在本小節, 我們要了解
class("test")
class(10.10)
class(10)
class(as.integer(3)) # 因為 R 計算上是都是以雙倍精確度來計算，所以必須指定為 integer，不然都會被當成 numeric
class(as.integer(3.1)) # as.integer 可以將不是整數的數值變成整數
class(2+2i)
class(TRUE) # 注意都要大寫，不可寫 True，但可以簡化成 T
x = 12.5 # 一般數值
A1= "John" #文字字串
z = FALSE # 邏輯值 TRUE/FALSE 或 T/F
y = 2.4e3 # 2.4 x 10三次方 = 2400
A2 = paste(A1,"Dow",sep="") # A2="JohnDow"
x^2 # 平方, 也可寫成 x**2
x + 3 ; x - 3 ; x * 3 ; x / 3 # 加減乘除
x %/% 3 # 整除
x %% 3 # 餘數
x = c(1, 15.2, 33) # c是combine的意思
y = c("男","女","女") # 文字向量
z = c(TRUE,FALSE, FALSE, TRUE) # 或 c(T,F,F,T)
x2 = x + 1 # x2 = c(2, 16.2, 14)
x[2] # 15.2
x[c(1,3)] # 第一和第三個元素，就是(1, 33)
x[-2] # "負號" 表示去除去掉第二個元素，也就是(1, 33)
y[3] # "女"
y[1:2] # c("男","女")
#vector 中所有元素都必須是同一種資料屬性
#c() 也可以被用來結合兩個向量
x <- c(1:5) # 1:5 表示從1到5 . 就是(1,2,3,4,5)
y <- c(2, 4, 8)
z <- c(x, y)
z
#其實就是”分類”的意思
#可以把”文字向量”分類，也可以把”數值向量”分類
gender = c("Boy","Girl","Girl","Boy","Girl") # 文字向量
gender = as.factor(gender) ; gender # Factor 變數 # 用分號區隔指令
parttime = c(1,0,0,0,1) # 有無打工(數值向量)
parttime = as.factor(parttime) ; parttime # Factor 變數
parttime[2] # 顯示出第二筆資料(Factor 變數的指標使用跟向量變數一樣)
#是向量的的擴充，可包含不同屬性的元素
#list 是非常方便好用的資料形態。尤其是需儲存不同類型資料的時候，特別好用。
friend1 = list(fname="John",age=32,child.ages=c(2,5))
friend1
friend1$fname # 等於 friend1[[1]] # $是指定變項
friend1$age # 等於 friend1[[2]]
friend1$child.ages # 等於 friend1[[3]]
friend1$child.ages[2] # 等於 friend1[[3]][2]
M1 <- matrix(c(1:144), 12, 12) #請幫我作一個 12*12 的矩陣 並從1到144
M1
M1[6, ]
M1[, 6]
x1 = c(11,12,13)
x2 = c(21,22,23)
M1 = rbind(x1,x2) #row bind; 視為橫列連起來
M2 = cbind(x1,x2) #column bind; 視為直行連起來
M1; M2
data(iris)
names(iris) # 查看變數名
head(iris, 12) # 只看前12筆資料
tail(iris, 12) # 只看尾巴12筆資料
dim(iris) # 查看列數與欄數
summary(iris)#基本敘述性統計量
iris1 <- iris[1:12, ] # 把iris前12筆資料存成iris1
iris1[6, ] # iris1第6筆是多少(row)
iris1[c(4, 10) , ] #取得第4 及第10 列資料
iris1[, 2] # iris1第2筆是多少(Column)
iris1[, "Sepal.Width"] #和 iris1[, 2] 相同
iris1$Sepal.Width
subset(iris1, Sepal.Width >= 3.5) #取得Sepal.Width 大於等於3.5 的資料
#getwd() #顯示目前的工作資料夾
#setwd() #設定工作資料夾
#set working directory的簡寫。要指定工作資料夾，必須要告訴R路徑。本例是將R的工作資料夾指定為c磁碟機中的downloads。要注意路經前後要加上" "。現在可以再用getwd()來看看工作資料夾是否已設定完成。
匯入 CSV 檔的時候會碰到一種比較特別的問題，就是作業系統編碼不同的問題，Windows 的中文編碼是 big5，而 Linux / Mac 都是 UTF-8，所以在 Linux / Mac 匯入來自於 Windows CSV 檔常常會發生亂碼，那該如何解決此問題，本人的做法是將資料讀進來轉成 UTF-8，在輸出一份 CSV 檔，以下先以一個 CSV 檔為主，加以調整修改就可以改成一次跑一個資料夾下的所有 CSV 檔。
babies <- read.csv("babies.csv", header = TRUE, sep = ",") #把babies.csv 叫進來
str(babies) #把babies資料的屬性show出來
#我們重覆一下前面學到的指令
head(babies , 15) # 只看前15筆資料
tail(babies , 15) # 只看尾巴15筆資料
xdata = read.table("babies.txt",header=TRUE) # header: 表頭
head(xdata) # 只看前6筆資料
data <- iris # iris 是 R 內建的資料。
write.table(data, file = "test.CSV", sep = ",") #請特別注意路徑
x <- c(1, 2, 3)
y <- c(10, 20, 30)
union(x ,y) # union 如英文名稱就是取聯集
rbind(x, y) # 透過 row 合併
cbind(x, y) # 透過 column 合併
x <- cbind(c("Tom", "Joe", "Vicky"), c(27, 29, 28))
y <- cbind(c("Tom", "Joe", "Vicky"), c(178, 186, 168))
colnames(x) <- c("name", "age")
colnames(y) <- c("name", "tall")
merge(x, y, by = "name") # 將 data.frame 透過一個欄位進行合併
data <- iris
split(data, sample(rep(1:2, 75))) # rep(1:2, 75) 產生 1,2 交錯的向量，但加了前面的 sample 則是隨機抽取
subset(data, Sepal.Length > 5) # 只會出現 Sepal.Length > 5 的資料
subset(data, Sepal.Length > 5,select = Sepal.Length) # 只會出現 Sepal.Length > 5 的資料且欄位只有 Sepal
subset(data, Sepal.Length > 5,select = -Sepal.Length) # selct = 負的代表不要出現的欄位。
#install.packages('dplyr');