2.1数据类型
R语言的数据类型主要有数值型、字符型、逻辑型、复数型和原味型。此外，也可以是默认值。
原味型是以二进制形式保存数据。
默认值，当一个元素或值在统计的时候是“不可得到”（not available）或“缺失值”（missing value）时，相关位置可能会被保留并且赋予一个特定的NA值。任何NA的运算结果都是NA。Is.na()函数用来检测数据是否缺失，如果数据缺失，则返回TRUE,否则返回FALSE。
常见的辨别和转换数据对象类型的函数
|
数据类型 |
辨别函数 |
转换函数 |
|
Character |
Is.character() |
As.character() |
|
complex |
Is.complex() |
As.complex() |
|
Double |
is.double() |
as.double() |
|
integer |
Is.integer() |
As.integer() |
|
logical |
Is.logical() |
as.logical() |
|
na |
Is.na() |
As.na() |
|
numeric |
Is.numeric() |
As.numeric() |
2.2数据对象
R语言里的数据对象主要有6种结构：向量（vector）、矩阵（matrix）、数组（array）、因子（factor）、列表（list）和数据框（data frames）。
1>向量（vector）是由有相同基本类型元素组成的序列，相当于一维数组。
函数Paste()可以把自变量对应元素连成一个字符串
> v<-paste("x",1:5,sep=" ")
> v
[1] "x 1" "x 2" "x 3" "x 4" "x 5"
此外，也可以用assign（）函数对向量进行赋值，例如：
> assign("w",c(1,3,5,7))
> w
[1] 1 3 5 7
seq(from,to,by),from表示序列的起始值，to表示序列的终止值，by表示步长。
有时我们需要关注的是数列的长度，这时可以操作如下：
|
> seq(1,by=2,length=10) [1] 1 3 5 7 9 11 13 15 17 19 |
Rep()函数可以用各种复杂的方式重复一个对象。其命令是：rep(x,times,...),其中X表示要重复的对象，times表示重复的次数。
> rep(c(1,3),4)
[1] 1 3 1 3 1 3 1 3
> rep(c(1,3),each=4)
[1] 1 1 1 1 3 3 3 3
> rep(1:3,rep(2,3))
[1] 1 1 2 2 3 3
第一个是向量c(1,3)重复4次的情况，也可以用第二个对每个元素进行重复，第三个是函数rep（）的嵌套使用，里层的rep(2,3)实际就等价于向量c(2,2,2).
向量运算常见函数表
|
函数 |
用途 |
|
Sum（） |
求和 |
|
Max（） |
求最大值 |
|
Min() |
求最小值 |
|
Range() |
求极差（全距） |
|
Mean（） |
求均值 |
|
Median() |
求中位数 |
|
Var（） |
求方差 |
|
Sd() |
求标准差 |
|
Sort（） |
排序 |
|
Rev() |
反排序 |
|
Rank() |
求秩 |
|
Append() |
添加 |
|
Replace（） |
替换 |
|
Match（） |
匹配 |
|
Pmatch |
部分匹配 |
|
All() |
判断所有 |
|
Any() |
判断所有 |
|
Prod |
积 |
2>矩阵 是将数据用行和列排列的长方形表格，它是二维的数组，其单元必须是相同的数据类型。通常用列来表示不同的变量，用行表示各个对象。R语言生成矩阵的函数是matrix（），其句法是：matrix（data=NA,nrow=1,ncol=1,byrow=FALSE,dimnames=NULL）
其中，data项为必要的矩阵元素，nrow为行数，ncol为列数，nrow与ncol的乘积应为矩阵元素个数，dimnames给定行和列的名称，byrow项控制排列元素时是否按行进行，默认byrow=FALSE,即按列顺序排列。
取一个方阵的对角阵：
|
> a [,1] [,2] [,3][1,] 1 5 9[2,] 2 6 10[3,] 3 7 11[4,] 4 8 12 > diag(a)[1] 1 6 11 |
对一个向量应用diag()函数，可以产生以这样向量的元素为对角元素的对角矩阵：
> diag(diag(a)) [,1] [,2] [,3][1,] 1 0 0[2,] 0 6 0[3,] 0 0 11
只输入一个正整数，则diag（）函数将会生成一个对应维数的单位矩阵：
> diag(3) [,1] [,2] [,3][1,] 1 0 0[2,] 0 1 0[3,] 0 0 1
矩阵合并还可以使用rbind()和cbind()函数来对矩阵按照行或列进行合并。
> b<-matrix(c(1,1,1,1),2,2)
> rbind(b,b)
[,1] [,2][1,] 1 1[2,] 1 1[3,] 1 1[4,] 1 1
> cbind(b,b)
[,1] [,2] [,3] [,4][1,] 1 1 1 1[2,] 1 1 1 1
对于得到的矩阵，可以使用A[i,j]得到A矩阵第i行第j列的元素，A[i,]和A[,J]分别表示返回第i行和第j列的所有元素。也可以使用A[i:l,j:l]的形式来获得多行多列的子矩阵。
> A<-matrix(1:12,3,4)
> A[2,3]
[1] 8
> A[2,]
[1] 2 5 8 11
> A[,3]
[1] 7 8 9
> A[1:3,2]
[1] 4 5 6
