2  Struktury danych

Prezentacja

2.1 Obiekty

W R praktycznie wszystko jest obiektem. Może to być zbiór danych, ale także wykres czy mapa. Zasadnicza różnica to klasa tych obiektów i operacje jakie mogą być na nich wykonywane.

Funkcje w R wymagają jako argumentów określonych typów obiektów - stąd tak ważna jak znajomość istniejących struktur.

Każdy obiekt w R możemy przypisać do tzw. obiektu nazwanego. Wówczas jest przechowywany w pamięci i można się do niego odwołać. Przypisanie odbywa się za pomocą operatora <-.

nazwa <- obiekt
obiekt -> nazwa

Można także przypisywać obiekty z wykorzystaniem znaku równości =, ale nie jest to zalecane ponieważ symbol ten jest używany w innych miejscach np. do deklarowania wartości argumentów w funkcji.

W R dostępna jest funkcja assign, która także umożliwia przypisanie nazwy do obiektu:

assign("nazwa", obiekt)

2.2 Wektor

Wektor jest najprostszym typem danych w R. Najczęściej korzysta się z trzech typów wektorów:

  • logicznych
  • liczbowych
  • tekstowych

Wektor tworzy się z wykorzystaniem funkcji c().

2.2.1 Wektor wartości logicznych

Przyjmuje wartości prawda lub fałsz:

c(TRUE, FALSE, FALSE)
[1]  TRUE FALSE FALSE

lub w skróconej wersji:

c(T, F, F)
[1]  TRUE FALSE FALSE

Do sprawdzenia długości wektora używa się funkcji length:

length(c(T, F, F))
[1] 3

lub korzystając z obiektu nazwanego:

wart_log <- c(T,F,F)
length(wart_log)
[1] 3

Wektory można także utworzyć poprzez replikację określonej wartości lub wektora z wykorzystaniem funkcji rep. Funkcja ta przyjmuje co najmniej dwa argumenty: obowiązkowo x - wektor wejściowy oraz jeden z następujących: times - liczba powtórzeń elementów wektora x, each - liczba powtórzeń elementów wektora x (wyjaśnienie różnicy poniżej) lub length.out - oczekiwana długość wektora wynikowego.

Trzy równoważne zapisy:

rep(x = c(T,F), times = 3)
[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE
rep(c(T,F), times = 3)
[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE
rep(c(T,F), 3)
[1]  TRUE FALSE  TRUE FALSE  TRUE FALSE

A tak to wygląda z argumentem each:

rep(c(T,F), each = 3)
[1]  TRUE  TRUE  TRUE FALSE FALSE FALSE

Wykorzystanie argumentu length.out:

rep(c(T,F), length.out = 5)
[1]  TRUE FALSE  TRUE FALSE  TRUE

2.2.2 Wektor wartości liczbowych

W wektorze możemy przechowywać także liczby:

c(1, 3, -5, 2.5, .6) # nie trzeba pisać zera przed ułamkiem
[1]  1.0  3.0 -5.0  2.5  0.6

Połączenie dwóch wektorów to także wektor:

c(c(1,2,3), c(3.5,4,4.5))
[1] 1.0 2.0 3.0 3.5 4.0 4.5

Pojedyncza liczba też jest jednoelementowym wektorem:

length(2)
[1] 1

Proste ciągi o różnicy równej 1 można generować wykorzystując dwukropek:

1:10
 [1]  1  2  3  4  5  6  7  8  9 10

lub

c(-5:-1,1:5)
 [1] -5 -4 -3 -2 -1  1  2  3  4  5

Do generowania ciągów liczbowych o różnych różnicach wykorzystuje się funkcję seq, która przyjmuje następujące argumenty. Wartość początkową from, wartość końcową to oraz jeden z następujących: by - krok lub length.out - oczekiwana długość wektora.

