接上贴

R语言中的不寻常特性

P30

• 对象名称中的句点（.）没有特殊意义。但美元符号（x是指数据框A中的变量x。

• R不提供多行注释或块注释功能，必须以#作为多行注释每行的开始。出于调试的目的，你也可以把想让解释器忽略的代码放到语句if(FALSE){……}中。将FALSE改为TRUE即允许这块代码执行。

• 将一个指赋给某个向量、矩阵、数组或列表中一个不存在的元素时，R将自动扩展这个数据结构以容纳新值。如：

  x <- c(8,6,4)
  
  x[7] <- 10
  
  x
  
  [1] 8 6 4 NA NA NA 10

  通过赋值，向量x由三个元素扩展到了七个元素，
  x <- x[1:3]会重新将其缩减回三个元素。

• R中没有标量，标量以氮元素向量的形式出现。

• R中的下标不从0开始，而从1开始。在上述向量中，x[1]的值为8。

• 变量无法被声明。它们在首次被赋值时生成。

  
  2.3 数据的输入2.3.1 使用键盘输入数据

  　　使用函数edit（）会自动调用一个允许手动输入数据的文本编辑器。具体步骤如下：

  
  

• 创建一个空数据框（或矩阵），其中变量名和变量的模式需与理想中的最终数据集一致；

• 针对这个数据对象调用文本编辑器，输入你的数据，并将最终结果保存回此数据对象中。

  mydata <- edit(mydata) 可以等价于 fix(mydata)

  2.3.2  从带分隔符的文本文件中导入数据

  　　使用read.tabe()函数语法如下：

  mydataframe <- read.table(file,header=logical_value,sep="delimiter",row.names="name")

  　　其中，file是一个带分隔符的ASCII文本文件，header是一个表明首行是否包含了变量名的逻辑值（TRUE或FALSE），sep用来指定分隔数据的分隔符，row.names是一个可选参数，用以指定一个或多个表示行表示符的变量。

  
  

  符号	表示方法	ASCCI码	概念/作用/意义
  空白符	“ “	32	空白
  （水平）制表符	“\t”	9	4个或8个空白符
  换行符	“\n”	10	将光标移至下一行
  回车符	“\r”	13	让光标移至行首
  垂直制表符	“\v”	11	垂直打出几个空格，打印机才能显示

  　　默认情况下，字符型变量将转换为因子，如果不想这样，有很多种方法可以禁止这种转换行为。其中包括设置选项stringsAsFactors = FSLSE,另一种方法是使用选项colClasses为每一列指定一个类，如logical（逻辑型）、numeric（数值型）、character（字符型）、factor（因子）。

  2.3.3 导入Excel数据

  　　可以将Excel文件导出为一个逗号分隔文件（csv），并使用前文额方式导入R中。

  　　在Windows系统中，可以用RODBC包来访问Excel文件。

  　　下载安装好RODBC包之后，可用read.xlsx/xls(file,n)来读取数据，其中file表示文件的路径，需用”file”表示，n表示要导入的工作表序号。

  　　书中使用了xlsx包，在下载此包之前，需做以下步骤：

  
  

  
  

  • 在JAVA官网下载JDK安装，并设置环境变量。（操作方式）
  • 在R中下载rjava包，载入；
  • 在R中下载xlsxjars包，载入；
  • 在R中下载xlsx包，载入；
  • 使用书中范例进行操作。
    

  2.3.4  导入XML数据

  参阅网址

  2.3.5  从网页抓取数据

  • 使用reanLines()下载网页
  • 使用grep()和gsub()一类的函数进行处理
    

  　　对于结构复杂的网页，使用RCurl包和XML包来提取想要的信息。在载入RCurl包之前需载入bitops包。

  找到“Webscraping using readLines and RCurl”一文

  2.3.6  导入SPSS数据

  　　用foreign包的函数read.spss（），也可用Hmisc包的函数spss.get（），后者是对前者的一个封装，可自动设置后者的许多参数，让转换结果更加简单一致。Hmisc包需载入。

