R常用数据结构

Dongbei University of Finance & Economics

加载经常用的R包

library(pacman)
# 模型
p_load(tidyverse,grf,glmnet,caret,tidytext,fpp2,
       forecast,car,tseries,hdm,tidymodels,broom)

# 读数据
p_load(readxl,writexl,data.table,openxlsx,haven,rvest)

# 数据探索
p_load(DT,skimr,DataExplorer,explore,vtable,stringr,lubridate)

# 可视化
p_load(patchwork,ggrepel,ggcorrplot,gghighlight,ggthemes,shiny)

# 其它常用包
p_load(magrittr,listviewer,devtools,here,janitor,reticulate,jsonlite)

R数据结构

向量

# 向量

x <- c(1,2,3,4,5);print(x)

## [1] 1 2 3 4 5

x <- 1:10;print(x)

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

x <- seq(from=1,to=10);print(x)

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

x <- seq(from=1,to=10,by=2);print(x)

## [1] 1 3 5 7 9

x <- seq(from=1,to=10,length.out=50);print(x)

##  [1]  1.000000  1.183673  1.367347  1.551020  1.734694  1.918367  2.102041
##  [8]  2.285714  2.469388  2.653061  2.836735  3.020408  3.204082  3.387755
## [15]  3.571429  3.755102  3.938776  4.122449  4.306122  4.489796  4.673469
## [22]  4.857143  5.040816  5.224490  5.408163  5.591837  5.775510  5.959184
## [29]  6.142857  6.326531  6.510204  6.693878  6.877551  7.061224  7.244898
## [36]  7.428571  7.612245  7.795918  7.979592  8.163265  8.346939  8.530612
## [43]  8.714286  8.897959  9.081633  9.265306  9.448980  9.632653  9.816327
## [50] 10.000000

x <- rep(1:5,times = 2);print(x)

##  [1] 1 2 3 4 5 1 2 3 4 5

x <- rep(1:5,each = 2);print(x)

##  [1] 1 1 2 2 3 3 4 4 5 5

x <- rep(1:5,times = 2,each = 2);print(x)

##  [1] 1 1 2 2 3 3 4 4 5 5 1 1 2 2 3 3 4 4 5 5

# sample()取样函数从一组数据中随机取出指定数量的数据
# replace参数决定是否可以重复取数
y <- sample(x=1:100,size=10,replace=F);print(y)

##  [1] 48 85 81 76 93 38 92 51 88 43

y <- sample(x=c(0,1),size=20,replace=T);print(y)

##  [1] 0 0 0 0 0 0 1 0 0 0 1 1 0 1 1 0 0 1 1 1

# 使用正态分布随机数生成函数生成指定数量、平均值、标准差的随机数
x <- rnorm(n=10,mean=100,sd=20);print(x)

##  [1] 119.44954 115.66702 112.75420  77.97959  80.62497 110.95895  90.65271
##  [8]  93.93836 102.55506 148.90882

时间日期

# 生成日期变量并用生成的日期变量生成一组日期序列数据
s <- as.Date("2014-1-1")
s

## [1] "2014-01-01"

e <- as.Date("2014-4-1")
e

## [1] "2014-04-01"

dtVec <- seq(from=s,to=e,by=7)
print(dtVec)

##  [1] "2014-01-01" "2014-01-08" "2014-01-15" "2014-01-22" "2014-01-29"
##  [6] "2014-02-05" "2014-02-12" "2014-02-19" "2014-02-26" "2014-03-05"
## [11] "2014-03-12" "2014-03-19" "2014-03-26"

print(class(dtVec))

## [1] "Date"

or:

lubridate::ymd("20201010")

## [1] "2020-10-10"

lubridate::dmy("10102020")

## [1] "2020-10-10"

lubridate::mdy("10102020")

## [1] "2020-10-10"

lubridate::dweeks(1) # "604800s (~1 weeks)"

## [1] "604800s (~1 weeks)"

lubridate::dyears(1) # "31557600s (~1 years)"

## [1] "31557600s (~1 years)"

lubridate::years(1)  # "1y 0m 0d 0H 0M 0S"

## [1] "1y 0m 0d 0H 0M 0S"

lubridate::ymd(20201010) + 0:10

##  [1] "2020-10-10" "2020-10-11" "2020-10-12" "2020-10-13" "2020-10-14"
##  [6] "2020-10-15" "2020-10-16" "2020-10-17" "2020-10-18" "2020-10-19"
## [11] "2020-10-20"

fast_strptime('9/1/01', '%y/%m/%d')

## [1] "2009-01-01 UTC"

parse_date_time("9/1/01", "ymd")

## Warning: All formats failed to parse. No formats found.

## [1] NA

hms::as_hms(85)

## 00:01:25

make_difftime(99999)

## Time difference of 1.157396 days

jan31 <- ymd(20180131)
jan31 + months(1)

## [1] NA

jan31 %m+% months(1)

## [1] "2018-02-28"

# 将Date日期转换成儒略日期
# 在R中这是自1970-1-1以来的天数
d <- as.Date("2014-4-17")
as.integer(d)

## [1] 16177

julian(d)

## [1] 16177
## attr(,"origin")
## [1] "1970-01-01"

as_date(d)