To samo co 1:10

seq(1, 10, 1)
 [1]  1  2  3  4  5  6  7  8  9 10

Wartości niecałkowite:

seq(1, 2, 0.2)
[1] 1.0 1.2 1.4 1.6 1.8 2.0

Wektor wartości malejących:

seq(10, 1, by=1) # błędny zapis
Error in seq.default(10, 1, by = 1): wrong sign in 'by' argument
seq(10, 1, by=-1) # poprawny zapis
 [1] 10  9  8  7  6  5  4  3  2  1

Tworzenie wektora w oparciu o argument length.out - funkcja sama dobiera krok:

seq(1, 7, length.out = 13)
 [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0

Do generowania liczb pseudolosowych służy funkcja runif(n), która do poprawnego wywołania wymaga tylko jednego argumentu - długości wektora wynikowego. Domyślnie losowane są liczby z przedziału \([0;1]\) (tak jak w funkcji los() w Excelu), można to jednak zmienić podając odpowiednie wartości argumentów min i max.

runif(6)
[1] 0.3195719 0.1278855 0.5032706 0.9783932 0.6031072 0.6790640

Obserwacje można także generować z innych rozkładów:

  • rnorm - rozkład normalny,
  • rchisq - rozkład \(\chi^2\),
  • rt - rozkład t-studenta,
  • itp.

Wykaz wszystkich dostępnych w R rozkładów uzyskamy wywołując polecenie help("Distributions").

Za każdym uruchomieniem jednej z wymienionych wyżej funkcji losujących wartości z danego rozkładu otrzymamy inne wartości:

runif(5)
[1] 0.1625951 0.3835654 0.5293908 0.4157393 0.3100997
runif(5)
[1] 0.8787186 0.9163193 0.9412319 0.1133653 0.1806800

Powtarzalność wyników możemy uzyskać ustalając ziarno generatora:

set.seed(123)
runif(5)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673
set.seed(123)
runif(5)
[1] 0.2875775 0.7883051 0.4089769 0.8830174 0.9404673

2.2.3 Wektor wartości tekstowych

W wektorze może być przechowywany tekst - wówczas poszczególne elementy zapisujemy w cudzysłowie lub apostrofach:

c("ala", "ma", "kota")
[1] "ala"  "ma"   "kota"
c('ala', 'ma', 'kota')
[1] "ala"  "ma"   "kota"

W RStudio wygodniej używać cudzysłowu, ponieważ program automatycznie go zamyka.

Istnieje także stała zawierająca litery alfabetu:

letters
 [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
[20] "t" "u" "v" "w" "x" "y" "z"
LETTERS
 [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S"
[20] "T" "U" "V" "W" "X" "Y" "Z"

2.2.4 Przeciążanie wektora

Jeśli w wektorze pomieszamy kilka typów zmiennych to R przekształci poszczególne wartości, tak aby stracić jak najmniej informacji:

c(TRUE, 2, 5)
[1] 1 2 5
c(3, "cztery", 5)
[1] "3"      "cztery" "5"

W pierwszym przypadku wartość TRUE została przekształcona na odpowiednik liczbowy - 1. Z kolei w drugim przykładzie podane liczby zostały przekonwertowane na tekst.

2.2.5 Operacje na wektorach

Na wektorach logicznych i liczbowych można wykonywać operacje arytmetyczne np. mnożenie:

1:10*2
 [1]  2  4  6  8 10 12 14 16 18 20

Wektor liczbowy plus wektor liczbowy:

1:10 + c(1,2)
 [1]  2  4  4  6  6  8  8 10 10 12

Wektor liczbowy razy wektor liczbowy:

1:10 * c(1,2)
 [1]  1  4  3  8  5 12  7 16  9 20

Wektor liczbowy razy wektor logiczny:

1:10 * c(T, F)
 [1] 1 0 3 0 5 0 7 0 9 0

Długości obu wektorów muszą być odpowiednie:

1:10 * c(T,F,T)
Warning in 1:10 * c(T, F, T): longer object length is not a multiple of shorter
object length
 [1]  1  0  3  4  0  6  7  0  9 10

Dłuższy z wektorów musi być wielokrotnością krótszego.

