8.R数据类型的性质

（学习资料参考北京大学李东风老师《R语言教程》）

8 R数据类型的性质

8.1 存储模式与基本类型

1. R的变量可以存储多种不同的数据类型， 可以用 typeof() 函数来返回一个变量或表达式的类型。比如：

typeof(1:3)

输出结果如下：integer基本数据类型

typeof(c(1,2,3))

结果如下：double双精度浮点型

typeof(c(1, 2.1, 3))

结果如下：

typeof(c(TRUE, NA, FALSE))

结果如下：logical逻辑型

typeof('Abc')

结果如下：character字符型

typeof(factor(c('F', 'M', 'M', 'F')))

结果如下：

注意因子的结果是 integer 而不是因子。 函数 mode() 和 storage.mode() 以及 typeof() 类似， 但返回结果有差别。 这三个函数都是与存储类型有关， 不依赖于变量和表达式的实际作用。

R中数据的最基本的类型包括logical, integer, double, character, complex, raw, 其它数据类型都是由基本类型组合或转变得到的。 character类型就是字符串类型， raw类型是直接使用其二进制内容的类型。 为了判断某个向量 x 保存的基本类型， 可以用 is.xxx() 类函数， 如 is.integer(x), is.double(x), is.numeric(x), is.logical(x), is.character(x), is.complex(x), is.raw(x)。 其中 is.numeric(x) 对 integer 和 double 内容都返回真值。

2. 在R语言中数值一般看作double, 如果需要明确表明某些数值是整数， 可以在数值后面附加字母L，如:

is.integer(c(1, -3))

输出结果FALSE，说明不是基本型

is.integer(c(1L, -3L))

输出结果TRUE，说明是基本型
如下：

3. 整数型的缺失值是 NA， 而double型的特殊值除了 NA 外， 还包括 Inf, -Inf和 NaN ， 其中 NaN（无定义的数） 也算是缺失值, Inf（无穷大） 和 -Inf（负无穷大） 不算是缺失值。 如：

c(-1, 0, 1)/0

is.na(c(-1, 0, 1)/0)

这里是判断是否为缺失值，FALSE则不是缺失值，TRUE则是缺失值。

对double类型，可以用 is.finite() 判断是否有限值， NA、Inf, -Inf 和 NaN 都不是有限值； 用 is.infinite() 判断是否Inf或-Inf；is.na() 判断是否 NA 或 NaN ； is.nan() 判断是否 NaN。

严格说来， NA 表示逻辑型缺失值， 但是当作其它类型缺失值时一般能自动识别。NA_integer_ 是整数型缺失值， NA_real_ 是double型缺失值， NA_character_ 是字符型缺失值。

4. 在R的向量类型中， integer类型、double类型、logical类型、character类型、还有complex类型和raw类型称为原子类型(atomic types)， 原子类型的向量中元素都是同一基本类型的。 比如， double型向量的元素都是double或者缺失值。 除了原子类型的向量， 在R语言的定义中， 向量还包括后面要讲到的列表（list）， 列表的元素不需要属于相同的基本类型， 而且列表的元素可以不是单一基本类型元素。 用typeof()函数可以返回向量的类型， 列表返回结果为"list"：

typeof(list("a", 1L, 1.5))

原子类型的各个元素除了基本类型相同， 还不包含任何嵌套结构，如：

c(1, c(2,3, c(4,5)))

8.2 类属

1. R具有一定的面向对象语言特征， 其数据类型有一个class属性， 函数 class()可以返回变量类型的类属， 比如：

typeof(factor(c('F', 'M', 'M', 'F'))) #查看数据细类
mode(factor(c('F', 'M', 'M', 'F'))) #查看数据大类
storage.mode(factor(c('F', 'M', 'M', 'F')))
class(factor(c('F', 'M', 'M', 'F'))) #查看变量的类
class(as.numeric(factor(c('F', 'M', 'M', 'F'))))

输出结果如下：
（以上，integer整数型，numeric浮点数，factor是因子，这里和具体数据类型有关…）

2. R有一个特殊的 NULL 类型， 这个类型只有唯一的一个 NULL 值， 表示不存在。 要把NULL与NA区分开来， NA是有类型的（integer、double、logical、character等), NA表示存在但是未知。 用 is.null() 函数判断某个变量是否取 NULL。

8.3 类型转换

可以用as.xxx()类的函数在不同类型之间进行强制转换。 如（把FALSE和TRUE转换成数字）：

as.numeric(c(FALSE, TRUE))

再如把1-4开根号，得到的数字转换成字符：

as.character(sqrt(1:4))

类型转换也可能是隐含的，比如， 四则运算中数值会被统一转换为double类型， 逻辑运算中运算元素会被统一转换为logical类型。 逻辑值转换成数值时，TRUE转换成1， FALSE转换成0。

在用 c() 函数合并若干元素时， 如果元素基本类型不同， 将统一转换成最复杂的一个，复杂程度从简单到复杂依次为 logical<integer<double<character。 如：

c(FALSE, 1L, 2.5, "3.6")

都会转换成逻辑值

不同类型参与要求类型相同的运算时，也会统一转换为最复杂的类型， 如：

TRUE + 10
paste("abc", 1)

输出结果如下：

8.4 属性

除了 NULL 以外， R的变量都可以看成是对象， 都可以有属性。 在R语言中， 属性是把变量看成对象后， 除了其存储内容（如元素）之外的其它附加信息， 如维数、类属等。 对象x的所有属性可以用 attributes() 读取， 如：

x <- table(c(1,2,1,3,2,1)); print(x)

attributes(x)

得到有关x表格的属性：
dim是维数，dimnames是

也可以用attributes()函数修改属性， 如：

attributes(x) <- NULL
x

如上修改后x不再是数组，也不是table。

8.5 str()函数

用 print() 函数可以显示对象内容。 如果内容很多， 显示行数可能也很多。 用str() 函数可以显示对象的类型和主要结构及典型内容。例如：

s <- 101:200
attr(s,'author') <- '李小明'
attr(s,'date') <- '2016-09-12'
str(s)

输出结果如下：

8.6 关于赋值

要注意的是， 在R中赋值本质上是把一个存储的对象与一个变量名联系在一起(binding)， 多个变量名可以指向同一个对象。 对于基本的数据类型如数值型向量， 两个指向相同对象的变量当一个变量被修改时自动制作副本，如：

x <- 1:5
y <- x
y[3] <- 0
x

再看一下y是什么？

y

这里如果y没有与其它变量指向同一对象， 则修改时直接修改该对象而不制作副本。

但是对于有些比较复杂的类型， 两个指向同一对象的变量是同步修改的。 这样的类型的典型代表是闭包(closure)， 它带有一个环境，环境的内容是不自动制作副本的。（这里要再看看？？）