Podstawowe typy danych

Statystyka I z R

Autor

Bartosz Maćkiewicz

Podstawowe typy danych

W tej części kursu omówimy podstawowe typy danych z R. Będą to typy: logical, integer, numeric, character oraz factor.

Na kursie nie będziemy omawiać typu pozwalającego pracować z liczbami urojonymi (typ complex). Zainteresowani mogą doczytać o tym typie w dokumentacji R (help(complex))

logical

W R elemety wektoru typu logical przyjąć mogą dwie wartości - TRUE lub FALSE. Tak też nazywają się odpowiednie stałe logiczne w R. Zamiast pełnych nazw możemy w kodzie używać skrótów: T oraz F.

Typ ten jest bardzo ważny i używa się go niemal cały czas kiedy filtrujemy/indeksujemy zbiory danych. Na razie jednak należy zapamiętać tylko to, że w R nazwy wartości logicznych piszemy wielkimi literami.

Dygresja: funkcja c()

# przypisujemy wartość zmiennej x, funkcja c służy do tworzenia wektorów
x <- c(FALSE, FALSE, FALSE, FALSE, TRUE)

W tym fragmencie kodu widzimy dwie bardzo istotne w kontekście pisania kodu w R rzeczy. Po pierwsze, w przeciwieństwie do wielu języków programowania, w R operatorem przypisania wartości zmiennej nie jest znak równośści (=) ale strzałka (<-). Znak równości również jest interpretowany przez R jako operator przypisania, konwencje stylistyczne mówią jednak, że powinnismy używać strzałki.

Drugą istotną rzeczą w tym fragmencie kodu jest funkcja c(). Jej nazwa jest skrótem od angielskiego słowa combine. Pozwala ona tworzyć wektory. W R wszystkie podstawowe typy danych są wektorowe. Na nasze potrzeby oznacza to po prostu, że mogą mieć więcej niż jeden element. Funkcja ta pozwala połączyć \(n\) wartości w jeden \(n\)-elementowy wektor. Funkcja c() co do zasady tworzy wektor takiego typu, jakiego były jej argumenty (sprawdź, co się stanie, gdy przekażesz jej kilka argumentów różnych typów!).

print(x) # wyświetlamy na ekranie wartość x 
[1] FALSE FALSE FALSE FALSE  TRUE
class(x) # sprawdzamy jakiego typu jest to zmienna
[1] "logical"
# możemy także stworzyć "pusty" wektor typu logicznego.
# domyslną wartością jego elementów będzie FALSE
logical(5) 
[1] FALSE FALSE FALSE FALSE FALSE

integer

Typ integer to po prostu liczby całkowite. R domyślnie traktuje wszystkie liczby nie jako integer, lecz jako numeric, nawet jeżeli są to liczby całkowite. Możemy to łatwo zobaczyć sprawdzając, jaki ma typ wpisana wybrana przez nas liczba:

class(5) # sprawdźmy typ liczby 5
[1] "numeric"

W niektórych kontekstach R automatycznie przeprowadza konwersje z numeric na int, czasami jednak tego nie robi. Jeżeli zależy nam na tym, aby nasze pracować z typem integer, to możemy użyć suffiksu L:

class(c(4L, 6L, 8L))
[1] "integer"

Możemy również explicite przekonwertować liczby z jednego typu do drugiego. Służy do tego funkcja as.integer.

x <- as.integer(c(1,11,2,2,3,3,4,4)) 
print(x)
[1]  1 11  2  2  3  3  4  4
class(x)
[1] "integer"

Przy konwersji liczb z częścią ułamkową as.integer() odrzuca część ułamkową, czyli obcina liczbę w kierunku zera. Funkcja floor() zaokrągla w dół. Dla liczb ujemnych te operacje dają różne wyniki.

liczby <- c(1.2, 2.3, 2.8, -1.2, -2.8)

# as.integer() obcina część ułamkową w kierunku zera
x <- as.integer(liczby)

# Nie musimy używać print(), gdy wywołujemy samą zmienną.
# R automatycznie wyświetli jej wartość.
x 
[1]  1  2  2 -1 -2
# można sprawdzić typ danej zmiennej za pomocą funkcji is.{typ} 
# funkcje te zwracają wartość TRUE lub FALSE
is.integer(x) 
[1] TRUE
# floor() zaokrągla w dół, więc dla liczb ujemnych otrzymujemy inne wyniki
floor(liczby)
[1]  1  2  2 -2 -3

numeric

Z matematycznego punktu widzenia typowi numeric najbliżej do liczb rzeczywistych. Z informatycznego punktu widzenia są to po prostu liczby zmiennoprzecinkowe. Jest to podstawowy typ wartości liczbowych w R i najczęściej bęðziemy korzystać właśnie z niego.