  注意：在载入Hmisc包之前需要载入以下几个包。

• lattice包

  
  install.packages("lattice")
  library(lattice)

• survival包

  
  install.packages("survival")
  library(survival)

• Formula包

  
  install.packages("Formula")
  library(Formula)

• ggplot2包

  
  install.packages("ggplot2")
  library(ggplot2)

  　　然后就可以用spss.get（）函数来导入数据了，如：

  
  mydataframe <- spss.get("mydata.sav),use.value.labels = TRUE)

  　　其中，mydata.sav是需要导入的spss文件，use.value.label = TRUE表示让函数将带有值标签的变量导入为R中水平对应相同的因子，mydataframe是导入后的R数据框。

  2.3.7  导入SAS数据

  　　使用foreign包的read.ssd（）函数或者Hmisc包的sas.get（）函数都可以，倘若使用的SAS是9.1或者更高版本，则这些函数无法正常使用。因为R尚未跟进SAS对文件结构的改动。可以使用以下两种方案：

  
  

  • 在SAS中使用PROC EXPORT将SAS数据集保存为一个逗号分隔的文本文件，并使用2.3.2节中叙述的方法将导出的文件读取到R中，如：
    

  SAS程序：

  
  proc exprot data = mydata

  
  outfile = "mydata.csv

  
  dbms = csv;

  
  run;

  
  R程序

  
  mydata <- read.table("mydata.csv",header = TRUE,sep = ",")

  　　另外，一款名为Stat/Transfer的商业软件（在2.3.12节介绍）可以完好地将SAS数据集（包括任何一支的变量格式）保存WieR数据框。

  2.3.8  导入Stata数据

  　　在R中使用类似代码：

  library(foreign)
  mydataframe <- read.dta("mydata.dta")

  　　其中，mydat.dta是Stata数据集，mydataframe是返回的R数据框。

  2.3.9  导入netCDF数据

  　　Unidata项目主导的开源软件库netCDF（network Common Data Form,网络通用数据格式)定义了一种机器无关的数据格式，可用于创建和分发面向数组的科学数据。netCDF格式通常用来存储地球物理数据。ncdf包和ncf4包为netCDF文件提供了高层的R接口。

  问

  • 什么叫做机器无关？
  • 高层的R接口是什么意思？
  • 这两个包与普通的R包有什么区别？
    

  　　ncdf包为版本3或更早版本的netCDF库创建的数据文件提供了支持，在windows、Mac OS X和Liunx平台上均可使用。ncdf4包支持netCDF 4或更早的版本，在windows平台上不可用。

  使用以下代码：
  library(ncdf)

  
  nc <- nc_open("mybetCDFfile")

  
  myarray <- get.var.ncdf(nc,myvar)

  
  

  　　在本例中，对于包含netCDF文件mybetCDFfile中的变量myvar，其所有数据都被读取并保存到了一个名为myarray的R数组中。

  　　值得注意的是：ncdf和ncdf4包最近进行来了重大升级，使用方式可能与旧版本不同，另外这两个包中的函数名称也不同。请阅读在线文档以了解详情。

  
  

　　hdf全称是Hierarchical  Data Format,分层数据格式，用于管理超大型和结构几段复杂数据集的软件技术方案。在安装了HDF5库（1.2版或更高）之后，可以用hdf5包读取HDF5的数据。

　　在R中，通过两种方式来获取关系型数据框管理系统（DSMS），一部分是通过原生的数据框驱动来提供访问功能，另一部分是通过ODBC或JDBC来实现访问的。

　　在R中使用ODBC包访问一个数据框，能连接到任意一种拥有ODBC驱动的数据库。步骤如下：

• 针对你的系统和数据框类型安装和配置合适的ODBC驱动。

• 在R中安装载入RODBC包。

  RODBC包中的函数

  函  数	描  述
  odbcConnect(dsn,uid = “”,pwd = “”)	建立一个到ODBC数据库的连接
  sqlSetch(channel,sqltable)	读取ODBC数据库中的某个表到一个数据框中
  sqlQuery(channel,query)	向ODBC数据库提交一个查询并返回结果
  sqlSave(channel,mydf,tablename = sqtable append = FALSE)	将数据框写入或更新（append = TRUE）到ODBC 数据库的某个表中
  sqlDrop(channel,sqtable)	删除ODBC数据库中对的某个表
  close(channel)	关闭连接