Siłą rzeczy działania arytmetyczne na wektorach tekstowych nie są możliwe:

c("jeden", "dwa", "trzy", "cztery") * c(T,F)
Error in c("jeden", "dwa", "trzy", "cztery") * c(T, F): non-numeric argument to binary operator
c("jeden", "dwa", "trzy", "cztery") + c(1,2)
Error in c("jeden", "dwa", "trzy", "cztery") + c(1, 2): non-numeric argument to binary operator

2.2.6 Operacje agregujące

Na wektorach można także wykonywać operacje agregujące:

Funkcja Działanie
mean() średnia elementów
sum() suma elementów
prod() iloczyn elementów
var() wariancja elementów
sd() odchylenie standardowe elementów
median() mediana elementów
quantile() kwantyl danego rzędu
min() minimum
max() maksimum

Obliczenie skośności i kurtozy jest możliwe po zainstalowaniu pakietu e1071. Wówczas mamy dostęp do funkcji:

Funkcja Działanie
skewness() skośność elementów
kurtosis() kurtoza elementów

Suma wektora numerycznego:

sum(1:10)
[1] 55

Suma i średnia wektora logicznego:

sum(c(T, F, F, T))
[1] 2
mean(c(T, F, F, T))
[1] 0.5

Korzystanie z funkcji pochodzących z pakietów zewnętrznych wymaga wskazania skąd pochodzi dana funkcja. Można to zrobić na dwa sposoby: funkcją library(pakiet) - wówczas wszystkie funkcje z tego pakietu są wczytywane do pamięci i można do nich sięgać bezpośrednio lub wskazując przed nazwą funkcji z jakiego pakietu pochodzi.

Wczytanie pakietu:

library(e1071)
skewness(c(1,2,3,4,5,7,9,11,13))
[1] 0.3451259

lub równoważnie:

e1071::skewness(c(1,2,3,4,5,7,9,11,13))
[1] 0.3451259

Podsumowanie rozkładu wektora można także uzyskać z wykorzystaniem funkcji summary(x):

summary(1:10)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1.00    3.25    5.50    5.50    7.75   10.00

Działa także na wektorach tekstowych:

summary(c("jeden", "dwa", "trzy", "cztery"))
   Length     Class      Mode 
        4 character character

2.2.7 Sprawdzanie typu wektora

Do określenia typu wektora służy funkcja typeof, class lub mode.

typeof(wart_log)
[1] "logical"

Sprawdzenie czy obiekt jest danego typu odbywa się z wykorzystaniem dedykowanych funkcji z przyrostkiem is.

is.logical(wart_log)
[1] TRUE
is.character(wart_log)
[1] FALSE

2.2.8 Rzutowanie wektorów

Czasami jako np. argument funkcji będzie wymagany inny typ wektora aniżeli aktualnie posiadany w pamięci. Można wówczas spróbować przekształcić taki wektor z wykorzystaniem funkcji rozpoczynającej się od as.:

typeof(wart_log)
[1] "logical"
as.numeric(wart_log)
[1] 1 0 0
typeof(as.numeric(wart_log))
[1] "double"

2.2.9 Indeksowanie wektorów

Aby uzyskać dostęp do części wektora korzysta się z indeksatora w postaci nawiasów kwadratowych. Utworzymy nowy wektor zawierający liczby całkowite od 10 do 20:

wart_10_20 <- seq(10,20)
wart_10_20
 [1] 10 11 12 13 14 15 16 17 18 19 20

a następnie wybieramy trzecią obserwację:

wart_10_20[3]
[1] 12

Możemy także odwołać się do większego zakresu:

wart_10_20[3:5]
[1] 12 13 14

I wybranych elementów:

wart_10_20[c(1,3,5)]
[1] 10 12 14

W ten sposób można także modyfikować odpowiednie elementy wektora:

wart_10_20[7] <- 90

Wybór obserwacji większych od 15:

wart_10_20[wart_10_20>15]
[1] 90 17 18 19 20

Z kolei następujący zapis zwróci nam wektor wartości logicznych:

