一、基本数据类型

包括数值型（numeric）、逻辑型（logical）、字符型（character）、缺失值（NA）、浮点型（double）、复数型（complex）、整数型（integer）等。

数据类型的判别与转换都是统一的格式，例如，is.numeric()判断是否为数值型，as.numeric()转换为数值型。

查看对象的类型，用函数class()/typeof()/mode()，基本格式相同：

class(x)

其中，x为要查看的对象。

注：在展现数据的细节上，mode()<class()<typeof()；str(x)显示对象x的结构

二、数据结构

1. 向量

向量是R语言中最基本的数据类型，是以一维数组管理数据的一种对象类型，可以是数值型、字符型、逻辑值型、复数型。

注意：同一向量不能混杂多种不同类型的数据。

(1) 创建向量

通过函数c()实现组合功能，例如

x1<-c(2,3,5,7,10)
x1
[1] 2 3 5 7 10
x2<-c("a","b","c")
x2
[1] "a" "b" "c"

(2) 向量索引

下标索引：（R语言中下标是从1开始的），例如

x[1]——返回x的第1个元素

x[-1]——返回除第一个元素之外的所有元素

x[2:4]——返回x的第2至4个元素

x[-(2:4)]——返回x的除第2至4元素之外的所有元素（删除元素）

名称索引：先给向量中的每个元素命名，再通过名称访问对应的元素。

which元素位置：通过函数which()返回逻辑向量中为TRUE的位置（下标）；which.max(x), which.min(x)返回向量x中最大值、最小值所在的位置。

x1[which(x1>3 & x1<8)] #返回满足条件的元素

subset生成子集：检索向量中满足条件的元素，提取出来：

subset(x1,x1>3 & x1<8) #结果同上

match匹配：match(x1,x2) 逐个检查向量x1中元素是否在向量x2中，若是则返回该元素，否则返回NA。

%in%检查是否属于：x1 %in% x2 逐个判断向量x1中元素是否属于向量x2。

(3)向量的编辑

对已创建向量进行增加或删除元素。

x<-c(x1,c(6,7,8)) #增加一个向量

x[10]=10 #增加第10个元素，前面空位置用NA补齐

x<-x[-c(3,5)] #删除第3和第5个元素

(4)创建等差序列

函数seq(),基本格式为：

seq(from=1,to=...,by=...,length.out=...,along.with =...)

其中，from, to设置首项、尾项；

by设置等差值（默认为1或-1）；

length.out设置序列长度；

along.with以该参数的长度作为序列长度。

(5)创建重复序列

函数rep(),基本格式为：

rep(x,times=...,each=1,length.out=...)

其中，x为要重复的序列；

times设置序列重复次数；

each设置每个元素分别重复的次数；

length.out设置产生的序列的长度；

2. 矩阵

矩阵是二维数组，可以描述二维数据，也要求矩阵内各元素有相同的类型。

(1)创建矩阵

函数matrix(),基本格式为：

matrix(x, nrow=..., ncol=..., byrow=FALSE, dimnames=...)

其中，x为数据向量作为矩阵的元素；

nrow设定行数；

ncol设定列数；

byrow设置是否按行填充，默认为FALSE按列填充；

dimnames用字符型向量表示矩阵的行名和列名。

（2）矩阵索引

a[i,j]——返回矩阵a的第i行，第j列的元素

c["r2","c1"]——返回矩阵c的名称为“r2”的行，“c1”的列对应的元素

a[i,]——返回矩阵a的第i行

a[,j]——返回矩阵a的第j列

a[c(i:j),]——返回矩阵a的第i至第j行

dim(x)——返回矩阵x的维数（几行×几列）

(3)矩阵的编辑

函数rbind(A,B), 纵向合并（增加行），要求列数相同；

函数cbind(C,D), 横向合并（增加列），要求行数相同。

注意：rbind(A,1)相当于给矩阵A增加一行“1”。

a[-1,]——删除矩阵a的第1行

a[,-1]——删除矩阵a的第1列

a[-c(2:4),]——删除矩阵a的第2至4行

(4) 矩阵简单操作

nrow(A)，ncol(A)——矩阵A的行数、列数；

dim(A)——矩阵A的维数；

rowSums(A), rowMeans(A), colSums(A), colMeans(A)——按行按列求和、求均值；

t(A)——A转置

3. 数据框（数据表）

R语言中做统计分析的样本数据，都是按数据框类型操作的。数据框的每一列代表一个变量属性的所有取值，每一行代表一条样本数据。

(1) 创建数据框

通过函数data.frame()把多个向量组合起来创建，并设置列名称。其基本格式为：

data.frame(col1=,col2=,col3=,...)

