1.使用C函数连接数据

2.使用c,cbind,rbind结合变量

3.使用Vector函数结合数据

4.使用矩阵结合数据
5.使用data.frame函数结合数据

6.使用list函数结合数据

c 向量 数组 矩阵 数据框 列表

1.使用C函数连接数据
se<-c(59, 55, 53.3, 44, 44)  #可以在逗号的任一一边加上空格 增加代码的可读性
#查看severe的前3个值
se[1:3]
#查看除了第2个之外的所有值
se[-2]
#可以做对数据做如下的操作：sum mean max min median var sd
s.su<-sum(se)
s.su  #.是变量名的一部分

（以下操作均以下数据为例）
Wingcrd<-c(59, 55, 53.5, 55, 52.5, 57.5, 53, 55)
Tarsus<-c(22.3, 19.7, 20.8, 20.3, 20.8, 21.5, 20.6, 21.5)
Head<-c(31.2, 30.4, 30.6, 30.3, 30.3, 30.8, 32.5, NA)
Wt<-c(9.5, 13.8, 14.8, 15.2, 15.5, 15.6, 15.6, 15.7)

#R中的变量名最好使用大写字母开头 这样可以避免将他和一些内部函数名混淆 因为大部分内部函数都不是以大写字母开头的
#R中 缺失值用NA表示 这时调用内部函数会出现计算结果错误NA
#在计算的向量中如果有缺失值的话 可以设置函数的na.rm=FALSE为TRUE

sum(Head,na.rm=TRUE)  #返回剩余七个数值的和
#na.rm=TRUE表示删除缺失值

mean(Head,na.rm=TRUE)    #返回剩余七个数值的均值

2.使用c,cbind,rbind结合变量
#有4列数据 每列中含有8个数据 使用c函数连接数据
BridData<-c(Wingcrd,Tarsus,Head,Wt)
BridData
#BridData是一个长度为32的单个向量
ID=rep(c(1,2,3,4),each=8)
ID=rep(c(1:4),each=8)
ID
#rep代表重复
a<-seq(from=1,to=4,by=1)
a<-1:4

#cbind函数 作用是将所结合的变量以列的形式输出
Z<-cbind(Wingcrd,Tarsus,Head,Wt)
Z
#访问Z的第一列Z[,1]
Z[,1]
Z[1:8,1]
#访问Z的第二行
Z[2,]
#访问Z的第1 3 4列
Z[,c(1,3,4)]
#判断Z的维数
dim(Z)
#存储Z的行数
zrow<-dim(Z)[1]

#rbind()函数将变量以行进行结合输出
Z2<-rbind(Wingcrd,Tarsus,Head,Wt)
Z2

3.使用Vector函数结合数据
P<-vector(length=3)
#生成数组
P[1]<-22
P[2]<-3
P[3]<-44

4.使用矩阵结合数据
Dmat<-matrix(nrow=8,ncol=4)
Dmat
Dmat[,1]<-c()
Dmat[,2]<-c()
Dmat[,3]<-c()
Dmat[,4]<-c()
#使用colnames函数给矩阵加上列名称
colnames(Dmat)<-c("x1","x2","x3","x4")
Dmat

5.使用data.frame函数结合数据  数据框
#可以使用数据框结合具有相同长度的变量 而数据框的每一行就包含一个同一样本的不同观察值

da<-data.frame(wc=Wingcrd,TS=Tarsus,HD=Head,W=Wt)
da
#使用data.frame函数创建一个名为da的对象  数据框的优点是可以在不影响原始数据的基础上改变数据

#查看数据框的各个变量
da$TS

6.使用list函数结合数据
#特点是它的每一行不仅仅代表一个样本单元 感觉像是混合数据的组合
#比如 x1 x2 x3都包含一些数据 x1是长3的向量 x2有4个字符 x3是一维变量
x1<-c(1,1,1)
x2<-c("a","b","c","d")
x3<-4
Y<-list(x1=x1,x2=x2,x3=x3)

==转载请注明出处==