R语言如何获取指定位置的数据

这篇文章主要介绍了R语言如何获取指定位置的数据，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

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

				?

									> 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：

				?

									> 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：

				?

									> 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：

				?

									> 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：

				?

									> 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：

				?

									> 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：

				?

									> 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

				?

									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：

				?

									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]