R语言编程艺术#03#列表(list) r语言编程艺术pdf百度云

   2023-02-09 学习力0
核心提示:向量的元素要求都是同类型的,而列表(list)与向量不同,可以组合多个不同类型的对象。类似于C语言中的结构体(struct)类型。 1、创建列表      从技术上讲,列表就是向理。之前我们接触过的普通向量都称为“原子型”(atomic)向量,就是说,向量的元

向量的元素要求都是同类型的,而列表(list)与向量不同,可以组合多个不同类型的对象。类似于C语言中的结构体(struct)类型。

1、创建列表

      从技术上讲,列表就是向理。之前我们接触过的普通向量都称为“原子型”(atomic)向量,就是说,向量的元素已经是最小的、不可再分的。而列表则属于“递归型”(recursive)向量。

      以一个雇员数据库作为第一个例子。对于每个雇员,我们存储其姓名、工资,以及一个布尔变量,表示是否工会成员。这三个变量有三个不同的类型:字符串、数值

> j <- list(name="joe", salary=55000,union=T)
> j
$name
[1] "joe"

$salary
[1] 55000

$union
[1] TRUE

>

R语言中列表各个组件的名称叫做标签(tags),如上面的代码salary。实际上标签是可选的,也可以不指定。如下:

> jalt <- list("joe",5500,T)
> jalt
[[1]]
[1] "joe"

[[2]]
[1] 5500

[[3]]
[1] TRUE

>

但一般来说都会给各个部分取名,而不使用这些默认的数值,这样使代码更清晰而且不容易犯错误,在使用的时候,标签的名字可以简写,只写出前几个字母,只要不引起歧议,R都能识别:

> j
$name
[1] "joe"

$salary
[1] 55000

$union
[1] TRUE

> j$sal
[1] 55000
>

因为列表是向理,因此可以用vector()来创建列表。

> z <- vector(mode = "list")
> z
list()
> z[["abc"]] <- 3
> z
$abc
[1] 3

>

2、列表的常规操作

#列表索引  (访问列表的组件有很多种方法)返回值是c的数据类型

> j$name
[1] "joe"
> j[["name"]]
[1] "joe"
> j[[1]]
[1] "joe"
>

使用单中括号和双重中括号都可以提取列表的元素,但是与普通(原子型)向量索引相比,两者存在很大的不同。使用单中括号[]返回的是一个新的列表,它是原列表的子列表。

> j[1:2]
$name
[1] "joe"

$salary
[1] 55000

> j2 <- j[2]
> j2
$salary
[1] 55000

> class(j2)
[1] "list"
> str(j2)
List of 1
 $ salary: num 55000
>

      对原列表的取子集操作返回一个新的列表,新的列表由原列表的前两个元素组成。这里说“返回”是因为中括号也是一个函数。就类似于“+”这种操作符,看起来不像函数,但实际上是函数。

      而双重中括号“[[]]”一次只能提取列表的一个组件,返回值是组件本身的类型,而不是列表。

> j[[1:2]]
Error in j[[1:2]] : subscript out of bounds
> j2a <- j[[2]]
> j2a
[1] 55000
> class(j2a)
[1] "numeric"
>

#增加或删除列表元素

很多情况下,需要增加和删除元素,尤其是涉及由列表组成的数据类型时,比如数据框和R中的类(class)。

>#增加新的元素
> z <- list(a="abc",b=12)
> z
$a
[1] "abc"

$b
[1] 12

> z$c <- "sailing"  #增加新的组件
> z
$a
[1] "abc"

$b
[1] 12

$c
[1] "sailing"

>

使用索引增加元素

> z
$a
[1] "abc"

$b
[1] 12

$c
[1] "sailing"

> z[[4]] <-28
> z
$a
[1] "abc"

$b
[1] 12

$c
[1] "sailing"

[[4]]
[1] 28

> z[5:7] <- c(FALSE,TRUE,TRUE)
> z
$a
[1] "abc"

$b
[1] 12

$c
[1] "sailing"

[[4]]
[1] 28

[[5]]
[1] FALSE

[[6]]
[1] TRUE

[[7]]
[1] TRUE

>

删除列表元素,直接将元素NULL就可以了

> z
$a
[1] "abc"

$b
[1] 12

$c
[1] "sailing"

[[4]]
[1] 28

[[5]]
[1] FALSE

[[6]]
[1] TRUE

[[7]]
[1] TRUE

> z[[2]] <- NULL
> z
$a
[1] "abc"

$c
[1] "sailing"

