Liz's Blog

就是要學R #4:List 列表篇

| Comments

TGIF!慶祝星期五,今天來點簡單的吧~其實是接下來幾天有別的事要忙,所以會將學習的時間縮短些。學完List列表篇,加上前面的基礎篇矩陣篇資料框架篇,就算對R有稍微的認識囉!

Udemy
課程名稱:Data Science and Machine Learning Bootcamp with R
講師:Jose Portilla

1.list()列表可以把所有的資料結構組合在一起

vector <- c(1,2,3,4,5)
matrix <- matrix(1:8,nrow=2)
df <- ToothGrowth

list <- list(vector,matrix,df)
list

2.幫列表內的每個項目命名

li <- list(demo_v = vector, demo_m = matrix, demo_df = df)
li

3.選擇列表內的物件

li[2]                        
li['demo_m']
class(li['demo_m'])             #注意這裡單括號會得到list的結果
class(li[['demo_m']])           #注意這裡使用雙括號會得到matrix的結果
li[['demo_m']]
li$demo_m

li[['demo_v']][2]
li[['demo_m']]
li[['demo_m']][1,]
li[['demo_m']][1:2,2:3]
li[['demo_df']]['dose']

4.結合兩個list

double_li <- c(li,li)
double_li

str(double_li)

【延伸閱讀】
1.就是要學R #1:Basic 基礎篇
2.就是要學R #2:Matrix 矩陣篇
3.就是要學R #3:Data Frame 資料框架篇
4.就是要學R #4:List 列表篇
5.就是要學R #5:Import & Export 匯入匯出篇(csv & excel)
6.就是要學R #6:Import & Export 匯入匯出篇(SQL & web scraping)
7.就是要學R #7:R programming 基礎篇
8.就是要學R #8:R Programming 進階篇
9.就是要學R #9:資料前處理篇(dplyr、tidyr)
10.就是要學R #10:ggplot2幫你搞定資料視覺化
11.就是要學R #11:資料視覺化應用篇(ggplot2、Plotly)
12.就是要學R #12:機器學習之線性迴歸實作篇
13.就是要學R #13:機器學習之邏輯迴歸實作篇
14.就是要學R #14:機器學習之K Nearest Neighbor(KNN)實作篇
15.就是要學R #15:機器學習之決策樹、隨機森林實作篇
16.就是要學R #16:機器學習之Support Vector Machine(SVM)實作篇
17.就是要學R #17:機器學習之K Means Clustering實作篇
18.就是要學R #18:機器學習之自然語言處理(NLP)實作篇
19.就是要學R #19:機器學習之類神經網路(Neural Net)實作篇

Comments

comments powered by Disqus