Listelerle çalışma

SAS Kullananlar İçin R

Melinda Higgins, PhD

Research Professor/Senior Biostatistician Emory University

Diğer nesneleri birleştirerek liste oluşturma

# Mantıksal skaler oluşturun
logic_scalar <- TRUE
logic_scalar

[1] TRUE

doğru skaler öğe

Diğer nesneleri birleştirerek liste oluşturma

# age_charvec karakter vektörünü oluşturun
age_charvec <- c("child", "young", "old")
age_charvec

[1] "child" "young" "old"

doğru skaler ve karakter vektörü

Diğer nesneleri birleştirerek liste oluşturma

# num_matrix matrisini oluşturun
a <- c(5.0, 3.1, 2.4)
b <- c(4.1, 2.2, 5.4)
num_matrix <- matrix(c(a, b),
                     nrow = 3,
                     ncol = 2)
num_matrix

     [,1] [,2]
[1,]  5.0  4.1
[2,]  3.1  2.2
[3,]  2.4  5.4

doğru skaler, karakter vektörü ve matris

Farklı türde nesneleri birleştirerek liste oluşturma

# Skaler, vektör, matri̇sten liste oluşturun
list_logicagemtx <-
  list(logic_scalar, age_charvec, num_matrix)
list_logicagemtx

[[1]]
[1] TRUE

[[2]]
[1] "child" "young" "old"  

[[3]]
     [,1] [,2]
[1,]  5.0  4.1
[2,]  3.1  2.2
[3,]  2.4  5.4

listedeki tüm öğeler birleştirildi

Adlandırılmış liste öğeleri

# Listenin öğelerini adlandırın, adları görüntüleyin
names(list_logicagemtx) <- c("logicalValue", "ageDescription", "numericMatrix")
names(list_logicagemtx)

[1] "logicalValue"   "ageDescription" "numericMatrix"

# list_logicagemtx yapısını alın
str(list_logicagemtx)

List of 3
 $ logicalValue  : logi TRUE
 $ ageDescription: chr [1:3] "child" "young" "old"
 $ numericMatrix : num [1:3, 1:2] 5 3.1 2.4 4.1 2.2 5.4

Liste öğelerini ada göre seçme

# $ ile ageDescription seçimi
list_logicagemtx$ageDescription

[1] "child" "young" "old"

# ageDescription öğesinin sınıfını kontrol edin
class(list_logicagemtx$ageDescription)

[1] "character"

# Vektör sınıfını doğrulayın
is.vector(list_logicagemtx$ageDescription)

[1] TRUE

listeden karakter vektörü seçme

Hmisc çıktısı

# sex ve bmi için Hmisc::describe() çalıştırın
davisHmisc <- daviskeep %>%
  select(sex, bmi) %>%
  Hmisc::describe()

# Hmisc::describe() çıktısının yapısı
str(davisHmisc)

List of 2
 $ sex:List of 5
  ..$ descript: chr "sex"
  ..$ units   : NULL
  ..$ format  : NULL
  ..$ counts  : Named num [1:3] 199 0 2
  .. ..- attr(*, "names")= chr [1:3] "n" "missing" "distinct"
  ..$ values  :List of 2
  .. ..$ value    : chr [1:2] "F" "M"
  .. ..$ frequency: num [1:2(1d)] 111 88
  ..- attr(*, "class")= chr "describe"
 $ bmi:List of 6
  ..$ descript: chr "bmi"

... rest of output omitted ...

Hmisc çıktısı

# Hmisc describe çıktısında sex öğesini görüntüleyin
davisHmisc$sex

sex
       n  missing distinct
     199        0        2

Value          F     M
Frequency    111    88
Proportion 0.558 0.442

# describe sınıfının da bir liste olduğunu doğrulayın
is.list(davisHmisc$sex)

[1] TRUE

Hmisc çıktısı

# davisHmisc$sex içindeki öğe adlarını görüntüleyin
names(davisHmisc$sex)

[1] "descript" "units" "format" "counts" "values"

# $ seçicisini tekrar kullanarak sex için counts'ı gösterin
davisHmisc$sex$counts

  n  missing distinct
199        0        2

Korelasyon testleri çıktısı

# psych::corr.test() çıktısını kaydedin
daviscorr <- daviskeep %>%
  select(bmi, weight, height) %>%
  psych::corr.test()

# psych::corr çıktısındaki 11 öğenin adlarını görüntüleyin
names(daviscorr)

 [1]  "r"      "n"      "t"      "p"      "se"     
 [6]  "sef"    "adjust" "sym"    "ci"     "ci.adj"
 [11] "Call"

Korelasyon testleri çıktısı

daviscorr$p

                bmi       weight       height
bmi    0.000000e+00 2.569508e-64 3.628533e-08
weight 8.565028e-65 0.000000e+00 4.017148e-40
height 3.628533e-08 2.008574e-40 0.000000e+00

daviscorr$ci

                lower         r     upper            p
bmi-weght   0.8410885 0.8775201 0.9060257 8.565028e-65
bmi-heght   0.2524241 0.3782344 0.4914688 3.628533e-08
weght-heght 0.7074835 0.7707306 0.8217303 2.008574e-40

T-testi çıktısı

# POOLSUZ t-testi: bmi cinsiyete göre
davisunpooled <- t.test(bmi ~ sex,
                        data = daviskeep)
class(davisunpooled)

[1] "htest"

is.list(davisunpooled)

[1] TRUE

names(davispooled)

[1] "statistic"   "parameter"   
[3] "p.value"     "conf.int"    
[5] "estimate"    "null.value"  
[7] "alternative" "method"      
[9] "data.name"

Ki-kare testleri çıktısı

# cinsiyete göre bmigt25 tablosu oluşturun ve görüntüleyin
tablebmisex <- daviskeep %>%
  with(table(bmigt25, sex))
daviscs <- chisq.test(tablebmisex)
class(daviscs)

[1] "htest"

names(daviscs)

[1] "statistic" "parameter" "p.value"   "method"    "data.name" "observed"
[7] "expected"  "residuals" "stdres"

htest liste sınıfı çıktısı

T-testi çıktısı

davisunpooled$statistic
davisunpooled$parameter
davisunpooled$p.value

        t
-7.515792

      df
149.4533

[1] 4.818621e-12

Ki-kare testi çıktısı

daviscs$observed

                 sex
bmigt25             F   M
  1. underwt/norm 107  54
  2. overwt/obese   4  34

daviscs$expected

                 sex
bmigt25                  F        M
  1. underwt/norm 89.80402 71.19598
  2. overwt/obese 21.19598 16.80402

Liste çıktısı nesneleriyle çalışarak abalona analiz sonuçlarınızı özelleştirelim.

SAS Kullananlar İçin R