2.3数组 即可以看作是带多个下标的且类型相同的元素的集合，也可以看作是向量和矩阵的推广，一维数组就是向量，二维数组就是矩阵。数组的生成函数是array()，其句法是：
Array（data=NA,dim=length(data),dianames=NULL）
其中data表示数据，可以为空；dim表示维数，dimnames可以是更改数组的维度的名称。
其中dim()函数可以返回数组的维数，例如：
> x<-array(1:24,c(3,4,2))
> x
, , 1 [,1] [,2] [,3] [,4][1,] 1 4 7 10[2,] 2 5 8 11[3,] 3 6 9 12 , , 2 [,1] [,2] [,3] [,4][1,] 13 16 19 22[2,] 14 17 20 23[3,] 15 18 21 24> dim(x)
[1] 3 4 2
Dim()还可以用来将向量转换成数组或矩阵。例如：
> z<-c(1,3,4,5,6,7,8,9,1,3,4,5)
> dim(z)=c(2,2,3)
> z
, , 1 [,1] [,2][1,] 1 4[2,] 3 5 , , 2 [,1] [,2][1,] 6 8[2,] 7 9 , , 3 [,1] [,2][1,] 1 4[2,] 3 5
2.4 因子 分类型数据（category data）经常要把数据分成不同的水平或因子（factor），如学生的性别包含男和女两个因子。因子代表变量的不同可能水平（即使在数据中不出现），在统计分析中十分有用。例如，将0,1转换为“yes”和“no”就很方便。在R里可以使用factor函数来创建因子，函数形式如下：
Factor（x=character(),levels,labels=levels,exclude=NA,ordered=is.ordered(x))
其中，levels用来指定因子的水平，labels用来指定水平的名字，exclude表示在x中需要排除的水平，ordered用来决定因子的水平是否有次序。
2.5 列表 如果一个数据对象需要含有不同的数据类型，则可以采用列表（list）。列表中包含的对象又称为它的分量（components）,分量可以是不同的模式或类型，如一个列表可以包括数值向量、逻辑向量、矩阵、字符和数组等。创建列表的函数是list()，其句法是：
List(变量1=分量1，变量2=分量2，...)
例如：
> x<-c(1,1,2,2,3,3,3)
> y<-c("女","男","男","女","女","女","男")
> z<-c(80,85,92,76,61,95,83)
> (lst<-list(class=x,sex=y,score=z))
$class[1] 1 1 2 2 3 3 3 $sex[1] "女" "男" "男" "女" "女" "女" "男" $score[1] 80 85 92 76 61 95 83
若要访问列表的某一部分，则可以用lst[[1]],lst[[2]]的形式访问，若要访问第二个分量的前三个元素则可以用lst[[2]][1:3]:
> lst[[3]][1] 80 85 92 76 61 95 83
> lst[[2]][1:3][1] "女" "男" "男"
由于分量可以被命名，因此，我们可以在列表名称后加$符号，再写上成分名称来访问列表分量。其中，成分名可以简写到与其他成分能够区分的最短程度，如：
> lst$score
[1] 80 85 92 76 61 95 83
> lst$sc
[1] 80 85 92 76 61 95 83
2.6 数据框 是一种矩阵形式的数据，但数据框中各列可以是不同类型的数据。数据框每列是一个变量，每行是一个观测。
其句法是：
Data.frame(...,row.names=NULL,check.rows=FALSE,...)
数据框的列名默认为变量名，也可以对列名进行重新命名。
Version:1.0 StartHTML:0000000107 EndHTML:0000003042 StartFragment:0000000127 EndFragment:0000003024
> (student<-data.frame(x,y,z))
x y z1 1 女 802 1 男 853 2 男 924 2 女 765 3 女 616 3 女 957 3 男 83
> row.names(student)<-c("w","z","l","j","h","s","p")
> student
x y zw 1 女 80z 1 男 85l 2 男 92j 2 女 76h 3 女 61s 3 女 95p 3 男 83
数据框的引用
（1）以数组形式访问
> student[,"z"][1] 80 85 92 76 61 95 83
> student[,3][1] 80 85 92 76 61 95 83
> student[1:5,1:3]
x y zw 1 女 80z 1 男 85l 2 男 92j 2 女 76h 3 女 61
> student[,]
x y zw 1 女 80z 1 男 85l 2 男 92j 2 女 76h 3 女 61s 3 女 95p 3 男 83
（2）以列表形式访问数据框
> student$z
[1] 80 85 92 76 61 95 83
> student[["z"]]
[1] 80 85 92 76 61 95 83
> student[[3]]
[1] 80 85 92 76 61 95 83
还可以筛选出符合我们条件的数据，如上面的数据，要得到成绩大于80分的学生，则可以按如下的方法得到。
> student[student$z>80,]
x y zz 1 男 85l 2 男 92s 3 女 95p 3 男 83