wart_10_20 > 15
 [1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE

2.2.10 Wartości nieliczbowe

Brak danych w R jest przedstawiany jako wartość NA (ang. not available) i może powodować trudności z wywoływaniem niektórych funkcji:

v_na <- c(1,2,1,NA,1)
v_na
[1]  1  2  1 NA  1
sum(v_na)
[1] NA

W związku z tym większość funkcji ma zaimplementowany dodatkowy argument służący do obsługi tego typu wartości, który najczęściej nie uwzględnia tych wartości w obliczeniach:

sum(v_na, na.rm = TRUE)
[1] 5

Oprócz braku danych podczas obliczeń możemy natrafić na wartości nieokreślone NaN (ang. not a number) oraz nieskończone Inf (ang. infinity).

0/0
[1] NaN
1/0
[1] Inf
sqrt(-10)
Warning in sqrt(-10): NaNs produced
[1] NaN

W R istnieje także wartość NULL, która jest podstawowym typem danych a nie wartością. NULL można traktować jako odpowiednik zbioru pustego. Jest stosowany np. w funkcjach, które niczego nie zwracają.

v_null <- c(1,2,1,NULL,1)
v_null
[1] 1 2 1 1
sum(v_null)
[1] 5

2.2.11 Zadania

  1. Ile wynosi suma elementów większych od 10 dla następujących liczb: 12, 5, 20, 18, 8.5, 10, 4, 101, -2?
  2. Z wykorzystaniem funkcji seq i na podstawie wektora … dokonaj przekształcenia tworząc następujący wektor: 2 0 0 4 0 0 6 0 0 8 0 0.
  3. Dane są dwa wektory - a: 2, 3, 7, 8, 2, b: 9, 1, 2, 0, 2. Jakiego typu będzie wektor będący wynikiem działania a<=b?
  4. Uzupełnij wektor letters o polskie litery diakrytyzowane. Jaką długość ma nowo utworzony wektor?
  5. Wylosuj z rozkładu normalnego 1000 obserwacji z ziarnem równym 76. Ile wynosi kurtoza tych wartości?

2.3 Macierz

Macierze są wykorzystywane w R do przechowywania np. odległości pomiędzy punktami czy wskazywania sąsiedztwa obszarów geograficznych.

Do tworzenia macierzy służy funkcja matrix:

m <- matrix(1:6, nrow = 2, ncol=3)
m
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

Z wykorzystaniem wybranych funkcji można sprawdzić wymiary macierzy, liczbę wierszy oraz kolumn:

dim(m)
[1] 2 3
ncol(m)
[1] 3
nrow(m)
[1] 2

Macierz może także zawierać tekst:

matrix(letters[1:9], nrow=3)
     [,1] [,2] [,3]
[1,] "a"  "d"  "g" 
[2,] "b"  "e"  "h" 
[3,] "c"  "f"  "i"

Domyślnie macierz układana jest kolumnami. Aby to zmienić należy dodać argument byrow=TRUE:

matrix(letters[1:9], nrow=3, byrow=TRUE)
     [,1] [,2] [,3]
[1,] "a"  "b"  "c" 
[2,] "d"  "e"  "f" 
[3,] "g"  "h"  "i"

Jeśli liczba elementów wejściowych jest mniejsza iloczyn podanej liczby kolumn i wierszy to w brakujące miejsce wstawiane są elementy z początku wektora wejściowego:

matrix(letters[1:7], nrow=3, byrow=TRUE)
Warning in matrix(letters[1:7], nrow = 3, byrow = TRUE): data length [7] is not
a sub-multiple or multiple of the number of rows [3]
     [,1] [,2] [,3]
[1,] "a"  "b"  "c" 
[2,] "d"  "e"  "f" 
[3,] "g"  "a"  "b"

