7 Złożone obiekty

W rozdziale 5 omówiono wektory atomowe, które są obiektami jednowymiarowymi zawierającymi tylko jeden typ danych. Ten rozdział jest poświęcony pozostałymi trzema podstawowymi klasami obiektów w R - macierzami, ramkami danych i listami (sekcje 7.1, 7.2, i 7.3).

7.1 Macierze

Macierze (ang. matrix), podobnie jak wektory, są obiektami homogenicznymi - jedna macierz może przyjmować dane tylko jednego typu. Od wektorów różnią się jednak tym, że są dwuwymiarowe - wartości ułożone są w kolejnych wierszach i kolumnach. Macierze są używane do różnorodnych obliczeń matematycznych i statystycznych. W uproszczeniu można o nich myśleć jako o reprezentacji komputerowej zdjęcia lub mapy.

W R istnieją też wielowymiarowe obiekty podobne do macierzy zwane matrycami (ang. array).

7.1.1 Tworzenie

Tworzenie macierzy odbywa się poprzez użycie funkcji matrix(), która przyjmuje wartości wektora jako pierwszy argument, a następnie informacje o wymiarach w postaci liczby wierszy (nrow) i liczby kolumn (ncol).

macierz1 = matrix(1:12, nrow = 4, ncol = 3)
macierz1
#>      [,1] [,2] [,3]
#> [1,]    1    5    9
#> [2,]    2    6   10
#> [3,]    3    7   11
#> [4,]    4    8   12

Domyślnie w R wartości wpisywane są do macierzy do kolejnych kolumn startując od lewej strony. Możliwe jest jednak ustawienie argumentu byrow = TRUE co powoduje wpisywanie podanych wartości dla kolejnych wierszy zamiast kolejnych kolumn.

macierz2 = matrix(1:12, nrow = 4, ncol = 3, byrow = TRUE)
macierz2
#>      [,1] [,2] [,3]
#> [1,]    1    2    3
#> [2,]    4    5    6
#> [3,]    7    8    9
#> [4,]   10   11   12

7.1.2 Podstawowe funkcje

Sprawdzenie jakiej klasy jest podany obiekt odbywa się używając funkcji class().

class(macierz2)
#> [1] "matrix" "array"

Więcej informacji na temat obiektu można poznać używając funkcji str(). Jej działanie na macierzy jest bardzo podobne do wyniku na wektorach (zobacz sekcję 5.3) - wyświetlony zostaje typ obiektu (np. int), jego wymiary (np. [1:4, 1:3]) i kilka przykładowych wartości (np. 1 4 7 10 2 5 8 11 3 6).

str(macierz2)
#>  int [1:4, 1:3] 1 4 7 10 2 5 8 11 3 6 ...

Macierz może przyjmować tylko jeden typ obiektów, co można sprawdzić używając funkcji typeof().

typeof(macierz2)
#> [1] "integer"

Wektory atomowe mają tylko jeden wymiar więc ich długość oznacza liczbę elementów i może być sprawdzona używając funkcji length(). W przypadku macierzy możliwe jest dodatkowo sprawdzenie liczby występujących wierszy (nrow) i kolumn (ncol).

nrow(macierz2)
#> [1] 4
ncol(macierz2)
#> [1] 3

Domyślnie macierze nie zawierają nazw kolumn ani wierszy.

colnames(macierz2)
#> NULL

Sprawdzenie czy dodanie nazw kolumn jest jednak możliwe używając funkcji colnames(). Może to pozwolić w przyszłości na wydzielanie konkretnych wartości na podstawie nazw kolumn.

colnames(macierz2) = c("a", "b", "c")
macierz2
#>       a  b  c
#> [1,]  1  2  3
#> [2,]  4  5  6
#> [3,]  7  8  9
#> [4,] 10 11 12
colnames(macierz2)
#> [1] "a" "b" "c"

7.1.3 Wydzielanie

Podobnie jak w przypadku wektorów (rozdział 5), macierze można wydzielać używając operatora []. W tym wypadku odbywa się to jednak w oparciu o dwa indeksy - jeden dla wiersza, drugi dla kolumny - [wiersz, kolumna].