[[3]]
[1] 28

[[4]]
[1] FALSE

[[5]]
[1] TRUE

[[6]]
[1] TRUE

删除z$b之后,它之后的元素索引全部减1,如原来的z[[4]]变成了z[[3]]。还可以把多个列表拼接成一个。

> c(list("joe",55000,T),list(5))
[[1]]
[1] "joe"

[[2]]
[1] 55000

[[3]]
[1] TRUE

[[4]]
[1] 5

#获取列表长度

> j
$name
[1] "joe"

$salary
[1] 55000

$union
[1] TRUE

> length(j)
[1] 3
>

3、访问列表元素和值

如果一个列表和各个元素含有标签,就可以使用names()获取它的标签

> names(j)
[1] "name"   "salary" "union"

还可以使用unlist()函数获取列表的值

> ulj <- unlist(j)
> ulj
   name  salary   union 
  "joe" "55000"  "TRUE" 
> class(ulj)
[1] "character"

unlist()返回值是一个向量,在本例中是一个字符向量。而且向量的元素名就来自原列表的标签。若列表内都是数值,哪么unlist()返回的也就是数值向量,若列表内是字符与数值混合,哪unlist()返回的是字符类型的向量。

> ulj <- unlist(j)
> ulj
   name  salary   union 
  "joe" "55000"  "TRUE" 
> class
function (x)  .Primitive("class")
> class(ulj)
[1] "character"

各种类型的优先级排序是:

NULL<raw<逻辑类型<整型<实数类型<复数类型<列表<表达式(把配对列表(pairlist)当作普通列表)

去除元素的名称的方法如下:

>#方法一
> wu <- list(a=5,b="xyz")
> names(wu) <-NULL
> wu
[[1]]
[1] 5

[[2]]
[1] "xyz"

>#方法二
> wu <- list(a=5,b="xyz")
> wu
$a
[1] 5

$b
[1] "xyz"

> wu <- unname(wu)
> wu
[[1]]
[1] 5

[[2]]
[1] "xyz"

4、在列表上使用apply系列函数

使用lapply()和sapply()这两个函数,可以很方便地在列表上应用函数。

#lapply()和sapply()的使用

    lapply()代表list apply,与矩阵的apply()函数的用法相似,对列表(或强制转换成列表的向量)的每个组件执行给定的函数,并返回另一个列表。

> lapply(list(1:3,25:29),median)
[[1]]
[1] 2

[[2]]
[1] 27

R分别对1:3和25:29求中位数,返回由2,27组成的列表。

如果想得到lapply()返回的列表可以转化为矩阵或向量的形式,这时候可以选择使用sapply()代表simplified lapply):

> sapply(list(1:3,25:29),median)
[1]  2 27

在以上的例子中,我们在一个向量上执行一个向量化的函数,返回一个新的向量,然后将向量整理成矩阵的形式。如果使用sapply()函数就可以直接输出矩阵。

5、递归型列表

列表可以是递归的(recursive),即列表的组件也可以是列表。

> b <-list(u=5, v= 12)
> c <-list(w = 13)
> a <-list(b,c)
> a
[[1]]
[[1]]$u
[1] 5

[[1]]$v
[1] 12


[[2]]
[[2]]$w
[1] 13


> length(a)
[1] 2

这段代码生成一个包含两个组件的列表,每个组件本身也都是列表。

> c(list(a=1,b=2,c=list(d=5,e=9)))
$a
[1] 1

$b
[1] 2

$c
$c$d
[1] 5

$c$e
[1] 9


> c(list(a=1,b=2,c=list(d=5,e=9)),recursive=T)
  a   b c.d c.e 
  1   2   5   9 
>

拼接函数c()有一个可选参数recursive,决定在拼接列表的时候,是否把原列“压平”,就是把所有组件的元素都提取出来,组合成一个向量。

第一条命令中,recursive参数取黙认值FALSE,得一个递归型列表,其中组件c是另一个列表。

第二条命令中,recursive参数值为TRUE,得到一个向量(也可以说是列表),只有名称还带有原来递归的特征。(注意recursive参数为TRUE反而得到非递归的列表,不要弄混)

 

end.

 
反对 0举报 0 评论 0
 

免责声明:本文仅代表作者个人观点,与乐学笔记(本网)无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
    本网站有部分内容均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,若因作品内容、知识产权、版权和其他问题,请及时提供相关证明等材料并与我们留言联系,本网站将在规定时间内给予删除等相关处理.

