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！