Z kolei macierz diagnonalną posiadającą elementy niezerowe wyłącznie na przekątnej tworzy się z wykorzystaniem funkcji diag. Macierz jednostkowa o wymiarach \(4 \times 4\):

diag(4)
     [,1] [,2] [,3] [,4]
[1,]    1    0    0    0
[2,]    0    1    0    0
[3,]    0    0    1    0
[4,]    0    0    0    1

Macierz diagonalna o wartościach 5 na przekątnej i wymiarach \(3 \times 3\)

diag(5, nrow=3, ncol=3)
     [,1] [,2] [,3]
[1,]    5    0    0
[2,]    0    5    0
[3,]    0    0    5

Funkcja diag umożliwia także ekstrakcję przekątnej z istniejącej już macierzy:

diag(matrix(letters[1:9], nrow=3))
[1] "a" "e" "i"

2.3.1 Łączenie macierzy

Z wykorzystaniem funkcji rbind i cbind można odpowiednio łączyć obiekty wierszami (ang. row bind) lub kolumnami (ang. col bind):

rbind(m, c(99, 88, 77))
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
[3,]   99   88   77
cbind(m, matrix(101:104, nrow=2))
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    3    5  101  103
[2,]    2    4    6  102  104

2.3.2 Indeksowanie macierzy

Dostęp do poszczególnych elementów macierzy odbywa się z wykorzystaniem nawiasów kwadratowych, ale można podać dwie wartość - obiekt[wiersz,kolumna]:

m[2,1] # drugi wiersz, pierwsza kolumna
[1] 2
m[2,]  # tylko drugi wiersz
[1] 2 4 6
m[,1]  # tylko pierwsza kolumna
[1] 1 2
m[,]   # wszystkie obserwacje
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
m[]    # wszystkie obserwacje
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

W ten sposób można dokonać modyfikacji konkretnych elementów macierzy:

m[2,1] <- 77
m
     [,1] [,2] [,3]
[1,]    1    3    5
[2,]   77    4    6

2.3.3 Operacje na macierzach

Na macierzach można wywołać szereg operacji:

Operator/funkcja Działanie
a %*% b mnożenie macierzy a i b
t(a) transpozycja macierzy a
det(a) wyznacznik macierzy a
solve(a) macierz odwrotna z a
solve(a, b) rozwiązanie układu a*x=b

Rozważmy dwie macierze:

a <- matrix(c(2, 3, 4, 2, 1, 2, 1, 3, 2), nrow = 3)
b <- matrix(6:1, ncol=2)
a;b
     [,1] [,2] [,3]
[1,]    2    2    1
[2,]    3    1    3
[3,]    4    2    2
     [,1] [,2]
[1,]    6    3
[2,]    5    2
[3,]    4    1

Aby przeprowadzić mnożenie macierzy a i b, liczba kolumn macierzy a musi być równa liczbie wierszy w macierzy b. Z kolei rozmiar macierzy wyjściowej to liczba wierszy macierzy a i liczba kolumn macierzy b.

a %*% b
     [,1] [,2]
[1,]   26   11
[2,]   35   14
[3,]   42   18

Transpozycja macierzy b:

t(b)
     [,1] [,2] [,3]
[1,]    6    5    4
[2,]    3    2    1

Wyznacznik macierzy a:

det(a)
[1] 6

Macierz odwrotna do macierzy a:

solve(a)
           [,1]       [,2]       [,3]
[1,] -0.6666667 -0.3333333  0.8333333
[2,]  1.0000000  0.0000000 -0.5000000
[3,]  0.3333333  0.6666667 -0.6666667

Wyznaczenie macierzy x w równaniu a*x=b:

solve(a,b)
          [,1]      [,2]
[1,] -2.333333 -1.833333
[2,]  4.000000  2.500000
[3,]  2.666667  1.666667
a %*% solve(a,b)
     [,1] [,2]
[1,]    6    3
[2,]    5    2
[3,]    4    1
b
     [,1] [,2]
[1,]    6    3
[2,]    5    2
[3,]    4    1