Przykładowo, poniżej zostaną wybrane tylko wartości znajdujące się w pierwszy i drugim wierszy oraz pierwszej i trzeciej kolumnie.

macierz2[c(1, 2), c(1, 3)]
#>      a c
#> [1,] 1 3
#> [2,] 4 6

Do wydzielania macierzy czy ramek danych też często przydatne jest używanie elementu pustego. Pozwala on na wybór wszystkich wartości w danym wymiarze. Na poniższy przykładzie zostały wybrane wiersze jeden i dwa oraz, z uwagi na element pusty, wszystkie kolumny.

macierz2[c(1, 2), ]
#>      a b c
#> [1,] 1 2 3
#> [2,] 4 5 6

Element pusty można też zastosować do wybrania wszystkich wierszy.

macierz2[, c(1, 3)]
#>       a  c
#> [1,]  1  3
#> [2,]  4  6
#> [3,]  7  9
#> [4,] 10 12

Wszystkie pozostałe sposoby wydzielania opisane dla wektorów w sekcji 5.6 działają również na macierzach. Możliwe jest więc używanie wektora logicznego czy nazw kolumn.

macierz2[, c(TRUE, FALSE, TRUE)]
#>       a  c
#> [1,]  1  3
#> [2,]  4  6
#> [3,]  7  9
#> [4,] 10 12
macierz2[, c("a", "c")]
#>       a  c
#> [1,]  1  3
#> [2,]  4  6
#> [3,]  7  9
#> [4,] 10 12

7.1.4 Łączenie

Łączenie wektorów odbywa się używając jednej funkcji c(). W przypadku macierzy występują jednak dwa wymiary - możliwe jest połączenie macierzy wierszami lub kolumnami. W efekcie istnieją do tego dwie oddzielne funkcje rbind() i cbind().

Pierwsza z nich łączy macierze wierszami, a liczba kolumn pozostaje niezmieniona.

macierz3 = rbind(macierz1, macierz2)
macierz3
#>       a  b  c
#> [1,]  1  5  9
#> [2,]  2  6 10
#> [3,]  3  7 11
#> [4,]  4  8 12
#> [5,]  1  2  3
#> [6,]  4  5  6
#> [7,]  7  8  9
#> [8,] 10 11 12

Druga dokleja obiekty kolumnami bez zmiany liczby wierszy.

macierz4 = cbind(macierz1, macierz2)
macierz4
#>              a  b  c
#> [1,] 1 5  9  1  2  3
#> [2,] 2 6 10  4  5  6
#> [3,] 3 7 11  7  8  9
#> [4,] 4 8 12 10 11 12
W przypadku, gdy chcemy połączyć kilka wektorów różnych typów działają dokładnie takie same reguły jak w przypadku wektorów atomowych (sekcja 5.9).

7.2 Ramki danych

Ramki danych (ang. data frame) mają dużo podobieństw z macierzami. Są to obiekty dwuwymiarowe, składające się z kolumn i wierszy. Główną różnicą pomiędzy macierzą a ramką danych jest to, że pierwsza z nich przyjmuje tylko dane jednego typu, podczas gdy druga może się składać z danych rożnych typów.

Ramka danych jest zbudowana z kolumn (wektorów) o równej długości. Ten typ obiektu jest głównie wykorzystywany do różnorodnej analizy danych. Ramki danych przypominają w swojej strukturze arkusze kalkulacyjne czy bazy danych.

7.2.1 Tworzenie

Stworzenie nowej ramki danych możliwe jest używając funkcji data.frame(), w której podawane są nazwy kolejnych kolumn (np. wek_log) oraz ich wartości (np. c(TRUE, FALSE, FALSE)).

ramka1 = data.frame(wek_log = c(TRUE, FALSE, FALSE),
                    wek_cal = c(5L, -7L, 12L), 
                    wek_zmi = c(5.3, -7.1, 1.1), 
                    wek_zna = c("kot", "pies", "nosorożec"))
ramka1
#>   wek_log wek_cal wek_zmi   wek_zna
#> 1    TRUE       5     5.3       kot
#> 2   FALSE      -7    -7.1      pies
#> 3   FALSE      12     1.1 nosorożec

W powyższym przykładzie, ramka1 składa się z czterech kolumn o długości trzy. Każda z tych kolumn ma inny typ - logiczny, liczby całkowitej, liczby zmiennoprzecinkowej oraz znakowy.

