemy zastosować następującą strukturę:

variable_name[(conditional_statement)]

Zmienna nazwa_zmiennej odnosi się do zmiennej, której chcemy użyć w poleceniu, więc tworzymy polecenie logiczne, na przykład nazwa_zmiennej > 0. Na koniec używamy nawiasów kwadratowych, aby zakończyć polecenie logiczne. Poniżej znajduje się przykład polecenia logicznego.

Przykład 1: Porównanie każdego elementu wektora

# Create a vector from 1 to 10
logical_vector <- c(1:10)
logical_vector>5

Wyjście:

## [1]FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE

W powyższym wyniku R odczytuje każdą wartość i porównuje ją ze stwierdzeniem logical_vector>5. Jeśli wartość jest ściśle większa od pięciu, warunek jest PRAWDA, w przeciwnym razie FAŁSZ. R zwraca wektor PRAWDA i FAŁSZ.

Przykład 2: Zachowaj tylko pasujące elementy

W poniższym przykładzie chcemy wyeksportowaćtracTylko wartości spełniające warunek „jest ściśle większe od pięciu” można umieścić w nawiasach kwadratowych, poprzedzając je wektorem zawierającym wartości.

# Print value strictly above 5
logical_vector[(logical_vector>5)]

Wyjście:

## [1]  6  7  8  9 10

Przykład 3: Połącz dwa warunki

# Print 5 and 6
logical_vector <- c(1:10)
logical_vector[(logical_vector>4) & (logical_vector<7)]

Wyjście:

## [1] 5 6

W przykładzie 3 celowo użyto pojedynczego znaku ampersand &. Operatory jednoznakowe & i | porównują wektory element po elemencie i zwracają wektor, co jest niezbędne do tworzenia podzbiorów. Formy podwójne && i || zwracają jedną wartość i należą do warunków if() i while(). Ponieważ R 4.3.0Przekazanie argumentu dłuższego niż jeden element do && lub || jest błędem, a nie ostrzeżeniem, więc te dwie rodziny nie są już zamienne. Operator ! neguje warunek, a xor() daje wyłączne OR.

Zadanie R Operatorsy

Operatory przypisania wiążą wartość z nazwą. R oferuje ich więcej niż większość języków, a różnice mają znaczenie, gdy kod zostanie przeniesiony do Funkcje.

# Left assignment -- the idiomatic form
count <- 5

# Equals sign: works, but reserve it for function arguments
count = 5
round(3.14159, digits = 2)

# Right assignment
5 -> count

# Superassignment, used inside functions to reach an outer scope
count <<- 5

Przewodniki stylistyczne zalecają użycie <- do tworzenia obiektów i = do nazywania argumentów w wywołaniu, ponieważ wtedy te dwie role pozostają wizualnie odrębne. Używaj <<- oszczędnie: zmienia on obiekt poza bieżącą funkcją i utrudnia logiczne interpretowanie kodu. Gdy przypisanie i typy będą już znane, kolejne kroki to: importowanie rzeczywistych danych i reshaping to z dplyr; Przegląd języka R umieszcza cały łańcuch narzędzi w odpowiednim kontekście.

FAQ