讲清楚R数据结构中的向量-CSDN博客

本文链接：https://blog.csdn.net/2301_79425796/article/details/142145595

下面内容摘录自《用R探索医药数据科学》专栏文章的部分内容。栏目后续章节的文章将深入概括R语言在临床研究和新药创新领域的应用，填补了国内R教材中尚未广泛覆盖的部分内容。3章1节：数据的基本概念以及 R 中的数据结构、向量与矩阵的创建及运算-CSDN博客文章浏览阅读136次。本文详细介绍了R语言中常见的数据结构的向量和矩阵。通过掌握这些数据结构的基本概念和操作技巧，可以更高效地处理和分析数据。https://blog.csdn.net/2301_79425796/article/details/140734026?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22140734026%22%2C%22source%22%3A%222301_79425796%22%7D

欢迎订阅我们专栏

.......前面部分请点击上面链接看原文（原文5426字）

二、R的数据结构

1、向量（Vector）

向量是R语言中最基础的数据结构，几乎所有其他数据结构都是由向量构成的。向量可以包含数值、字符、逻辑值、复数等类型的数据。

数值型向量（Numeric Vector）

数值向量（Numeric vector）指的是由数值构成的向量。单个的数值（即标量数值）属于最简单的数值向量。数值向量属于最常运用的数据类型，并且几乎是所有数据分析的基础。接下来，我们通过函数 c()来生成一个整数值变量。

例如：

a <- c(1, 2, 3, 4, 5.5)

print(a)

输出结果为：

[1] 1.0 2.0 3.0 4.0 5.5

创建连续的整数值向量

如果想要创建一系列连续的整数值，运算符“:”能够轻松达成这一目标，在变量 b 中即为 1 到 6 的整数值。运算符“:”可用于创建连续的整数值向量，例如：

b <- c(1:6)

print(b)

输出结果为：

[1] 1 2 3 4 5 6

使用`seq()`函数创建向量

seq()函数的功能与“:”类似，但可以更灵活地设置递增的步长。例如：

c <- seq(5, length.out = 8, by = 0.5)

print(c)

输出结果为：

[1] 5.0 5.5 6.0 6.5 7.0 7.5 8.0 8.5

使用`rep()`函数创建重复序列

rep()函数可以帮助我们构建一个重复的序列，其中times参数设置序列总重复数，each参数设置每次重复的元素重复次数。例如：

d <- rep(c(1, 2, 3), times = 3, each = 2)

print(d)

输出结果为：

[1] 1 1 2 2 3 3 1 1 2 2 3 3 1 1 2 2 3 3

字符型向量（String Vector）

字符型向量（String vector）是由字符或者字符串所组成的向量，其能够通过函数 c() 或者 cat() 来构建。下面以高血压的三个类型作为字符串的内容，生成一个具有 6 个元素、包含中文和英文的混杂字符型向量 x_string 。

x_string <- c("ISH", "单纯收缩型高血压", "IDH", "单纯舒张型高血压", "SDH", "混合型高血压")

print(x_string)

输出结果为：

[1] "ISH" "单纯收缩型高血压" "IDH" "单纯舒张型高血压" "SDH" "混合型高血压"

在编程语言中，如果需要在一个字符串内部包含双引号，就需要使用转义字符来避免语法错误。转义字符通常是反斜杠(\)，它告诉解释器接下来的字符是特殊字符，不是普通字符。

例如，在R语言中，如果你想在一个字符串内部包含双引号，你需要在双引号前加上反斜杠(\)来进行转义。假设你想要创建一个字符串，内容是：I "Love" China，你可以这样写：

str <- "I \"Love\" China"

print(str)

\"表示一个双引号，但它不会被解释为字符串的结束，而是字符串内容的一部分。

输出结果会是：

[1] "I \"Love\" China"

如果你需要显示完整的字符串，包括外部的双引号，你可以用单引号来定义字符串，或者用cat()函数：

cat('I "Love" you')

输出结果会是：

I "Love" you

布尔型向量（Logical Vector）

布尔型向量又被称作“逻辑向量”，简单来讲，就是由 TRUE 和 FALSE 构成的向量。布尔型向量基本上是以“是”或“否”来体现对一组逻辑问题的回答。

在第一行代码中，2 大于 1，其回答为 TRUE 。

print(2 > 1)

输出结果为：

[1] TRUE

接着在第二行代码中，R 会理解为在 c(2,1) 和 1 之间依次进行元素比较，这等价于 c(2>1,1>2) ，所以回复为 TRUE 和 FALSE 。

print(c(2, 1) > 1)

输出结果为：

[1] TRUE FALSE

因子型向量（Factor Vector）

因子型向量（Factor vector）是将数据存储为整数值向量的一种分类变量（Categorical variables）。它可分为无序分类变量（Unordered categorical variable）和有序分类变量（Categorical variable）两类。其中，在因子变量中所包含的非重复值被称作因子水平。函数 factor() 是以整数向量的形式来存储类别值，其取值范围是[1…k]（这里的 k 是名义型变量中唯一值的个数），同时一个由字符串（原始值）构成的内部向量会映射到这些整数上。

创建无序因子

高血压类型 Hypetension（ISH、IDH、SDH）属于因子向量的无序分类变量，在数据中 ISH 编码为 1，IDH 编码为 2，SDH 编码为 3。

hypertension <- factor(c("ISH", "IDH", "SDH", "SDH")) 
print(hypertension)

输出结果为：

[1] ISH IDH SDH SDH Levels: IDH ISH SDH

创建有序因子

疾病状态 Status（poor、improved、excellent）则是因子向量的有序分类变量。

status <- factor(c("Poor", "Improved", "Excellent", "Poor"), levels = c("Poor", "Improved", "Excellent"), ordered = TRUE)

print(status)

输出结果为：

[1] Poor Improved Excellent Poor Levels: Poor < Improved < Excellent

2、矩阵（Matrix）

........

在这里，你学到的并非仅仅是 R 的某一个技巧，而是能够从零开始，深入且系统地学习 R 语言。此外，本专栏每周至少定期更新三篇文章，每篇文章篇幅均在 5000 字以上，质量平均分更是高达 93 分。而且，对于已经发表的知识点，我们也会根据新的技术或理解及时进行更新，这是纸质版图书无法做到的。为了让更多的忠实粉丝和同学们享受到实惠，本专栏采用折扣定价策略。随着章节的不断完成，折扣力度会逐渐减小。所以，现在正是订阅的最佳时机！

https://blog.csdn.net/2301_79425796/category_12729892.html?spm=1001.2014.3001.5482