Obiekty klasy ramka danych są też zazwyczaj wynikiem wczytywania zewnętrznych plików do R, np. w formacie .csv czy .xlsx. Więcej informacji na ten temat można znaleźć w rozdziale 9.

7.2.2 Podstawowe funkcje

Oficjalnie klasa ramki danych jest określana jako data.frame.

class(ramka1)
#> [1] "data.frame"

Sprawdzenie struktury ramki danych pozwala na szybkie poznanie kilku rożnych cech wejściowego obiektu. Pierwszą informacją jest klasa obiektu (data.frame), liczba wierszy (3 obs. - trzy obserwacje) i liczba kolumn (4 variables - cztery zmienne). Następnie, dla kolejnych kolumn są określane ich nazwy, typy danych oraz przykładowe wartości.

str(ramka1)
#> 'data.frame':    3 obs. of  4 variables:
#>  $ wek_log: logi  TRUE FALSE FALSE
#>  $ wek_cal: int  5 -7 12
#>  $ wek_zmi: num  5.3 -7.1 1.1
#>  $ wek_zna: chr  "kot" "pies" "nosorożec"

Podobnie jak w przypadku macierzy, ramki danych mają dwa wymiary, których długość można sprawdzić używając funkcji nrow i ncol.

nrow(ramka1)
#> [1] 3
ncol(ramka1)
#> [1] 4

W przeciwieństwie jednak do macierzy, ramki danych zawsze posiadają nazwy kolumn.

colnames(ramka1)
#> [1] "wek_log" "wek_cal" "wek_zmi" "wek_zna"

Ich zmiana również jest możliwa używając funkcji colnames().

colnames(ramka1) = c("log", "cal", "zmi", "zna")
ramka1
#>     log cal  zmi       zna
#> 1  TRUE   5  5.3       kot
#> 2 FALSE  -7 -7.1      pies
#> 3 FALSE  12  1.1 nosorożec
colnames(ramka1)
#> [1] "log" "cal" "zmi" "zna"

7.2.3 Wydzielanie

Do wydzielania elementów z ramki danych może służyć kilka narzędzi, między innymi, operator $, operator [] oraz funkcja subset().

Operator $ pozwala na wybranie zmiennej (kolumny) na podstawie jej nazwy.

ramka1$zmi
#> [1]  5.3 -7.1  1.1
ramka1$zna
#> [1] "kot"       "pies"      "nosorożec"

W efekcie otrzymywany jest jednak inna klasa - w powyższych przykładach są to wektory.

W przypadku ramek danych operator [] wymaga podania dwóch argumentów - jednego dla wierszy (obserwacji) oraz jednego dla kolumn (zmiennych) - [wiersze, kolumny].

ramka1[c(1, 3), c(1, 2)]
#>     log cal
#> 1  TRUE   5
#> 3 FALSE  12

Do wydzielania można też wykorzystać operatory logiczne: ==, %in%, !=, >, >=, <, <=, &, |.

ramka1[ramka1$zmi > 0, c(1, 3)]
#>     log zmi
#> 1  TRUE 5.3
#> 3 FALSE 1.1

Powyżej wybrano tylko pierwszą i trzecią kolumnę oraz wiersze, dla których kolumna zmi miała wartość wyższą niż 0.

Zapytania też można łączyć, np. wybierając tylko te wiersze gdzie wartość cal jest wyższa niż 6 lub niższa niż -6.

ramka1[ramka1$cal > 6 | ramka1$cal < -6, ]
#>     log cal  zmi       zna
#> 2 FALSE  -7 -7.1      pies
#> 3 FALSE  12  1.1 nosorożec

Poniżej wybrano natomiast wszystkie kolumny, ale tylko wiersz gdzie zmienna zna przyjęła wartość "kot".

ramka1[ramka1$zna == "kot", ]
#>    log cal zmi zna
#> 1 TRUE   5 5.3 kot

Aby wybrać więcej niż jedną zmienną należy użyć funkcji %in%.

