约翰霍普金斯大学数据科学系列课程——R语言：数据类型

约翰霍普金斯大学数据科学系列课程——R语言：数据类型

讲得比较清晰的一篇博文http://blog.csdn.net/linkin1005/article/details/43559783

1.原子对象

R语言有5类最基本的原子对象：

1)  字符型character

字符型对象用” ”包括。

2)  数值型numeric(real numbers)

数字对象在R中默认为数值型（numeric），如果你需要指定一个数据为整数型，需要在改数字后加上L。如：数字123默认为numeric型，如果需要其为integer型，可表示为123L。

3)  整数型integer

4)  复数型complex

复数的实部用实数表示，虚部用实数+i表示。如：3+2i，2+1i等。

5)  逻辑型logical(True/False)

注：R语言中还有几类特殊对象:

•  Inf\-Inf（infinity）表示正负无穷大

[plain]  view plain copy

1. <span style="font-size:18px;"><span style="font-size:18px;">> 1/0  
2. [1] Inf  
3. > -1/0  
4. [1] –Inf</span></span>  

• Na（not available）表示缺失值

NaN(not anumber)表示无意义值

[plain]  view plain copy

1. <span style="font-size:18px;"><span style="font-size:18px;">> 0/0  
2. [1] NaN</span></span>  

2.赋值与注释

R中赋值采用指向符号“<-”表示，很形象，但是需要按住shift键才能打出符号“<”，并且赋值符号由两个字符组成，因此写代码时非常不方便。

R语言用两个“##”进行注释，##后的代码不被执行，作用域在改行内有效。

[plain]  view plain copy

1. <span style="font-size:18px;"><span style="font-size:18px;">> x<-c(1,2,3)##y<-4   
2. > x  
3. [1] 1 2 3  
4. > y  
5. 错误: 找不到对象'y'</span></span>  

3.向量（vector）

R中向量可以用函数c()（concatenate）创建向量，同一向量内的对象类型必须相同：

[plain]  view plain copy

1. <span style="font-size:18px;"><span style="font-size:18px;">> x <- c(0.5, 0.6) ## numeric  
2. > x <- c(TRUE, FALSE) ## logical  
3. > x <- c(T, F) ## logical  
4. > x <- c("a", "b", "c") ## character  
5. > x <- 9:29 ## integer  
6. > x <- c(1+0i, 2+4i) ## complex</span></span>  

也可以用函数vector()初始化向量：vector(“datatype”, length=length_of_vector)

[plain]  view plain copy

1. <span style="font-size:18px;"><span style="font-size:18px;">> x<-vector("integer",length=5)  
2. > x  
3. [1] 0 0 0 0 0  
4. > y<-vector("character",length=5)  
5. > y  
6. [1] "" "" "" "" ""</span></span>  

4.最低共有特性（least common denominator）

在同一个向量中，如果有不同类型的对象，R不会报错，而是遵守低共有特性，将高类型的对象向低类型转换。

[plain]  view plain copy

1. <span style="font-size:18px;">> x<-c(TRUE,2,1.2,3+2i,"Hello")  
2. > x  
3. [1] "TRUE"  "2"     "1.2"   "3+2i"  "Hello"##  
4. > x<-c(TRUE,2,1.2,3+2i)  
5. > x  
6. [1] 1.0+0i 2.0+0i 1.2+0i 3.0+2i  
7. > x<-c(TRUE,2,1.2)  
8. > x  
9. [1] 1.0 2.0 1.2  
10. > x<-c(TRUE,2)  
11. > x  
12. [1] 1 2</span>  

由上例可以看出，基本对象等级由高至低排序为：logic、integer、numeric、complex、character。

5.类型强转

R通过as.datatype(object)函数将对象类型进行强制转换，转换原则也遵循高等级对象可转换为低等级，而低等级对象不能转换为高等级（转换时会丢失数据信息）。

[plain]  view plain copy

1. <span style="font-size:18px;">> x <- 0:6  
2. > class(x)  
3. [1] "integer"  
4. > as.numeric(x)  
5. [1] 0 1 2 3 4 5 6  
6. > as.logical(x)  
7. [1] FALSE TRUE TRUE TRUE TRUE TRUE TRUE  
8. > as.character(x)  
9. [1] "0" "1" "2" "3" "4" "5" "6"  
10. > as.numeric(x)  
11. [1] NA NA NA  
12. 警告信息：  
13. 强制改变过程中产生了NA  
14. > x<-3+2i  
15. > as.numeric(x)  
16. [1] 3  
17. 警告信息：  
18. 强制改变时丢弃了虚数部分</span>  

6.矩阵

矩阵是二维数组，矩阵中的对象具有相同的类型，可以通过函数matrix创建矩阵，格式为：

m<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns，byrow=logic_value)

[plain]  view plain copy

1. <span style="font-size:18px;">> m<-matrix(nrow=2,ncol=3)  
2. > m  
3.      [,1] [,2] [,3]  
4. [1,]   NA   NA   NA  
5. [2,]   NA   NA   NA  
6. > m<-matrix(1:6,nrow=2,ncol=3)  
7. > m  
8.      [,1] [,2] [,3]  
9. [1,]    1    3    5  
10. [2,]    2    4    6</span>  

矩阵是默认按列填充的，如果需要矩阵按行填充，需要将byrow属性设置为TRUE。

[plain]  view plain copy

1. <span style="font-size:18px;">> m<-matrix(1:6,nrow=2,ncol=3,byrow=TRUE)  
2. > m  
3.      [,1] [,2] [,3]  
4. [1,]    1    2    3  
5. [2,]    4    5    6  
6. </span>  

