11 数据类型与数据结构之数据结构的基本操作
在上一篇中，我们介绍了基本数据类型，包括向量、矩阵、列表和数据框。在这一篇中，我们将探讨基础数据结构的常见操作，这些操作是处理数据时非常基本且重要的技能。我们将结合案例进行讲解，以帮助您在使用 R 语言时更加得心应手。
一、向量操作
向量是 R 中最基本的数据结构之一，通常我们需要执行一些基本操作。
1. 创建向量
我们可以使用 c() 函数创建一个向量，比如：
my_vector <- c(1, 2, 3, 4, 5)
2. 访问和修改元素
你可以使用索引访问向量中的元素。R 的索引是从 1 开始的：
# 访问第一个元素
first_element <- my_vector[1]
# 修改第二个元素
my_vector[2] <- 10
3. 向量操作的案例
假设我们有一个向量存储学生的成绩，我们可以计算其平均数并找出及格的学生：
scores <- c(85, 76, 90, 65, 70)
# 计算平均分
average_score <- mean(scores)
# 找出及格的学生（成绩 >= 60）
passing_students <- scores[scores >= 60]
二、矩阵操作
矩阵是二维的，常用于数值计算。我们来看一些基本操作。
1. 创建矩阵
使用 matrix() 函数创建矩阵：
my_matrix <- matrix(1:6, nrow = 2, ncol = 3)
2. 访问和修改元素
矩阵的元素访问与向量相似，但是需要提供行和列的索引：
# 访问第一行第二列的元素
element <- my_matrix[1, 2]
# 修改第三行第二列的元素
my_matrix[2, 2] <- 20
3. 矩阵操作的案例
假设我们有一个 2 行 3 列的矩阵，代表不同科目学生的分数，我们可以计算每科的总分：
scores_matrix <- matrix(c(80, 90, 70, 85, 75, 95), nrow = 2)
# 计算总分
total_scores <- rowSums(scores_matrix)
三、列表操作
列表可以包含不同类型的数据，是 R 中非常灵活的数据结构。
1. 创建列表
我们可以使用 list() 函数创建一个列表：
my_list <- list(name = "Alice", age = 25, scores = c(90, 85, 88))
2. 访问和修改元素
可以通过 [[ ]] 或 $ 操作符访问列表中的元素：
# 访问名字
name <- my_list$name
# 修改年龄
my_list$age <- 26
3. 列表操作的案例
假设我们有一个学生信息的列表，我们可以提取所有分数并计算平均分：
students <- list(
student1 = list(name = "Bob", scores = c(88, 92, 75)),
student2 = list(name = "Cathy", scores = c(85, 90, 95))
)
# 提取所有学生的分数
all_scores <- unlist(lapply(students, function(x) x$scores))
# 计算平均分
average_scores <- mean(all_scores)
四、数据框操作
数据框是 R 中最常用的数据结构之一，可以看作是一个表格。
1. 创建数据框
使用 data.frame() 函数创建数据框：
my_dataframe <- data.frame(
Name = c("Alice", "Bob", "Cathy"),
Age = c(25, 30, 22),
Score = c(90, 85, 95)
)
2. 访问和修改数据框的元素
数据框可以通过 $ 或 [] 来访问和修改：
# 访问 Bob 的成绩
bob_score <- my_dataframe$Score[my_dataframe$Name == "Bob"]
# 修改 Cathy 的年龄
my_dataframe$Age[my_dataframe$Name == "Cathy"] <- 23
3. 数据框操作的案例
假设我们有一个包含学生信息的数据框，我们想筛选出所有成绩大于 90 分的学生：
# 筛选成绩大于 90 的学生
high_scorers <- my_dataframe[my_dataframe$Score > 90, ]
总结
在本篇中，我们探讨了向量、矩阵、列表和数据框的基本操作。这些是数据处理的基础，熟练掌握这些操作将为您在 R 语言中进行数据分析打下坚实的基础。在下一篇中，我们将深入讨论数据结构之间的转换，以进一步拓展您的技能。希望您能将所学的知识应用于实际的项目和问题中！