ramka1[ramka1$zna %in% c("kot", "pies"), ]
#>     log cal  zmi  zna
#> 1  TRUE   5  5.3  kot
#> 2 FALSE  -7 -7.1 pies

Alternatywą do wydzielania ramek danych na podstawie zapytania logicznego jest użycie funkcji subset(). Używając tej funkcji powyższe zapytanie można przestawić jako:

subset(ramka1, zna %in% c("kot", "pies"))
#>     log cal  zmi  zna
#> 1  TRUE   5  5.3  kot
#> 2 FALSE  -7 -7.1 pies
Podobnie jak w przypadku wektorów (sekcje 5.7 i 5.8), wydzielanie ramek danych może służyć do wyświetlenia wybranych wartości, ale też ich wydzielenia i przypisania oraz modyfikowania.

7.2.4 Łączenie

Łączenie ramek danych przypomina łączenie macierzy używając funkcji rbind() i cbind(). Jednocześnie należy pamiętać, że łączenie wierszy (rbind()) wymaga posiadania kolumn o tych samych nazwach w obu obiektach.

ramka2 = data.frame(log = TRUE, cal = 2L, zmi = 2.3, zna = "żółw")
ramka2
#>    log cal zmi  zna
#> 1 TRUE   2 2.3 żółw

rbind(ramka1, ramka2)
#>     log cal  zmi       zna
#> 1  TRUE   5  5.3       kot
#> 2 FALSE  -7 -7.1      pies
#> 3 FALSE  12  1.1 nosorożec
#> 4  TRUE   2  2.3      żółw

Ograniczeniem łącznia kolumn jest posiadanie tej samej długości każdej kolumny.

ramka3 = data.frame(zmi2 = c(4.3, 2.6, 7.4))
ramka3
#>   zmi2
#> 1  4.3
#> 2  2.6
#> 3  7.4

cbind(ramka1, ramka3)
#>     log cal  zmi       zna zmi2
#> 1  TRUE   5  5.3       kot  4.3
#> 2 FALSE  -7 -7.1      pies  2.6
#> 3 FALSE  12  1.1 nosorożec  7.4
Funkcje rbind() i cbind() łączą obiekty nie zmieniając kolejności występujących w nich wartości. Bardziej zaawansowanymi sposobami łączenia ramek danych są różnorodne operacje łączenia (ang. joins), np. left_join() czy inner_join() z pakietu dplyr. Więcej na ten temat można znaleźć w rozdziale “Relational data” książki Advanced R (Wickham 2014).

7.3 Listy

Ostatnią podstawową klasą obiektów w R są listy (ang. list). Ta klasa pozwala na przechowywanie obiektów o różnych typach i różnej długości.

7.3.1 Tworzenie

Do tworzenia list służy funkcja list(), która przyjmuje jako argumenty kolejne obiekty, które mają się w niej znaleźć.

lista1 = list(c(TRUE, FALSE), 
              c(5L, -7L),
              c(5.3), 
              c("kot", "pies", "nosorożec"))
lista1
#> [[1]]
#> [1]  TRUE FALSE
#> 
#> [[2]]
#> [1]  5 -7
#> 
#> [[3]]
#> [1] 5.3
#> 
#> [[4]]
#> [1] "kot"       "pies"      "nosorożec"

Przykładowa powyższa lista składa się z czterech elementów, o długości jeden, dwa lub trzy, i o różnorodnych typach danych.

Inną ważną właściwością list jest możliwość ich zagnieżdżania - jedna lista może przechowywać kolejną, która jest w stanie przechowywać następną… Z tego powodu listy są czasami nazywane wektorami rekurencyjnymi.

zlozona_lista1 = list(list(list(lista1)))
str(zlozona_lista1)
#> List of 1
#>  $ :List of 1
#>   ..$ :List of 1
#>   .. ..$ :List of 4
#>   .. .. ..$ : logi [1:2] TRUE FALSE
#>   .. .. ..$ : int [1:2] 5 -7
#>   .. .. ..$ : num 5.3
#>   .. .. ..$ : chr [1:3] "kot" "pies" "nosorożec"

7.3.2 Podstawowe funkcje

Listy są przedstawiane jako klasa list.