其中，col1, col2, col3, …为列名，其赋值向量可以为任意类型。

注：矩阵也可以通过函数data.frame()转化为数据库。

iris<-data.frame(Sepal.Length=c(5.1,4.9,4.7,4.6), 
Sepal.Width=c(3.5,3.0,3.2,3.1), 
Petal.Length=c(1.4,1.4,1.3,1.5), 
Petal.Width=rep(0.2,4))
iris
  Sepal.Length Sepal.Width Petal.Length Petal.Width
1          5.1         3.5          1.4         0.2
2          4.9         3.0          1.4         0.2
3          4.7         3.2          1.3         0.2
4          4.6         3.1          1.5         0.2

(2) 数据框索引

列标或列名称索引：

iris[,1], iris$Sepal.Length, iris["Sepal.Length"]

——都是返回数据框iris的第1列；

行索引：

iris[1,]——返回数据框iris的第1行

iris[1:3,]——返回数据框iris的第1至3行

元素索引：

iris[1,1]或iris$Sepal.Length[1] 或iris["Sepal.Length"][1]

——都是返回数据框iris的第1列第1个数据

用函数subset()按条件索引：subset(data_iris,Sepal.Length<5)

(3) 数据框的编辑

类似矩阵操作，可通过函数rbind()，增加行（样本数据），要求宽度（列数）相同；函数cbind()，增加列（变量），要求高度（行数）相同。

删除样本（行），类似矩阵操作。

用函数names()查看或修改数据框的列名。

4. 因子

变量分为名义型（无顺序好坏之分的分类变量，如性别）、有序型（有顺序好坏之分的分类变量，如疗效）、连续型（通常的数值变量，可带小数位）。

名义型和有序型的类别变量，在R语言中称为因子。

因子提供了一个简单且紧凑的形式来处理分类数据，因子用水平来表示所有可能的取值，例如，性别有两个水平：男、女。

(1) 创建因子

使用函数factor()，基本格式为：

factor(x, levels, labels=..., exclude=...,

ordered=TRUE, nmax=...)

其中，x为创建因子的数据向量；

levels指定因子的水平数，默认为x中不重复的所有值；

labels设置各水平名称（前缀），与水平一一对应；

exclude指定有哪些水平是不需要的；

ordered设置是否对因子水平排序，默认为TRUE有序因子；

nmax设定水平数的上限。

ff<-factor(substring("statistics",1:10,1:10),levels=letters) 
ff
 [1] s t a t i s t i c s
Levels: a b c d e f g h i j k l m n o p q r s t u v w x y z
ff[,drop=TRUE] #去掉未包含在向量中的水平，同f.<-factor(ff)
 [1] s t a t i s t i c s
Levels: a c i s t
factor(1:5,labels="let")
 [1] let1  let2  let3  let4  let5
Levels: let1 let2 let3 let4 let5
factor(LETTERS[3:1],ordered = TRUE)
[1] C B A
Levels: A < B < C

注：函数substring()用来提取字符串的子串，第2个参数是起始位置，第3个参数是终止位置；letters和LETTERS是R中专有变量，表示26个小写/大写字母组成的字符向量。

也可以用函数gl()生成不同水平的因子序列，基本格式为：

gl(n, k, length=, labels=, ordered=FALSE)

其中，n表示因子水平数；

k表示每个水平的重复数；

length表示生成序列的长度，默认n×k；

labels为表示因子水平的向量，默认1:n；

ordered指定是否为有序因子，默认FALSE无序因子。

gl(3,2,ordered = TRUE) #生成水平数为3，每个水平重复2次的有序因子序列
[1] 1 1 2 2 3 3
Levels: 1 < 2 < 3

注：R语言中，因子是以整数型向量存储的，每个因子水平对应一个整数型的数。对字符型向量创建的因子，会按照字母顺序排序，再对应到整数型向量。

5. 列表

列表就是一些对象或成分的有序集合（组合方式更自由）。列表允许整合若干对象到单个对象名下，例如，某个列表可能是若干向量、矩阵、数据框，甚至是其它列表的组合。

列表常用来存储较复杂的数据对象。列表提供了一种简单的方式来组织和访用不相干的对象。另外，R语言中许多函数的运行结果都是用列表形式返回的。

(1) 创建列表

用函数list()，基本格式为：

list(name1=object1,name2=object2,...)

其中，object对象可以是任何类型。

data<-list(a=c(1,2,3,4),b=c("one","two","three"),c=c(TRUE,FALSE),d=(1+2i))
data
$a
[1] 1 2 3 4
$b
[1] "one"   "two"   "three"
$c
[1]  TRUE FALSE
$d
[1] 1+2i

(2) 列表索引

与数据框操作类似，但是用双重方括号。

data[[1]]或data[["a"]]——返回列表data的第1列

data$a——返回列表data的名称为a的列

data[[1]][1]——返回列表data的第1列的第1个元素

(3) 列表的编辑

与向量的编辑类似，使用函数c()进行合并。

主要参考文献

1. 张良均，谢佳标，杨坦，肖刚. R语言与数据挖掘. 机械工业出版社，2016.

作者：张敬信
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。