按照个人要求的格式来创建含有研究信息的数据集，这是任何数据分析的第一步。在R中，这个任务包括以下两步：

• 选择一种数据结构来存储数据；
• 将数据输入或导入到这个数据结构中。

数据集概念

数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。

image.png

数据结构

image.png

向量

• 向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c()可用来创建向量。
• 数值型向量，逻辑型向量，字符型向量。
• 单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型）。同一向量中无法混杂不同模式的数据。

矩阵

矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型） 。可通过函数matrix创建矩阵。
矩阵下标

数组

数组（array）与矩阵类似，但是维度可以大于2。数组可通过array函数创建，形式如下：

myarray<-array(vector,dimensions,dimnames)

其中vector包含了数组中的数据， dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。代码清单2-3给出了一个创建三维数值型数组的示例。

数据框

由于不同的列可以包含不同模式（数值型、字符型等）的数据，数据框的概念较矩阵来说更为一般。它与你通常在SAS、 SPSS和Stata中看到的数据集类似。数据框将是你在R中最常处理的数据结构。

因子

如你所见，变量可归结为名义型、有序型或连续型变量。名义型变量是没有顺序之分的类别变量。类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor） 。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。

列表

列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，component）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。

• 对象名称中的句点（.）没有特殊意义。但美元符号（$）却有着和其他语言中的句点类似的含义，即指定一个对象中的某些部分。
• R不提供多行注释或块注释功能。你必须以#作为多行注释每行的开始。出于调试目的，你也可以把想让解释器忽略的代码放到语句if(FALSE){. .. }中。将FALSE改为TRUE即允许这块代码执行。
• 将一个值赋给某个向量、矩阵、数组或列表中一个不存在的元素时， R将自动扩展这个数据结构以容纳新值。
• R中没有标量。标量以单元素向量的形式出现。
• R中的下标不从0开始，而从1开始。在上述向量中， x[1]的值为8。
• 变量无法被声明。它们在首次被赋值时生成。

数据输入

使用键盘输入数据

从带分隔符的文本文件导入数据

导入excel

导入XML数据

从网页抓取数据

导入SPSS数据

导入SAS数据

导入Stata数据

导入netCDF数据

导入HDF5 数据

访问数据库管理系统

通过Stat/Transfer导入数据

数据集标注

为了使结果更易解读，数据分析人员通常会对数据集进行标注。通常这种标注包括为变量名添加描述性的标签，以及为类别型变量中的编码添加值标签。例如，对于变量age，你可能想附加一个描述更详细的标签“ Age at hospitalization”（入院年龄） 。对于编码为1或2的性别变量gender，你可能想将其关联到标签“ male”和“ female”上。

变量标签

R处理变量标签的能力有限。一种解决方法是将变量标签作为变量名，然后通过位置下标来访问这个变量。

值标签

函数factor()可为类别型变量创建值标签。

处理数据对象的实用函数