class(lista1)
#> [1] "list"

W ich wypadku funkcja str() wyświetla klasę (List), liczbę elementów w liście (4) oraz wypisuje kolejne elementy listy, ich typy, wymiary i przykładowe wartości.

str(lista1)
#> List of 4
#>  $ : logi [1:2] TRUE FALSE
#>  $ : int [1:2] 5 -7
#>  $ : num 5.3
#>  $ : chr [1:3] "kot" "pies" "nosorożec"

Listy nie zawierają wierszy czy kolumn, dlatego do sprawdzenia liczby elementów w liście służy tylko funkcja length().

length(lista1)
#> [1] 4

Kolejne elementy znajdujące się w liście mogą przyjmować wybrane nazwy. Można je sprawdzić czy zmienić używając funkcji names().

names(lista1) = c("log", "cal", "zmi", "zna")
lista1
#> $log
#> [1]  TRUE FALSE
#> 
#> $cal
#> [1]  5 -7
#> 
#> $zmi
#> [1] 5.3
#> 
#> $zna
#> [1] "kot"       "pies"      "nosorożec"
names(lista1)
#> [1] "log" "cal" "zmi" "zna"

7.3.3 Łączenie

Łączenie list może odbywać się na dwa podstawowe sposoby. W pierwszym, używając funkcji c() następuje dołączenie elementów jednej listy do drugiej.

lista2 = c(lista1, lista1)
str(lista2)
#> List of 8
#>  $ log: logi [1:2] TRUE FALSE
#>  $ cal: int [1:2] 5 -7
#>  $ zmi: num 5.3
#>  $ zna: chr [1:3] "kot" "pies" "nosorożec"
#>  $ log: logi [1:2] TRUE FALSE
#>  $ cal: int [1:2] 5 -7
#>  $ zmi: num 5.3
#>  $ zna: chr [1:3] "kot" "pies" "nosorożec"

Efektem nadal jest jedna lista, ale składająca się z większej liczby elementów.

Drugim sposobem jest użycie funkcji list(). W tym przypadku tworzona jest nowa, nadrzędna lista, która zawiera dwie wcześniejsze listy.

lista3 = list(lista1, lista1)
str(lista3)
#> List of 2
#>  $ :List of 4
#>   ..$ log: logi [1:2] TRUE FALSE
#>   ..$ cal: int [1:2] 5 -7
#>   ..$ zmi: num 5.3
#>   ..$ zna: chr [1:3] "kot" "pies" "nosorożec"
#>  $ :List of 4
#>   ..$ log: logi [1:2] TRUE FALSE
#>   ..$ cal: int [1:2] 5 -7
#>   ..$ zmi: num 5.3
#>   ..$ zna: chr [1:3] "kot" "pies" "nosorożec"

7.3.4 Wydzielanie

Wydzielanie list może mieć miejsce używając jednego z trzech operatorów - [], [[]], oraz $.

Operator [] wydziela wybrane elementy z listy, ale jednocześnie dalej zwraca w wyniku obiekt klasy lista. Wyobraź sobie, że masz torbę zawierający cztery przedmioty (listę zawierającą cztery elementy) i chcesz zostawić w plecaku tylko pierwszy i drugi z nich.

lista4 = lista1[c(1, 2)]
lista4
#> $log
#> [1]  TRUE FALSE
#> 
#> $cal
#> [1]  5 -7
str(lista4)
#> List of 2
#>  $ log: logi [1:2] TRUE FALSE
#>  $ cal: int [1:2] 5 -7

W efekcie wynikowy obiekt nadal jest listą, ale z mniejszą liczbą elementów.

