给女朋友写的生统资料_Part4

上一节我们讲到了一些向量提取的操作。这一部分我们会讲一些数据框提取的操作。在R里面，数据框提取的基础操作跟向量很相似，还是以 [] 符号为基础。不过由于数据框是一个二维的数据结构，即有行与列，所以我们要以 dataframe[行索引, 列索引] 这种操作来提取数据框中的元素。

由于生统的数据一般只有两列，且比较长，可能不太适合演示，所以我这会用的还是之前糖尿病人的那个数据框。

> patientID <- c(1, 2, 3, 4)
> age <- c(25, 34, 28, 52)
> diabetes <- c("Type1", "Type2", "Type1", "Type1")
> status <- c("Poor", "Improved", "Excellent", "Poor")
> patientdata <- data.frame(patientID, age, diabetes, status)
> patientdata
  patientID age diabetes    status
1         1  25    Type1      Poor
2         2  34    Type2  Improved
3         3  28    Type1 Excellent
4         4  52    Type1      Poor

这次的内容参考了《R语言实战》的 4.10 部分，推荐大家可以去看一看。

数据框列的提取

根据坐标提取

跟我们之前介绍的向量读取差不多，也是可以利用坐标来读取。我们用坐标来提取第二列，即病人的年龄。

> patientdata[,2]
[1] 25 34 28 52

我们前面提到，逗号前面部分代表的是行索引（坐标可能更直白一点，但索引可能更正式一点，我还是用索引吧），逗号后面代表你要提取的列的索引。如果行的索引信息是缺失的话，那么就 R 就会默认你选择所有行。所以这里提取出了所有的 4 个病人的年龄。

根据列名提取

但这种坐标信息的提取是比较麻烦的，尤其是对于很多列的数据。你可能数不清你想要的那一列在第几列上。事实上，由于数据框的特殊数据格式，对于列的提取，也有了特殊的提取方式。因为数据框是一个二维数据结构，有行有列。意味着我们有行名和列名。所以在提取列的时候，我们也可以把列名放入原本数字索引在的地方，也可以达到跟数字索引提取同样的效果。

> patientdata[,"age"]
[1] 25 34 28 52

这里我们知道了我们的列名叫 age ，所以我们就把 age 加引号放入原本坐标在的那个地方，也顺利地提取出来了第二列，即病人的年龄。

$符号提取

数据框的提取还有一个简单的方式，就是在数据框后面加 $ 符号，然后就会自动跳出你的列名，你只要选择你想要的列名也可以顺利的提取出来。

> patientdata$age
[1] 25 34 28 52

提取多列

多于多列数据的提取，还是用到我们上面提到的提取方法。

# 数字索引提取
> patientdata[,c(2,4)]
  age    status
1  25      Poor
2  34  Improved
3  28 Excellent
4  52      Poor

# 列名提取
> patientdata[,c("age","status")]
  age    status
1  25      Poor
2  34  Improved
3  28 Excellent
4  52      Poor

# $符号可能不行

事实上，在提取列的时候，还有一个小问题，可能大家并没有发现。就是我们在提取单列的时候，得到的是一个向量型的结果，但我们在提取多列的时候，得到的是一个数据框型的结果。

> class(patientdata[,"age"])
[1] "numeric"

> class(patientdata[,c("age","status")])
[1] "data.frame"

这是因为 R 会在你提取单列的时候，自动将得到的单列进行降维，将数据框变成向量。如果你并不想让数据进行降维，可以设置 drop = F。

> patientdata[,"age",drop = F]
  age
1  25
2  34
3  28
4  52

> class(patientdata[,"age",drop = F])
[1] "data.frame"

另一种在提取单列的时候，不降维的方法，就是你不遵循 [行索引，列索引] 这种格式，而是直接输入列索引，就像下面那样

> patientdata[2]
  age
1  25
2  34
3  28
4  52

> patientdata["age"]
  age
1  25
2  34
3  28
4  52

> class(patientdata["age"])
[1] "data.frame"

我个人不太推荐在生统做的时候用这个方式，还是建议老老实实按逗号的方式来提取，因为这样可能比较符合你的编程习惯。

但这种提出单列数据，自动降维的情况，对于我们生统是比较好的。因为像你后面做正态性检验等等，本质上你输入的应该是一串数值型的向量，而非是一个数据框。

数据框行的提取

行的提取跟列的提取很像，无非就是索引放在逗号前面。

# 根据数字索引
> patientdata[1,]
  patientID age diabetes status
1         1  25    Type1   Poor

# 根据行名
> patientdata["1",]
  patientID age diabetes status
1         1  25    Type1   Poor

大家可能会感到疑惑，1 和 "1" 难道不是一个东西么，事实上并不是。由于我们这里并没有给数据框赋予常见的那种行名，所以 R 会自动以数字即行号作为数据框的行名。所以 "1" 代表的其实是行名。这里为了更加清楚地展示，我们用人名来表示糖尿病人的行名。

# rownames可以赋予行名
rownames(patientdata) <- c("Paul","James","Wade", "Antony")

> patientdata
       patientID age diabetes    status
Paul           1  25    Type1      Poor
James          2  34    Type2  Improved
Wade           3  28    Type1 Excellent
Antony         4  52    Type1      Poor

# 根据行名
> patientdata["Paul",]
     patientID age diabetes status
Paul         1  25    Type1   Poor

其实生统的作业不太会让你对某一行进行提取，更多的是提取出符合某一条件的几行来。这个就要涉及到我们之前讲到过的逻辑运算符了，这部分我们下一节再讲。

行列的提取

学会了提取列，也学会了提取行，行列就是你在 [] 里面，逗号前后都加上索引。但这个可能在生统中用处不大。

> patientdata[1:2,2:3]
  age diabetes
1  25    Type1
2  34    Type2

参考文章

《R语言实战》4.10