R語言中資料結構，R語言資料結構

R語言中資料結構，R語言資料結構

    R語言還是有點古老感覺，資料結構沒有Python中那麼好用，下面簡單總結一下R語言中常用的幾個資料結構。

向量：

    R中的向量可以理解為一維的數組，每個元素的mode必須相同，可以用c(x:y)進行建立，如x <- c(1:9)。

矩陣：

    R中的矩陣可以理解為二維數組，每一個元素必須要有相同的mode，使用matrix進行建立，matrix的形式為：

matrix(vector, nrow=number_of_rows, ncol=number_of_columns, byrow=logical_value, dimnames=list(rownames, colnames))，該函數中，vector中為矩陣的元素，nrow表示行數，ncol表示列數，byrow為一個布爾向量表示是否按照行為主進行填充，預設按照列為主，dimnames為可選的制定行和列的名稱。

數組：

    R中的數組使用array進行建立，與向量或者矩陣不同的是，array可以是多維的。array中的資料同樣是相同mode的，array函數的像是如下：

array(vector, dimensions, dimnames)，其中vector包含array中的元素，dimensions是一個向量指定array各個維度大小，dimnames是一個list指定各個維度對應的名稱。

資料框：

    資料框是我們常用的進行資料分析的資料存放區方式，和資料庫的每一行對應一個記錄，每一列對應一個欄位，資料框使用data.frame(name1=col1, name2=col2,...)進行建立，注意是列主導。

列表：

    R中的列表和Python中的dict很像，使用list進行建立，是行為主導的，list的形式為list(name1=object1, name2=object2,...)。

電腦科學叢書：資料採礦與R語言

《》首先簡要介紹了R軟體的基礎知識（安裝、R資料結構、R編程、R的輸入和輸出等）。然後通過四個資料採礦的實際案例（藻類頻率的預測、證券趨勢預測和交易系統模擬、交易欺詐預測、微陣列資料分類）介紹資料採礦技術。這四個案例基本覆蓋了常見的資料採礦技術，從無監督的資料採礦技術、有監督的資料採礦技術到半監督的資料採礦技術。全書以實際問題、解決方案和對解決方案的討論為主線來組織內容，脈絡清晰，並且各章自成體系。讀者可以從頭至尾逐章學習，也可以根據自己的需要進行學習，找到自己實際問題的解決方案。
本書的目的不是介紹資料採礦的各個方面。許多已有的書籍覆蓋了資料採礦領域。我們用幾個案例來向讀者介紹R的資料採礦能力。顯然，這幾個案例不能代表我們在現實世界中碰到的所有資料採礦問題。同時，我們給出的解決方案也不是最完全的方案。
 
用R語言，怎合并兩組資料

如果空的地方用NA 表示的話，那麼就可以用如下編碼實現
假設 第一組資料是 a1 第二組資料是a2, 他們的行數是一致的！
index<- is.na(a1)a1[index] <- a2[index]# here is a examplea1<-c(1,NA,3,NA,5,6,NA,8,9,10)a1a2<- 1:10a2length(a1)length(a2)index<-is.na(a1)a1[index]<-a2[index]a1結果：

不知道是不是你想要的結果~
如果你能提供資料結構的話，我或許可以更加明確的提供方法！