## [1] "2014-04-17"

as_datetime(60)

## [1] "1970-01-01 00:01:00 UTC"

# 提取日期中的各个组成部分信息
d <- now()
d

## [1] "2020-05-13 12:40:31 CST"

year(d)

## [1] 2020

month(d)

## [1] 5

mday(d)

## [1] 13

yday(d)

## [1] 134

wday(d)

## [1] 4

wday(d)

## [1] 4

wday(d, label = TRUE, abbr = FALSE)

## [1] 星期三
## Levels: 星期日 < 星期一 < 星期二 < 星期三 < 星期四 < 星期五 < 星期六

wday(d, label = TRUE, abbr = TRUE)

## [1] 周三
## Levels: 周日 < 周一 < 周二 < 周三 < 周四 < 周五 < 周六

wday(d + days(-2:4), label = TRUE, abbr = TRUE)

## [1] 周一 周二 周三 周四 周五 周六 周日
## Levels: 周日 < 周一 < 周二 < 周三 < 周四 < 周五 < 周六

矩阵数组

# 数组

# 生成向量然后通过设置行列数据转换成二维数组
x <- 1:20
dim(x) <- c(5,4)
print(x)

##      [,1] [,2] [,3] [,4]
## [1,]    1    6   11   16
## [2,]    2    7   12   17
## [3,]    3    8   13   18
## [4,]    4    9   14   19
## [5,]    5   10   15   20

# 直接生成数组并初始化每个元素为3.14
x <- array(3.14,dim=c(5,4))
print(x)

##      [,1] [,2] [,3] [,4]
## [1,] 3.14 3.14 3.14 3.14
## [2,] 3.14 3.14 3.14 3.14
## [3,] 3.14 3.14 3.14 3.14
## [4,] 3.14 3.14 3.14 3.14
## [5,] 3.14 3.14 3.14 3.14

# 可以生成三维数组
# 使用正态分布随机数初始化整个数组
x <- array(rnorm(40,10,5),dim=c(5,4,2))
print(x)

## , , 1
## 
##           [,1]      [,2]      [,3]       [,4]
## [1,] 16.281108  6.480255  8.652127 21.7569551
## [2,]  8.021999 13.736055 13.023824  0.8162136
## [3,] 10.800302  7.805840  7.685018 12.9801556
## [4,]  7.839010  6.474145  3.345148  4.5540304
## [5,]  5.352209 11.386933 12.682583 17.2448605
## 
## , , 2
## 
##           [,1]      [,2]      [,3]      [,4]
## [1,] 13.066487  6.794657  1.133897  8.347505
## [2,] 10.415106  8.472372 17.972329  7.987675
## [3,]  5.496948  7.782532  6.973205 16.983654
## [4,] 17.221882  1.729233 20.104030  3.230302
## [5,] 10.401133 14.992161 18.379429 14.473569

print(length(x))  # 对于矩阵length()函数得到的是所有元素的总数量

## [1] 40

数据框

# 数据框
# 数据框的形式和Excel比较相似
# 每一列可以看做是一个向量，类型相同；不同列数据之间可以有不同类型
# 同列表的重要区别是：数据框要求每一列数据长度相同
# 数据框的每一行可以看作是一条记录，每一列看做是记录的某一个属性
# 数据框是数据处理中非常重要的数据结构，用途很广必须深入了解
df  <- data.frame(symbols=c("MSFT","KO","CSCO"),
                  price=c(40.40,40.56,23.02),
                  currency=rep("USD",3),
                  country=rep("USA",3),
                  type=rep("STOCK",3),stringsAsFactors = FALSE)
df

##   symbols price currency country  type
## 1    MSFT 40.40      USD     USA STOCK
## 2      KO 40.56      USD     USA STOCK
## 3    CSCO 23.02      USD     USA STOCK

print(class(df))

## [1] "data.frame"

cat("df数据框行数为：",nrow(df),"\ndf数据框列数为：",ncol(df),"\n",sep="")

## df数据框行数为：3
## df数据框列数为：5

cat("df数据框总元素数量为：",length(df),"\n",sep="")  # 得到的不是总元素个数，也不是行数而是列数（属性）数量

## df数据框总元素数量为：5

列表

# 列表使用list()函数来定义，列表中的每个元素可以是单个变量或者是向量，甚至是另一个列表
# 列表中每个向量的长度可以不同，这是列表和数据框的重要区别
# 数据框是一种形式特殊的列表
lst <- list(symbols=c("MSFT","KO","CSCO"),
            price=c(40.40,40.56,23.02),
            currency="USD",country="USA",
            type="STOCK" )
lst    # 月饼盒子

## $symbols
## [1] "MSFT" "KO"   "CSCO"
## 
## $price
## [1] 40.40 40.56 23.02
## 
## $currency
## [1] "USD"
## 
## $country
## [1] "USA"
## 
## $type
## [1] "STOCK"

print(length(lst))  # 共5个元素

## [1] 5

lst[[1]] # 打开第一个月饼

## [1] "MSFT" "KO"   "CSCO"

lst$symbols

## [1] "MSFT" "KO"   "CSCO"

lst[1]  # 第一个月饼（未打开）

## $symbols
## [1] "MSFT" "KO"   "CSCO"