Do wydobycia wartości z listy służą operatory [[]] oraz $. Pierwszy z nich wydobywa wartości na podstawie ich położenia i w efekcie otrzymywany jest obiekt znajdujący się wewnątrz listy. W poniższym przykładzie, wydzielany jest czwarty element z obiektu lista1.

lista5 = lista1[[4]]
lista5
#> [1] "kot"       "pies"      "nosorożec"
str(lista5)
#>  chr [1:3] "kot" "pies" "nosorożec"

Czwarty element w lista1 jest wektorem znakowym o długości trzy. W przypadku, gdy wybrany element listy jest innej klasy to jest on również zwracany. Poniżej drugi element listy3 jest również listą - wyobraź to sobie jako wyciągnięcie jednej torby, która znajduje się wewnątrz innej.

lista6 = lista3[[2]]
lista6
#> $log
#> [1]  TRUE FALSE
#> 
#> $cal
#> [1]  5 -7
#> 
#> $zmi
#> [1] 5.3
#> 
#> $zna
#> [1] "kot"       "pies"      "nosorożec"
str(lista6)
#> List of 4
#>  $ log: logi [1:2] TRUE FALSE
#>  $ cal: int [1:2] 5 -7
#>  $ zmi: num 5.3
#>  $ zna: chr [1:3] "kot" "pies" "nosorożec"

Ostatni operator, $, wydziela wartości na podstawie ich nazw.

lista1$zna
#> [1] "kot"       "pies"      "nosorożec"

7.4 Zmiany klas

R ma też szereg pomocniczych służących do zmian istniejących klas. Te funkcje rozpoczynają się od as. a następnie zawierają nazwę klasy do której chcemy przetworzyć wejściowy obiekt, np. as.vector(), as.matrix(), as.data.frame(), as.list().

Działanie tych funkcji jednak jest bardzo różne w zależności o klasy wejściowego obiektu. Zobaczmy to na przykładzie obiektu macierz1.

macierz1
#>      [,1] [,2] [,3]
#> [1,]    1    5    9
#> [2,]    2    6   10
#> [3,]    3    7   11
#> [4,]    4    8   12
class(macierz1)
#> [1] "matrix" "array"

Jego zamiana na ramkę danych odbywa się używając funkcji as.data.frame(). W efekcie nowy obiekt ma takie same wymiary (cztery wiersze i trzy kolumny) oraz te same wartości. Zauważalną zmianą jest jednak automatyczne dodane nazw wierszy (1, 2, 3, 4) i nazw kolumn (V1, V2, V3).

ramka_z_m1 = as.data.frame(macierz1)
ramka_z_m1
#>   V1 V2 V3
#> 1  1  5  9
#> 2  2  6 10
#> 3  3  7 11
#> 4  4  8 12
class(ramka_z_m1)
#> [1] "data.frame"

Zupełnie inny efekt będzie miało natomiast zamienienie macierzy i ramki danych na listy.

lista_z_m1 = as.list(macierz1)
lista_z_r1 = as.list(ramka_z_m1)

W pierwszym przypadku powstanie lista zawierająca dwanaście elementów.

str(lista_z_m1)
#> List of 12
#>  $ : int 1
#>  $ : int 2
#>  $ : int 3
#>  $ : int 4
#>  $ : int 5
#>  $ : int 6
#>  $ : int 7
#>  $ : int 8
#>  $ : int 9
#>  $ : int 10
#>  $ : int 11
#>  $ : int 12

W drugim przypadku efektem będzie lista składająca się z trzech wektorów, które reprezentują kolejne kolumny z poprzedniej ramki danych.

str(lista_z_r1)
#> List of 3
#>  $ V1: int [1:4] 1 2 3 4
#>  $ V2: int [1:4] 5 6 7 8
#>  $ V3: int [1:4] 9 10 11 12

7.5 Inne klasy obiektów

W tym oraz 5 rozdziale zostały wymienione i opisane cztery podstawowe klasy obiektów w R - wektory atomowe, macierze, listy i ramki danych. R zawiera jednak znacznie więcej klas obiektów, a co więcej - każda osoba może stworzyć swoją własną klasę obiektów (sekcja 10.3).

