1.3.5　数据集

数据集与1.3.2节矩阵一样都是具有行及列的二维结构，但是数据集允许各纵向字段有不同的数据类型，它类似其他统计软件SAS、SPSS与Stata中的数据集（data set或dataset），以及Python语言pandas包的DataFrame对象（参见1.4.2节Python语言衍生数据对象取值），也是我们在R中最常遇到的数据对象。套件{UsingR}中有一个数据集对象crime，它是美国50州的暴力犯罪率数据。

因为都是二维结构，所以数据集外表上与矩阵看来非常相似。但是数据集本质上是以列表方式存储的，也就是说，数据集是各列向量（即各变量）均等长的列表结构，因此可用矩阵的方式来呈现。

names()函数将crime视为一维列表返回其元素名称，因此，数据分析师经常以此取得数据集的变量名称。dimnames()则返回crime矩阵下的行名与列名，反而比较少用。

前述数据集各字段都是数值类型，因此也可以存为matrix，两者显示的结果完全相同，因此建议读者要认真查看数据对象的类型，以避免使用R函数时传入不正确的类型，产生不必要的错误，Python语言亦是如此。

再举一个各纵向字段有不同数据类型的R数据集，套件{MASS}中有一数据集Cars，它记录了93种汽车于1993年在美国的销售量，从str()函数返回的结果，我们可以看出其域类型有因子、整数及数值型等。

此时将Cars93转为matrix类型时，会把值类型的字段变成字符串类型（有双引号），我们要注意前述数据类型在后台自动（强制）转换的现象。

·　数据集创建函数是data.frame()，语法如下：

mydata<-data.frame（域名1=向量1,域名2=向量2,…）

从上例中可以看出，数据集字段若未给定名称，R语言会根据传入的向量名称自动产生各域名。此外，建立数据集时，默认会将字符串变量转为因子变量（或称因子向量）（参见1.3.6节因子），用户如果需要保留字符串类型，可以通过参数stringsAsFactors=F改变默认的设定。