R语言：数据类型（向量、数组、矩阵、 列表和数据框）

R语言中的数据类型（Data Types）

R语言的对象（Objects）主要包括向量、矩阵、数组、数据框和列表。

R语言的对象有五种最基本的类型，即，字符型（character）、数值型（numeric，包括小数）、整型（integer）、复数型（complex）以及逻辑型（logical，TRUE/FALSE）

属性是R语言对象的一部分。主要包括以下几种：名字（names，dimnames），维度（dimensions，包括矩阵等），类别（class，包括数字、整数等），长度（length），以及其他。可通过 attributes()函数查看对象的属性，不是所有对象都有属性，如果没有则返回NULL。

1. 向量

向量（vector）是R语言中最基本的数据类型，执行组合功能的函数 c()可用来创建向量。

各类向量如下例所示：

1. a <- c (1, 2, 7, -4, 5) ## numeric
2. b <- c ("Rice", "Wheat") ## character
3. c <- c (TRUE, TRUE, FALSE, TRUE) ## logical
4. d <- c (1+0i, 2+4i) ## complex
5. e <- c (9:17) ## integer

注意：单个向量中的数据必须拥有相同的类型（数值型、字符型或逻辑型）。

创建空向量可以使用 vector()函数。例如创建一个指定长度为10、类型为数值型的空向量：

1. > x <- vector("numeric", length = 10)
2. > x
3. [1] 0 0 0 0 0 0 0 0 0 0

另外，标量是只含一个元素的向量，它们用于保存常量。例如

1. f <- 3
2. g <- "US"
3. h <- TRUE

2. 矩阵

矩阵（matrice）是具有维度属性的向量，矩阵都是二维的，和向量类似，矩阵中也仅能包含一种数据类型。

主要有三种创建矩阵的方法：

（1）直接创建

例：数字1-20自动创建为一个5行4列的矩阵，自动填充第一列之后开始填充第二列

1. y <- matrix(1:20, nrow = 5, ncol = 4)
2. > y
3. [,1] [,2] [,3] [,4]
4. [1] 1 6 11 16
5. [2] 2 7 12 17
6. [3] 3 8 13 18
7. [4] 4 9 14 19
8. [5] 5 10 15 20
9. > dim(y)
10. [1] 5 4 ##dim()看维度，5行4列

（2）矢量+维度向量

添加维度向量 dim()是将矢量转变为矩阵的方法

1. > m <- c(1:10)
2. > m
3. [1] 1 2 3 4 5 6 7 8 9 10
4. > dim(m) <- c(2,5) ##2行5列
5. > m
6. [,1] [,2] [,3] [,4] [,5]
7. [1] 1 3 5 7 9
8. [2] 2 4 6 8 10

（3）绑定行或列来创建矩阵

绑定行或绑定列可以通过 cbind()和 rbind()来实现

1. > x <- 1:3
2. > y <- 10:12
3. > cbind (x, y)
4. x y
5. [1] 1 10
6. [2] 2 11
7. [3] 3 12
8. > rbind (x, y)
9. [,1] [,2] [,3]
10. x 1 2 3
11. y 10 11 12

3. 数组

数组（array）与矩阵类似，但是维度可以大于2。数组可通过array函数创建。

4. 列表

列表（list）是一种可包含多种不同类型对象的向量，是一些对象（或成分，component）的有序集合。

1. > x <- list(1, "a", TRUE, 1 + 4i)
2. > x
3. [[1]]
4. [1] 1
5. [[2]]
6. [1] "a"
7. [[3]]
8. [1] TRUE
9. [[4]]
10. [1] 1+4i

5.数据框

数据框（Data Frames）是一种特殊的列表，其中所用元素长度都相等，列表中的每个元素都可以看作一列，每个元素的长度可以看作行数。

创建显式数据框的方法是 data.frame()

1. > ID <- c(1,2,3,4)
2. > age <- c(25,26,55,43)
3. > diabetes <- c("Type1","Type2","Type3","Type1")
4. > status <- c("Poor", "Improved", "Excellent","Poor")
5. > data <- data.frame(ID, age, diabetes, status)
6. > data
7. ID age diabetes status
8. 1 1 25 Type1 Poor
9. 2 2 26 Type2 Improved
10. 3 3 55 Type3 Excellent
11. 4 4 43 Type1 Poor