Poniżej zostały stworzone trzy nowe wektory - znakowy (wek_tkt), numeryczny (wek_num) i dat (wek_dat).

wek_tkt = c("kot", "pies", "nosorożec")
wek_num = c(4, 6, 8)
wek_dat = as.Date(c("2019-04-10", "2019-04-12", "2019-04-14"))

Czy można na nich wyliczyć średnią w ten sam sposób? Raczej nie - wyliczenie średniej z tekstu nie jest jednoznacznie możliwe, wyliczenie średniej z wartości numerycznych powinno dać wartość numeryczną, a wyliczenie średniej z dat - również datę.

mean(wek_tkt)
#> Warning in mean.default(wek_tkt): argument is not
#> numeric or logical: returning NA
#> [1] NA
mean(wek_num)
#> [1] 6
mean(wek_dat)
#> [1] "2019-04-12"

Powyższe wyniki są poprawne, ale każdy z nich zwraca inny rodzaj wyniku. Jest to możliwe dzięki tzw. metodom (ang. methods). Metoda to sposób w jaki zachowuje się funkcja w zależności od tego jakiej klasy będzie obiekt wejściowy.

methods(mean)
#> [1] mean.Date     mean.default  mean.difftime
#> [4] mean.POSIXct  mean.POSIXlt  mean.quosure*
#> see '?methods' for accessing help and source code

Przykładowo, funkcja mean() ma kilka metod:

  • .Date - obsługującą daty
  • .difftime - obsługującą czas trwania
  • .POSIXct oraz .POSIXlt - obsługujące czas
  • .default - domyślna metoda

W momencie, gdy funkcja otrzyma jakiś obiekt, sprawdzana jest jego klasa i jeżeli istnieje metoda dla tego obiektu to wówczas jest ona używana. Natomiast w sytuacji, gdy dla danej klasy obiektu nie ma istniejącej metody, używana jest domyślna metoda (.default).

Jak widać w powyższym przykładzie, nowe klasy obiektów oraz nowe metody są tworzone, aby ułatwić pracę na innych niż domyślne strukturach danych.

7.6 Zadania

  1. Stwórz trzy nowe macierze - ma1, ma2, ma3 - składające się z trzech wierszy i czterech kolumn. Macierz ma1 powinna zawierać wartości od 0 do 11, cała macierz ma2 powinna składać się tylko z wartości 2, a macierz ma3 powinna zawierać losowe wartości od 1 do 3 (w stworzeniu losowych wartości może pomóc funkcja sample()).
  2. Wykonaj podstawowe operacje, takie jak dodawanie, odejmowanie, mnożenie i dzielenie używając macierzy ma1 oraz ma2, a następnie macierzy ma1 i ma3. Co jest efektem tych obliczeń? W jaki sposób działania arytmetyczne są wykonywane na macierzach w R?
  3. Wydziel tylko pierwszy wiersz i ostatnią kolumnę macierzy ma1.
  4. Znajdź wartości macierzy ma3, które są większe niż 2.
  5. Połącz kolumnami macierz ma1 i macierz ma3 tworząc nowy obiekt ma4
  6. Stwórz nową ramkę danych, ra1, która składa się z dwóch kolumn i trzech wierszy. Pierwsza kolumna data zawiera datę z dziś, wczoraj i przedwczoraj, a kolumna miasto zawiera nazwę miasta w którym się właśnie znajdujesz.
  7. Stwórz nową ramkę danych, ra2, która również składa się z dwóch kolumn i trzech wierszy. Kolumna tmin zawiera wartości 5.3, 4.6, 2.9, a kolumna tmax zawiera wartości 11.1, 14.6, 9.
  8. Połącz dwie stworzone ramki danych ra1 i ra2 tworząc obiekt ra3. Używając obiektu ra3 wylicz średnią temperaturę dla każdego wiersza i wpisz ją w nową kolumnę tmean.
  9. Zmień nazwę kolumny zawierającej wartości temperatury maksymalnej w obiekcie ra3 na "tmaks", a kolumny zawierającej wartości temperatury średniej na "tsr".
  10. Wyświetl tylko te daty dla których średnia temperatura była wyższa niż 8.
  11. Stwórz nową listę, li1, która zawiera trzy elementy. Pierwszy element to wektor liczb od 10 do 0, drugi element to obiekt ma4, a trzeci element to obiekt ra3.
  12. Wydziel z tej listy pierwszy element i nazwij go wektor_l.
  13. Wylicz średnią wartość z kolumny "tsr" z trzeciego elementu listy.
  14. Zamień obiekt ramka1 utworzony w tym rozdziale na macierz. Co jest efektem zamiany klasy?

Bibliografia

Wickham, Hadley. 2014. Advanced R. Chapman and Hall/CRC.