2.3.4 Zadanie

  1. Co powstanie po przemnożeniu macierzy przez jej macierz odwrotną?
  2. Estymator parametrów beta w metodzie najmniejszych kwadratów jest dany wzorem:

\[b=(X'X)^{-1}X'y\]

Zmienna \(x_1\) przyjmuje wartości 2,4,1,6,9,3,2,9,10,7, zmienna \(x_2\) 1.5,0.2,0.1,2,3.1,1.2,0.4,2.9,2.5,1.9, a zmienna \(x_0\) to wektor jedynek. Te trzy zmienne tworzą macierz \(X\). Z kolei wartości zmiennej \(y\) są następujące 12,15,10,19,26,13,13,21,29,18. Wyznacz wartość \(b\).

zad1 <- matrix(1:4, nrow=2)
solve(zad1)
     [,1] [,2]
[1,]   -2  1.5
[2,]    1 -0.5
zad1 %*% solve(zad1)
     [,1] [,2]
[1,]    1    0
[2,]    0    1

2.4 Czynnik

Czynnik (ang. factor) służy do przechowywania danych jakościowych o mało licznej liczbie kategorii, mierzonych na skali nominalnej i porządkowej.

Rozważmy informacje o wykształceniu:

wyk <- rep(c("podstawowe", "średnie", "wyższe"), c(5,3,2))
wyk
 [1] "podstawowe" "podstawowe" "podstawowe" "podstawowe" "podstawowe"
 [6] "średnie"    "średnie"    "średnie"    "wyższe"     "wyższe"

i dokonajmy transformacji na czynnik:

wyk_f <- factor(wyk)
wyk_f
 [1] podstawowe podstawowe podstawowe podstawowe podstawowe średnie   
 [7] średnie    średnie    wyższe     wyższe    
Levels: podstawowe średnie wyższe

Funkcja summary() wywołana na czynniku zwraca wynik innego typu aniżeli na wektorze tekstowym:

summary(wyk)
   Length     Class      Mode 
       10 character character 
summary(wyk_f)
podstawowe    średnie     wyższe 
         5          3          2

Jeśli chcemy zaakcentować fakt, że zmienne są mierzone na skali porządkowej dodajemy argument ordered=TRUE:

wyk_of <- factor(wyk, ordered = TRUE)
wyk_of
 [1] podstawowe podstawowe podstawowe podstawowe podstawowe średnie   
 [7] średnie    średnie    wyższe     wyższe    
Levels: podstawowe < średnie < wyższe

W łatwy sposób możemy edytować etykiety:

levels(wyk_of) <- c("pod.", "śr.", "wyż.")
wyk_of
 [1] pod. pod. pod. pod. pod. śr.  śr.  śr.  wyż. wyż.
Levels: pod. < śr. < wyż.

Czynniki mają szczególne znaczenie w przypadku tworzenia wykresów, gdy chcemy określić porządek wyświetlania.

2.5 Lista

Listy to ciągi złożone z elementów o dowolnych typach. Mogą przydać się w szczególności przy budowaniu funkcji, które zwracają tylko jedną wartość. Wówczas dane różnego typu mogą być zawarte w takiej liście.

Tworzenie prostej listy:

l <- list(TRUE, c(1,2,3,4), "element tekstowy")
l
[[1]]
[1] TRUE

[[2]]
[1] 1 2 3 4

[[3]]
[1] "element tekstowy"

Już na pierwszy rzut oka widać bardziej złożoną strukturę listy. W związku z tym odwoływanie do poszczególnych elementów będzie trochę się różnić od wektorów czy macierzy.

l[2] # druga lista
[[1]]
[1] 1 2 3 4
l[[2]] # zawartość listy
[1] 1 2 3 4
l[[2]][3] # trzeci element wektora drugiej listy
[1] 3

Listę można także rozwinąć do wektora z wykorzystaniem funkcji unlist:

unlist(l)
[1] "TRUE"             "1"                "2"                "3"               
[5] "4"                "element tekstowy"