  • 拓端tecdat|R语言VAR模型的不同类型的脉冲响应
    原文链接:http://tecdat.cn/?p=9384目录模型与数据估算值预测误差脉冲响应识别问题正交脉冲响应结构脉冲反应广义脉冲响应参考文献脉冲响应分析是采用向量自回归模型的计量经济学分析中的重要一步。它们的主要目的是描述模型变量对一个或多个变量的冲击的演化
    03-16
  • Visual Studio 编辑R语言环境搭建
    Visual Studio 编辑R语言环境搭建关于Visual Studio 编辑R语言环境搭建具体的可以看下面三个网址里的内容,我这里就讲两个问题,关于r包管理和换本地的r的服务。1.r包管理:Ctrl+72.R本地服务管理:Ctrl+9Visual Studio R官方帮助文档(中文): https://docs
    03-16
  • 拓端tecdat|R语言代写实现向量自回归VAR模型
    原文链接:http://tecdat.cn/?p=8478 澳大利亚在2008 - 2009年全球金融危机期间发生了这种情况。澳大利亚政府发布了一揽子刺激计划,其中包括2008年12月的现金支付,恰逢圣诞节支出。因此,零售商报告销售强劲,经济受到刺激。因此,收入增加了。VAR面临的批
    03-16
  • [译]用R语言做挖掘数据《五》 r语言数据挖掘简
    一、实验说明1. 环境登录无需密码自动登录,系统用户名shiyanlou,密码shiyanlou2. 环境介绍本实验环境采用带桌面的Ubuntu Linux环境,实验中会用到程序:1. LX终端(LXTerminal): Linux命令行终端,打开后会进入Bash环境,可以使用Linux命令2. GVim:非常好
    03-08
  • 拓端tecdat|Mac系统R语言升级后无法加载包报错 package or namespace load failed in dyn.load(file, DLLpath = DLLpath, ..
    拓端tecdat|Mac系统R语言升级后无法加载包报错
    问题重现:我需要安装R软件包stochvol,该软件包 仅适用于3.6.0版的R。因此,我安装了R(3.6.0 版本),并使用打开它 RStudio。但是现在  ,即使我成功 使用来 安装软件包,也无法加载任何库 。具体来说,我需要加载的库是stochvol  ,Rcpp和 caret
    03-08
  • 拓端数据tecdat|R语言k-means聚类、层次聚类、主成分(PCA)降维及可视化分析鸢尾花iris数据集
    拓端数据tecdat|R语言k-means聚类、层次聚类、
    原文链接:http://tecdat.cn/?p=22838 原文出处:拓端数据部落公众号问题:使用R中的鸢尾花数据集(a)部分:k-means聚类使用k-means聚类法将数据集聚成2组。 画一个图来显示聚类的情况使用k-means聚类法将数据集聚成3组。画一个图来显示聚类的情况(b)部分:
    03-08
  • 《R语言数据挖掘》读书笔记:七、离群点(异常值)检测
    《R语言数据挖掘》读书笔记:七、离群点(异常值
    第七章、异常值检测(离群点挖掘)概述:        一般来说,异常值出现有各种原因,比如数据集因为数据来自不同的类、数据测量系统误差而收到损害。根据异常值的检测,异常值与原始数据集中的常规数据显著不同。开发了多种解决方案来检测他们,其中包括
    03-08
  • 拓端数据tecdat|R语言中实现广义相加模型GAM和普通最小二乘(OLS)回归
    拓端数据tecdat|R语言中实现广义相加模型GAM和
    原文链接:http://tecdat.cn/?p=20882  1导言这篇文章探讨了为什么使用广义相加模型 是一个不错的选择。为此,我们首先需要看一下线性回归,看看为什么在某些情况下它可能不是最佳选择。 2回归模型假设我们有一些带有两个属性Y和X的数据。如果它们是线性
    03-08
  • 拓端数据tecdat|R语言时间序列平稳性几种单位根检验(ADF,KPSS,PP)及比较分析
    拓端数据tecdat|R语言时间序列平稳性几种单位根
    原文链接:http://tecdat.cn/?p=21757 时间序列模型根据研究对象是否随机分为确定性模型和随机性模型两大类。随机时间序列模型即是指仅用它的过去值及随机扰动项所建立起来的模型,建立具体的模型,需解决如下三个问题模型的具体形式、时序变量的滞后期以及随
    03-08
  • 拓端tecdat|R语言风险价值VaR(Value at Risk)和损失期望值ES(Expected shortfall)的估计
    拓端tecdat|R语言风险价值VaR(Value at Risk)
    原文链接: http://tecdat.cn/?p=15929 风险价值VaR和损失期望值ES是常见的风险度量。首先明确:时间范围-我们展望多少天?概率水平-我们怎么看尾部分布?在给定时间范围内的盈亏预测分布,示例如图1所示。  图1:预测的损益分布 给定概率水平的预测的分
    03-08
点击排行