R语言数据框中的负索引介绍
以r语言自带的mtcars数据框为例:
这是原始的mtcars数据:
这里只列出了前面几行数据。
然后负索引mtcars[,-2:-3],得到的结果
删除了第二列和第三列数据
所以r语言数据框中的负索引是指删除数据框中对应的列(或者行)
ps:这和python里面的规则好像不太一样,python里的负索引好像是指倒数第几列(或者第几行),这里这两个软件区别还挺大的~~写个笔记提醒一下自己~
补充:r语言中的负整数索引
看代码吧~
> x<-matrix(c(1,2,3,4,5,6,7,8,9),nrow = 3,ncol = 3,byrow = true) > x [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6 [3,] 7 8 9 > x[-1,] [,1] [,2] [,3] [1,] 4 5 6 [2,] 7 8 9
这在r中称为负整数索引向量,这种索引向量指定被排除的元素而不是包括进来,因此x[-1,]表示取出矩阵x的除了第一行元素外的其他元素。
补充:r语言-基本语法、数据类型及索引
1. 基本语法
print() 、cat():打印输出
#:单行注释
if(false){code block}:多行注释
2. 数据类型
class():查看数据类型
2.1 基本数据类型
基本数据类型 | 示例 |
---|---|
逻辑值(logical) | 真:true、t,假:false、f |
数字(numeric) | 123、5 |
整型(integer) | 2l、34l |
复数(complex) | 3+2i |
字符(character) | 'good' |
2.2 向量vector
c()函数创建向量。
注意:必须保证元素类型相同,否则会默认进行类型转换。
> x <- c(1, 2) > class(x) [1] "numeric" > x <- c('s') > class(x) [1] "character" > x <- c(1, 2, 's') > class(x) [1] "character"
2.3 列表list
列表可以包含许多不同类型的元素,如向量、函数、嵌套列表。
注意:[]与[[]]的区别。[]取出来的仍是一个列表,[[]]取出来的是本身的数据类型。
> list1 <- list(c(2,3), 21, 's', sin) # 分别包含列表、数字、字符、函数 > class(list1) [1] "list" > list1[1] # 取出来的仍是一个列表 [[1]] [1] 2 3 > list1[[1]] # 取出来的是子列表中的元素 [1] 2 3 > class(list1[1]) [1] "list" > class(list1[[1]]) [1] "numeric" > list1[[2]] [1] 21 > list1[2] + 2 error in list1[2] + 2 : non-numeric argument to binary operator > list1[[2]] + 2 [1] 23 > list1[[4]] function (x) .primitive("sin") > class(list1[[4]]) [1] "function"
2.4 矩阵matrix
矩阵是二维数据集,它可以使用矩阵函数的向量输入创建。
byrow参数决定元素存放的顺序。
> m <- matrix( c('a','a','b','c','b','a'), nrow = 2, ncol = 3, byrow = true) > m [,1] [,2] [,3] [1,] "a" "a" "b" [2,] "c" "b" "a" > m[,1] # 取出第一列数据 [1] "a" "c" > m[1,] # 取出第一行数据 [1] "a" "a" "b" > m[2,1] # 取出单个元素 [1] "c"
2.5 数组array
利用数组可以创建任意维度的数据。
> array1 <- array(c('green','yellow'), dim=c(3,3,2)) > array1 , , 1 [,1] [,2] [,3] [1,] "green" "yellow" "green" [2,] "yellow" "green" "yellow" [3,] "green" "yellow" "green" , , 2 [,1] [,2] [,3] [1,] "yellow" "green" "yellow" [2,] "green" "yellow" "green" [3,] "yellow" "green" "yellow"
2.6 因子factor
因子是使用向量创建的对象。它将向量与向量中元素的不同值一起存储为标签。 标签是字符类型。 它们在统计建模中非常有用。
使用factor()函数创建因子。nlevels函数给出级别计数。
> apple_colors <- c('green','green','yellow','red','red','red','green') > factor_apple <- factor(apple_colors) > factor_apple [1] green green yellow red red red green levels: green red yellow > nlevels(factor_apple) [1] 3
2.7 数据框data frame
表格数据对象。每列可以包含不同的数据类型。 第一列可以是数字,而第二列可以是字符,第三列可以是逻辑的。 它是等长度的向量的列表。
使用data.frame()函数创建数据框。
# 创建数据框,表格对象 > bmi <- data.frame( gender = c("male", "male","female"), height = c(152, 171.5, 165), weight = c(81,93, 78), age = c(42,38,26) ) > bmi gender height weight age 1 male 152.0 81 42 2 male 171.5 93 38 3 female 165.0 78 26 # 获取第二列 > bmi[2] height 1 152.0 2 171.5 3 165.0 # 获取第一行 > bmi[1,] gender height weight age 1 male 152 81 42 # 获取第一列数据,类型为dataframe > bmi[1] gender 1 male 2 male 3 female > class(bmi[1]) [1] "data.frame" # 获取第一列,并将其转换为factor类型 > bmi[,1] [1] male male female levels: female male # 获取第一个元素,转换为factor类型 > bmi[1,1] [1] male levels: female male # 获取第二列,不改变数据类型 > bmi[2] height 1 152.0 2 171.5 3 165.0 # 获取第二列,改变数据类型 > bmi[,2] [1] 152.0 171.5 165.0 # 根据列的名称获取factor类型数据 data_frame$col_name
以上为个人经验,希望能给大家一个参考,也希望大家多多支持。如有错误或未考虑完全的地方,望不吝赐教。
上一篇: 人工智能发展迅猛 智能家居创业同样火热
下一篇: javascript实现另存为对话框