baseR_data_structure.Rmd

# 数据结构 {#baseR-data-structure}

前面介绍了向量，它是R语言中最基础的数据结构

```{r, out.width = '70%', echo = FALSE}
knitr::include_graphics("images/vector_like2.jpg", dpi = 300)
```


我们还会遇到其它数据结构

- 矩阵
- 列表
- 数据框

这些数据结构都可以看作由向量衍生出来的^[数据结构还包括array，但因为它的使用频次不及向量、矩阵、列表和数据框多，所以暂时不介绍。]。



## 矩阵

矩阵可以存储行(row)和列(column)二维的数据。


```{r, out.width = '50%', echo = FALSE}
knitr::include_graphics("images/matrix.jpg", dpi = 300)
```

它实际上是向量的另一种表现形式，也就说它的本质还是向量，一维的向量用二维的方式呈现。


矩阵可以用 `matrix()` 函数创建，第一个位置的参数是用于创建矩阵的向量。比如下面把向量`c(2, 4, 3, 1, 5, 7)` 转换成2行3列的矩阵

```{r, echo=TRUE, message=TRUE, warning=TRUE}
m <- matrix(
  c(2, 4, 3, 1, 5, 7),
  nrow = 2, 
  ncol = 3
)

m
```

```{r, echo=FALSE, out.width = '100%'}
knitr::include_graphics("images/create_matrix.jpg", dpi = 300)
```


大家还记得我们的向量是一个竖着的糖葫芦， 那么在转换成矩阵的时候，也是先竖着排，第一列竖着的方法排满后，就排第二列，这是默认的情形。如果想改变这一传统习惯，也可以增加一个语句 `byrow = TRUE`，这条语句让向量先横着排，排完第一行，再排第二行。

```{r}
matrix(
  c(2, 4, 3, 1, 5, 7),
  nrow = 2, 
  ncol = 3,
  byrow = TRUE
)
```

### 矩阵的属性

- 类型

```{r}
class(m)
```


- 长度

```{r}
length(m)
```


- 维度
```{r}
dim(m)
```




## 列表

如果我们想要装更多的东西，可以想象有一个小火车^[列表与向量一样，也是竖着的，但为了方便大家理解，我这里把它横过来看，就像一个小火车]，小火车的每节车厢是独立的，因此每节车厢装的东西可以不一样。这种结构装载数据的能力很强大，称之为**列表**（list）。我们可以使用`list()`函数创建列表


```{r, out.width = '95%', echo = FALSE}
knitr::include_graphics("images/list_trian.png")
```


```{r, echo=TRUE, message=TRUE, warning=TRUE}
list1 <- list(
  a = c(5, 10),
  b = c("I", "love", "R", "language", "!"),
  c = c(TRUE, TRUE, FALSE, TRUE)
)
list1
```


```{r, out.width = '100%', echo = FALSE}
knitr::include_graphics("images/create_list.jpg")
```


<!-- ::: {.rmdnote} -->

<!-- `list()` 函数创建列表 Vs. `c()` 函数创建向量： -->

<!-- - **相同点**：元素之间用逗号分开。 -->
<!-- - **不同点**： -->
<!--   - 向量的元素是单个值；列表的元素可以是更复杂的结构，可以是单个值，也可以是向量、矩阵或者列表。 -->
<!--   - 向量要求每个元素的数据类型必须相同，要么都是数值型，要么都是字符型；而列表的元素允许不同的数据类型。 -->

<!-- ::: -->


`c()` 函数创建向量 对比 `list()` 函数创建列表

```{r, out.width = '100%', echo = FALSE}
knitr::include_graphics("images/c_vs_list.png", dpi = 300)
```


### 列表的属性

- 类型

```{r}
class(list1)
```


- 长度
```{r}
length(list1)
```



## 数据框
前面说过，列表可以想象成一个小火车，如果每节车厢装的**都是向量而且等长**，那么这种特殊形式的列表就变成了**数据框** (data frame)

```{r, out.width = '100%', echo = FALSE}
knitr::include_graphics("images/dataframe.jpg", dpi = 300)
```



换句话说，**数据框**是一种特殊的列表，我们可以使用 `data.frame()` 函数构建数据框

```{r, echo=TRUE, message=TRUE, warning=TRUE}
df <- data.frame(
  name      = c("Alice", "Bob", "Carl", "Dave"),
  age       = c(23, 34, 23, 25),
  marriage  = c(TRUE, FALSE, TRUE, FALSE),
  color     = c("red", "blue", "orange", "purple")
)
df
```



```{r, echo=FALSE, out.width = '100%'}
knitr::include_graphics("images/create_dataframe.png")
```

数据框类似于我们经常用的excel表格。由于数据框融合了向量、列表和矩阵的特性，所以在数据科学的统计建模和可视化中运用非常广泛。

### 数据框的属性

- 类型

```{r}
class(df) 
```


- 维度
```{r}
nrow(df)
ncol(df)
```

### 数据框 vs 矩阵

数据框(data frame) 和 矩阵(matrix) 都用来表示二维数据, 即长方形的, 按"行"和"列"排列的数据。 

数据框和矩阵两者主要区别在于，矩阵中的元素必须是相同的数据类型，而数据框则可以由多种类型的数据构成。

## 小结

R 对象的数据结构(向量、矩阵、列表和数据框)，总结如下

- 向量: 糖葫芦
- 矩阵: 糖葫芦，有多行多列
- 列表: 小火车
- 数据框: excel表格
<!-- - array: 土司面包一样 -->


```{r, out.width = '90%', include = FALSE}
knitr::include_graphics("images/data_structure.jpg")
```



```{r, out.width = '90%', echo = FALSE}
knitr::include_graphics("images/data_structure1.png")
```

为了更好地理解相关概念，建议大家阅读Garrett Grolemund的
[hopr](https://rstudio-education.github.io/hopr/)这本书 [@Garrett2014]。




## 习题

- 为什么说数据框融合了向量、矩阵和列表的特性？
- 创建一个学生信息的data.frame，包含姓名、性别、年龄，成绩等变量。