  　　　RODBC包可以允许R和一个通过ODBC连接的SQL数据库之间进行双向通信。不仅可以读取数据还可以通过R修改数据库中的内容。

  library(RODBC)①

  
  myconn <- odbcConnect("mydsn",uid = "Rob",pwd = "aardvark")②

  
  crimedat <- sqlFetch(myconn,Crime)③

  
  pundat <- sqlQuery(myconn,"select * from Punishment")④

  
  close(myconn)⑤

  
  

  ① 载入RODBC包

  ② 通过一个已注册的数据源名称（mydsn）和用户名（rob）以及密码（aardvark）打开了一个ODBC数据库连接。

  ③ 连接字符串被传递给sqlFetch，它将Crime表赋值到R数据框crimedat中。

  ④ 对Punishment表执行了SQL语句select并将结果保存到pundat中。

  ⑤ 关闭连接。

  问：

  
  

  • 关闭连接是否是必须的？
  • 不关闭连接会怎样？
    

  2. DBI相关包

  　　DBI相关包为访问数据库提供了一个通用且一致的客户端接口。使用时请确保安装了针对你的系统和数据库的必要JDBC驱动。详细请参阅CRAN

  
  问：

  • 两个接口有什么区别？
  • 哪一种更便捷，或者更为普遍的使用？
    

  2.3.12  通过Stat/Transfer导入数据

  　　一款可在34种数据格式之间做转换的独立应用程序。此软件拥有Windows、Mac和Unix版本，支持前文叙述的各种统计软件的最新版本。也可以铜鼓ODBC访问如Oracle、Sybase、Informix和DB/2一类的数据库管理系统。

  
  2.4  数据集的标注

  　　为了是结果更易解读，通常会对数据集进行标注。通常这种标注包括为变量名添加描述性标签，以及为类别型变量中的编码添加值标签。

  2.4.1  变量标签

  　　将变量标签作为变量名，然后通过位置下标来访问这个变量。

  　　names(patientdata)[2] <- "Age at hostipalizantion (in years)"

  　　使用此串文中代码，再输入Age at hostipalizantion (in years)会报错，这是为什么？

  2.4.2  值标签

  　　函数factor（）可为类别型变量创建值标签 。在上例中，假设又一个名为gender的变量，其中1表示男性，2表示女性。可以使用以下代码。

  　　patientdata$gender <- factor(patientdata$gender,levels = c(1,2),labels = c("male","female"))

  　　这里的levels代表变量的实际值，而labels表示包含了理想值标签的字符型向量。

  
  2.5  处理数据对象的实用函数
  

  函  数	用  途
  length(object)	显示对象中国元素/成分的数量
  dim(object)	显示某个对象的维度
  str(object)	显示对象的结构
  class(object)	显示对象的类或类型
  mode(object)	显示对象的模式
  names(object)	显示对象中各成分的名称
  c(object,object,…)	将对象合并入一个对象
  cbind(object,object,…)	按列合并对象
  rbind(object,object…)	按行合并对象
  Object	输出某个对象
  head(object)	列出对象的开始部分
  ltail(object)	列出对象的最后部分
  ls()	显示当前的对象列表
  rm(object,object,…)	删除一个或更多个对象。语句rm(list = ls()) 将删除当前工作环境的几乎所有对象①
  newobject <- edit(object)	编辑对象并另存为newobject
  fix(object)	直接编辑对象

  注：① 以句点.开头的隐藏对象将不受影响。