x <- c(1, 2, 3.2, 3.4, 5.2)
x
[1] 1.0 2.0 3.2 3.4 5.2

character

Standardowe w programowaniu ciągi znaków. W R możemy wybrać, czy chcemu używać pojedynczego (') czy podwójnego (") cudzysłowu.

x <- 'Raz' # kiedy nie używamy funkcji c() to również tworzymy wektor
length(x) # o długości 1, co można sprawdzić funkcją length()
[1] 1
y <- c(x, 'Dwa', 'Trzy') # możemy dodawać do siebie wektory za pomocą funkcji c()
y
[1] "Raz"  "Dwa"  "Trzy"
# stwórzmy więc wektor z powtórzonego dwukrotnie wektora x oraz dwukrotnie wektora y
z <- c(x,x,y,y) 
z
[1] "Raz"  "Raz"  "Raz"  "Dwa"  "Trzy" "Raz"  "Dwa"  "Trzy"
length(z) # ma on długość 1+1+3+3 czyli 8
[1] 8
class(z) # sprawdźmy, czy rzeczywiście nasza zmienna jest typu character
[1] "character"
class(class(z)) # i sprawdźmy jakiego typu wartość zwraca funkcja class
[1] "character"

factor

factor jest typem bardzo podobnym do character, z tą różnicą, że przechowuje dodatkowe informacje. Istotą tego typu jest to, że przechowuje on nie tylko wartości, ale również informacje o możliwych wartościach danej zmiennej. Z tego względu swietnie nadaje się do przechowywania danych nominalnych takich jak płeć, wykształcenie, status socjoekonomiczny, itp.

Stwórzmy wektor typu character, w którym przechowywać będziemy informacje o wykształceniu:

# wektor typu character z wykształceniem
edu <- c('Wyższe', 'Średnie', 'Średnie', 'Wyższe', 'Wyższe', "Podstawowe", 'Średnie')

Za pomocą funkcji table może policzyć, ile wystąpień poszczególnych wartości znajduje się w naszym wektorze:

table(edu) # podstawowa tabela z liczbą wystapień
edu
Podstawowe    Średnie     Wyższe 
         1          3          3

Dygresja: funkcje str i summary

W R dostępne są dwie uniwersalne funkcje, za pomocą których możemy uzyskać podstawowe informacje na temat tego, co przechowuje nasza zmienna. Warto o nich pamiętać!

# funkcja str zwraca podstawowe informacje o obiekcie,
# który jej przekazujemy w argumencie - tutaj typ, dlugość i 5 wartości
str(edu) 
 chr [1:7] "Wyższe" "Średnie" "Średnie" "Wyższe" "Wyższe" "Podstawowe" ...
summary(edu)
   Length  N.unique   N.blank Min.nchar Max.nchar 
        7         3         0         6        10

Z wektora typu character możemy stworzyć factor za pomocą funkcji factor. Funkcja ta przyjmuje trzy argumenty:

factor(dane, levels = c("level 1", "level2", ...), ordered = T/F)
  • dane - wektor typu character z danymi
  • levels - wektor typu character zawierający poziomy (możliwe wartości) naszej zmiennej
  • ordered - wektor typu logical (TRUE lub FALSE) mówiący, czy poziomy naszej zmiennej są uporządkowane
edu_factor <- factor(edu,
                    levels = c('Podstawowe', 'Gimnazjalne',
                               'Średnie', 'Wyższe'),
                    ordered = TRUE)

Kiedy na naszej nowej zmiennej wywołamy funkcję table zobaczymy, że w tabeli ze zliczeniami ujęte będzie również wykształcenie gimnazjalne, którego nie ma w naszym wektorze z danymi.

table(edu_factor) 
edu_factor
 Podstawowe Gimnazjalne     Średnie      Wyższe 
          1           0           3           3

Warto również prześledzić, co w przypadku zmiennej typu factor zwracają znane nam funkcje str i summary.

# funkcja str mówi nam, że mamy do czynienia
# z uporzadkowanym (ordered) factorem z czterema poziomami
str(edu_factor) 
 Ord.factor w/ 4 levels "Podstawowe"<"Gimnazjalne"<..: 4 3 3 4 4 1 3
# a funkcja summary zwraca tabelkę podobną do funkcji `table`
summary(edu_factor) 
 Podstawowe Gimnazjalne     Średnie      Wyższe 
          1           0           3           3