Podstawy R – Przechowywanie danych
Wychodząc naprzeciw potrzebom wskazanym przez naszych czytelników w ankiecie rozpoczynamy krótki kurs wprowadzający do R. Naszą przygodę zaczniemy od poznania sposobu przechowywania danych (kontenerów danych) w tym języku. Dla osób, które nie zdążyły zapoznać się jeszcze ze środowiskiem w którym będziemy pracować odsyłam do wpisów poświęconych instalacji i pierwszym krokom w R.
Pierwszym sposobem przechowywania danych jest wektor. W wektorze możemy przechowywać dane tylko jednego typu np. numeryczne. Stwórzmy przykładowy wektor w zawierający cztery liczby:
|
1 |
w = c(1,4,5,3) |
Wyświetlamy utworzony wektor w w konsoli:
|
1 2 |
w [1] 1 4 5 3 |
W przypadku gdy chcemy wyświetlić konkretny element wektora musimy wpisać:
|
1 2 |
w[3] [1] 5 |
Możemy również wyświetlić więcej elementów:
|
1 2 |
w[3:4] [1] 5 3 |
Teraz stwórzmy wektor zawierający kolejne liczby od 1 do 5:
|
1 2 3 |
w = c(1:5) w [1] 1 2 3 4 5 |
Wektor może zawierać też ciągi znaków np. z pięcioma imionami:
|
1 2 3 |
w = c(‘John’,’Sophia’,’Al’,’Jack’,’Donald’) w [1] "John" "Sophia" "Al" "Jack" "Donald" |
A co gdy chcemy przechowywać różnego typu zmienne w jednym obiekcie? Możemy skorzystać z obiektu list, który umożliwia przechowywanie różnego typu danych w swoich elementach. Stwórzmy listę zawierającą dowolne trzy wartości o różnym typie:
|
1 |
l = list(23.2,'John',TRUE) |
Wyświetlamy w konsoli utworzoną zmienną:
|
1 2 3 4 5 6 7 8 9 |
l [[1]] [1] 23.2 [[2]] [1] "John" [[3]] [1] TRUE |
W celu wyświetlenia drugiego elementu listy musimy wpisać:
|
1 2 |
l[[2]] [1] "John" |
W przypadku dwuwymiarowych danych, np. rastrów wartości poszczególnych pikseli przechowane są w macierzy. Dowolną macierz tworzymy funkcją matrix podając wartość jaką ma ją wypełniać oraz liczbę wierszy i kolumn:
|
1 2 3 4 5 6 |
m = matrix(2, nrow = 3, ncol = 3) m [,1] [,2] [,3] [1,] 2 2 2 [2,] 2 2 2 [3,] 2 2 2 |
Możemy również wstawić do macierzy dowolny wektor, który ma liczbę elementów równą liczbie wierszy lub wszystkich pól macierzy:
|
1 2 3 4 5 6 |
m = matrix(c("Bob","John","Jack"),nrow = 3, ncol = 3) m [,1] [,2] [,3] [1,] "Bob" "Bob" "Bob" [2,] "John" "John" "John" [3,] "Jack" "Jack" "Jack" |
Wybór dowolnego elementu w macierzy dokonuje się poprzez podanie numeru wiersza i kolumny:
|
1 2 |
m[1,2] [1] "Bob" |
Wybrać można również cały wiersz lub kolumnę:
|
1 2 3 4 |
m[1,] [1] "Bob" "Bob" "Bob" m[,1] [1] "Bob" "John" "Jack" |
Macierz tak jak wektor może przechowywać dane tylko jednego typu.
W R można również używać wielowymiarowych macierzy zwanych array. Tworzone są poprzez podanie wartości w niej przechowywanych oraz wymiaru:
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 |
a = array(1:24, dim=c(3,4,2)) a , , 1 [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12 , , 2 [,1] [,2] [,3] [,4] [1,] 13 16 19 22 [2,] 14 17 20 23 [3,] 15 18 21 24 |
Innym rodzajem przechowywania danych jest factor. Pokażemy jak on działa na przykładzie. Utwórzmy sobie wektor zawierający nazwy miast:
|
1 |
towns = c("Cracow","Warsaw","Gdansk","Warsaw","Cracow","Poznan","Bialystok","Szczecin") |
Zmieńmy ten wektor na factor i wyświetlmy go:
|
1 2 3 4 |
towns = factor(towns) towns [1] Cracow Warsaw Gdansk Warsaw Cracow Poznan Bialystok Szczecin Levels: Bialystok Cracow Gdansk Poznan Szczecin Warsaw |
Jak widzimy pojawił nam się wektor oraz poziomy będące nazwami miast, żeby pokazać jak to działa zróbmy przekształcenie factora na wektor numeryczny:
|
1 2 |
as.numeric(towns) [1] 2 6 3 6 2 4 1 5 |
Jak widzimy factor jest ciągiem liczb, do których przypisane są wartości z Levels. Jak dana wartość się powtarza w ciągu występuje ta sama liczba. A tak naprawdę w czym nam może się to przydać, poza zmniejszoną liczbą miejsca potrzebną na przechowywanie tego typu danych. Na przykład przy zliczaniu występowania danego elementu:
|
1 2 3 4 |
table(towns) towns Bialystok Cracow Gdansk Poznan Szczecin Warsaw 1 2 1 1 1 2 |
Ostatnim rozpatrywanym przez nas zmienną, w której możemy przechowywać dane jest data frame. W najprostszy sposób można ją opisać jako arkusz Excel przechowujący dane w kolumnach i wierszach. W każdej z kolumn możemy przechowywać inny rodzaj danych. Utwórzmy prosty data frame:
|
1 2 3 4 5 6 |
df = data.frame(N = c(1:3),name = c("John","Natalie","Kate"),surname = c("Black","White","Gray"),age = c(15,6,13), adult = c(F,F,F)) df N name surname age adult 1 1 John Black 15 FALSE 2 2 Natalie White 6 FALSE 3 3 Kate Gray 13 FALSE |
Mieliśmy już do czynienia z tym typem danych przy analizie plików wektorowych, bo to właśnie tabela atrybutów warstwy SHP jest wczytywana w takiej postaci. Z data frame możemy wyciągać tak jak dla macierzy kolumny:
|
1 2 3 |
df[,2] [1] John Natalie Kate Levels: John Kate Natalie |
lub wiersze:
|
1 2 3 |
df[1,] N name surname age adult 1 1 John Black 15 FALSE |
Każdy wiersz i kolumna ma też swoją nazwę, które możemy wykorzystać do selekcji:
|
1 2 3 |
df$name [1] John Natalie Kate Levels: John Kate Natalie<br /><br />df[,'name']<br />[1] John Natalie Kate <br />Levels: John Kate Natalie |
Możemy też je wyświetlić:
|
1 2 3 4 |
colnames(df) [1] "N" "name" "surname" "age" "adult" rownames(df) [1] "1" "2" "3" |
Wybór metody przechowywania danych jest uzależniony, od sposobu w jakim są one zapisane w plikach. Tak jak wspomnieliśmy dla rastrów będzie to np. macierz, a dla wczytywanych arkuszy kalkulacyjnych data frame. W kolejnym etapie kursu pokażemy jak posługiwać się pętlami na danych.
