R语言-获取指定位置的数据
R中采用数据对象+[ , ]的方式获取对应位置的数据，根据填入索引参数的不同类型可具体分为：
正整数、负整数、零、空格、逻辑值、名称
|
1
2
3
4
5
6
|
> matrix [,1] [,2] [,3] [,4] [,5][1,] 1 5 9 13 17[2,] 2 6 10 14 18[3,] 3 7 11 15 19[4,] 4 8 12 16 20 |
1.正整数索引
因为R中的起始位置为1，与一般的编程语言不同，所以这类索引最为常见。
需要注意的是，如果索引中存在重复值，R会继续执行进而重复提取部分值，如：
|
1
2
3
4
|
> matrix[c(1,1),1:5] [,1] [,2] [,3] [,4] [,5][1,] 1 5 9 13 17[2,] 1 5 9 13 17 |
2.负整数索引
使用负整数索引与正整数正好相反，R会返回不包含在负整数对应位置的元素，当需要选取的行或列很多时，用这个索引会更快捷。
需要注意，正整数索引与负整数索引可以同时出现在不同索引位置，但不能同时出现在同一位置，否则将报错，具体如下：
|
1
2
3
4
|
> matrix[c(-1,-1),1][1] 2 3 4> matrix[c(-1,1),1]Error in matrix[c(-1, 1), 1] : only 0's may be mixed with negative subscripts |
3.零索引
零索引的存在说实话并没有什么意义，很有可能是设计师为了防止很多程序员无法避开从0开始计数而经常导致error的一种保护措施而已。使用情况如下：
|
1
2
3
4
|
> matrix[1,0]integer(0)> matrix[0,0]<0 x 0 matrix> |
4.空格索引
空格表示提取该索引位置所对应的所有维度，但不写空格效果也一样，具体如下：
|
1
2
3
4
|
> matrix[1,][1] 1 5 9 13 17> matrix[1, ][1] 1 5 9 13 17 |
5.逻辑值索引
当提供的索引位置是一个包含TRUE和FALSE逻辑值的向量，那么R会匹配出索引值为TRUE的列，并取出相应元素。
使用这种方法，需要向量长度与索引位置的维度相同，否则就达不到需要的效果，具体如下：
|
1
2
|
> matrix[c(T,F,F,F),][1] 1 5 9 13 17 |
这种方式看似笨重，但在特殊情况下作用十分明显
6.名称索引
当被索引的对象有名称属性，就可以采用名称作为索引提取相关元素，这是提取列的常用方法，因为列总会有名称，具体如下：
|
1
2
3
|
> colnames(matrix)<-c("a","b","c","d","e")> matrix[,"b"][1] 5 6 7 8 |
补充：R语言获取特定时间段的数据
获取特定时间段的表格数据方法：
1. 方法一：正则表达式
|
1
2
3
4
5
6
7
8
|
data <- read.csv('F:/data.csv')date <- as.Date(data$Date)#获取2018-3-1到2018-3-10之间的第3-5列数据subT <- date[(format(date,format = "%Y")=="2018"&as.numeric(format(date,format = "%m"))=="3" &as.numeric(format(date,format = "%d"))>=1&as.numeric(format(date,format = "%d"))<=10),3:5]#对2018-3-1到2018-3-10之间第3-5列的数据进行按列求平均值mean <- apply(subT,2, mean) |
2. 方法二：
|
1
2
3
4
5
|
date1 <- as.POSIXct(paste("2018-3-1","08:00:00"))date2 <- as.POSIXct(paste("2018-3-1","17:00:00"))int <- interval(date1, date2)#获取2018-3-1 08:00:00到2018-3-1 17:00:00之间的第3-5列数据subT <- data[ymd_hms(data$Date) %within% int,3:5] |
注意：
1. within判断数据是否在该时间段之内，其中包括起始时间，不包括末尾时间。
2.paste0(num_year[y],'_',m,'_1') 实现字符串的合并，其中m，num_year[y]为变量。
paste拼接时有空格，paste0无空格
以上为个人经验，希望能给大家一个参考，也希望大家多多支持服务器之家。如有错误或未考虑完全的地方，望不吝赐教。
原文链接：https://blog.csdn.net/xiaohukun/article/details/76048042