也可以先创建向量，再通过dim()函数将该向量中的对象加入指定矩阵：

[plain]  view plain copy

1. <span style="font-size:18px;">> a<-c(2,3)  
2. > a  
3. [1] 2 3  
4. > m<-c(1,2,3,4,5,6)  
5. > dim(m)<-c(2,3)  
6. > m  
7.      [,1] [,2] [,3]  
8. [1,]    1    3    5  
9. [2,]    2    4    6  
10. </span>  

dim()函数也可以用来查看矩阵的维度：

[plain]  view plain copy

1. <span style="font-size:18px;">> dim(m)  
2. [1] 2 3  
3. </span>  

矩阵也可以通过函数cbind()和rbind()函数将向量合并成矩阵：

[plain]  view plain copy

1. <span style="font-size:18px;">> x<-c(1,2,3)  
2. > y<-c(4,5,6)  
3. > z<-c(7,8,9)  
4. > cbind(x,y)  
5.      x y  
6. [1,] 1 4  
7. [2,] 2 5  
8. [3,] 3 6  
9. > rbind(x,y)  
10.   [,1] [,2] [,3]  
11. x    1    2    3  
12. y    4    5    6  
13. > rbind(x,y,z)  
14.   [,1] [,2] [,3]  
15. x    1    2    3  
16. y    4    5    6  
17. z    7    8    9  
18. </span>  

7．列表

列表（list）是一种特殊的向量，list可以包含不同类型的对象，甚至包括向量对象和矩阵对象等。列表中每个对象之间用逗号隔开，每个对象索引号用双“[[]]”表示，而每个对象中的元素用单“[]”表示。

[plain]  view plain copy

1. <span style="font-size:18px;">> x<-list("hello",1:4L,3.2,4+5i,TRUE)  
2. > x  
3. [[1]]  
4. [1] "hello"  
5.   
6. [[2]]  
7. [1] 1 2 3 4  
8.   
9. [[3]]  
10. [1] 3.2  
11.   
12. [[4]]  
13. [1] 4+5i  
14.   
15. [[5]]  
16. [1] TRUE  
17. </span>  

8．因子（factor）

因子一般用来表示分类数据，数据既可以是有序的，也可以是无序的。使用factor表示分类标签比较直观，例如使用“male”“female”优于使用1，2这样的数量值去表示。

[plain]  view plain copy

1. <span style="font-size:18px;">> x <- factor(c("yes", "yes", "no", "yes", "no"))  
2. > x  
3. [1] yes yes no  yes no   
4. Levels: no yes  
5. > table(x)  
6. x  
7.  no yes   
8.   2   3  
9. </span>  

levels中对象的顺序，也可以通过参数levels自定义。

[plain]  view plain copy

1. <span style="font-size:18px;">> x <- factor(c("yes", "yes", "no", "yes", "no"),levels=c("yes","no"))  
2. > x  
3. [1] yes yes no  yes no   
4. Levels: yes no  
5. </span>  

9.缺失值

is.na()用于测试对象是否为NA，is.nan()用于测试对象是否为NaN。NA是NaN，但NaN不是NA，NaN比Na程度更深。

[plain]  view plain copy

1. <span style="font-size:18px;">> b<-c(1,2,3,NA,4)  
2. > is.na(b)  
3. [1] FALSE FALSE FALSE  TRUE FALSE  
4. > is.nan(b)  
5. [1] FALSE FALSE FALSE FALSE FALSE  
6. > b<-c(1,2,3,NaN,4)  
7. > is.na(b)  
8. [1] FALSE FALSE FALSE  TRUE FALSE  
9. > is.nan(b)  
10. [1] FALSE FALSE FALSE  TRUE FALSE  
11. </span>  

10.数据框

数据框用来储存tabular数据，用data.frame()创建。可以将数据框看作特殊的list集合，每个list长度相同且对应位置的数据类型相同。

[plain]  view plain copy

1. <span style="font-size:18px;">> x<-data.frame(a=1:4,b=c("a","b","c","d"))  
2. > x  
3.   a b  
4. 1 1 a  
5. 2 2 b  
6. 3 3 c  
7. 4 4 d  
8. > nrow(x)  
9. [1] 4  
10. > ncol(x)  
11. [1] 2  
12. </span>  

11.命名

R可以通过函数names()给想了对象命名，通过dimnames()给矩阵命名，同样也可以给列表命名：

[plain]  view plain copy

1. <span style="font-size:18px;">> x<-c(1,2,3,4)           ##给向量命名  
2. > names(x)<-c("one","two","three","four")  
3. > x  
4.   one   two three  four   
5. 1     2     3     4  
6. > names(x)  
7. [1] "one"   "two"   "three" "four"  
8. > y<-list(one=1,two=2,three=3)   ##给列表命名  
9. > y  
10. $one  
11. [1] 1  
12.   
13. $two  
14. [1] 2  
15.   
16. $three  
17. [1] 3  
18. > m<-matrix(1:4,nrow=2,ncol=2)  
19. > m  
20.      [,1] [,2]  
21. [1,]    1    3  
22. [2,]    2    4  
23. > dimnames(m)<-list(c("one","two"),c("three","four"))  
24. > m  
25.     three four  
26. one     1    3  
27. two     2    4  
28. </span>  

版权声明：本文为博主原创文章，未经博主允许不得转载