Poszczególne elementy listy można nazwać:

ln <- list(log=TRUE, num=c(1,2,3,4), tekst="element tekstowy")
ln
$log
[1] TRUE

$num
[1] 1 2 3 4

$tekst
[1] "element tekstowy"

Wówczas można uzyskać do nich dostęp poprzez symbol $ i podaną nazwę:

ln$num
[1] 1 2 3 4
ln[[2]] # normalne indeksowanie nadal działa
[1] 1 2 3 4
ln$num[2]
[1] 2

2.6 Ramka danych

Ramka danych to tabela, która przypomina tą z Excela zawierająca dane o różnych typach. Tworzona za pomocą funkcji data.frame:

df <- data.frame(plec=c("m", "k", "k", "m", "k", "m", "m", "m"),
                 wzrost=c(173, 170, 163, 178, 169, 180, 175, NA),
                 pali=c(T, F, F, F, T, F, NA, T))

W RStudio po wybraniu tego obiektu w zakładce Environment pojawia się przyjazne okno do przeglądania oraz poglądowego filtrowania i sortowania danych ze zbioru.

Możemy zobaczyć podsumowanie całego zbioru wywołując na nim funkcję summary():

summary(df)
     plec               wzrost         pali        
 Length:8           Min.   :163.0   Mode :logical  
 Class :character   1st Qu.:169.5   FALSE:4        
 Mode  :character   Median :173.0   TRUE :3        
                    Mean   :172.6   NA's :1        
                    3rd Qu.:176.5                  
                    Max.   :180.0                  
                    NA's   :1

Ramki danych można indeksować w taki sam sposób jak macierze lub z wykorzystaniem operatora $:

df[,2] # druga kolumna
[1] 173 170 163 178 169 180 175  NA
df$wzrost # kolumna wzrost
[1] 173 170 163 178 169 180 175  NA
df[,c("plec", "pali")]
  plec  pali
1    m  TRUE
2    k FALSE
3    k FALSE
4    m FALSE
5    k  TRUE
6    m FALSE
7    m    NA
8    m  TRUE

Z kolei do wyboru obserwacji można wykorzystać warunek:

df[df$plec=="m",]
  plec wzrost  pali
1    m    173  TRUE
4    m    178 FALSE
6    m    180 FALSE
7    m    175    NA
8    m     NA  TRUE

Wyodrębnienie informacji o wzroście tylko dla kobiet i wyznaczenie średniej:

wzrost_k <- df$wzrost[df$plec == "k"]
wzrost_k
[1] 170 163 169
mean(wzrost_k)
[1] 167.3333

Widzimy, że dla mężczyzn nie udało się ustalić wszystkich informacji i jeden z nich nie ma podanego wzrostu, a dla drugiego brakuje informacji o paleniu papierosów. Możemy usunąć braki danych w kolumnach korzystając z funkcji complete.cases():

df[complete.cases(df$wzrost),] # tylko zmienna wzrost
  plec wzrost  pali
1    m    173  TRUE
2    k    170 FALSE
3    k    163 FALSE
4    m    178 FALSE
5    k    169  TRUE
6    m    180 FALSE
7    m    175    NA
df[complete.cases(df),] # wszystkie zmienne
  plec wzrost  pali
1    m    173  TRUE
2    k    170 FALSE
3    k    163 FALSE
4    m    178 FALSE
5    k    169  TRUE
6    m    180 FALSE

Zbiory danych przechowywane są także w R i pochodzą z różnych pakietów. Wywołując funkcję data("zbior") ładujemy dany zbiór do pamięci. Do szybkiego podglądu zebranych danych służy funkcja head(), która domyślnie wyświetla 6 pierwszych obserwacji ze zbioru:

data("iris")
head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

2.6.1 Zadania

Załaduj do pamięci zbiór o nazwie ChickWeight.

  1. Ile razy jedzenie otrzymał kurczak o numerze 15?
  2. Ile wynosi mediana wagi kurczaka o numerze 35?
  3. Ile średnio ważyły kurczaki na diecie nr 1, a ile na diecie nr 2?