1.4 数据结构

为了方便分析研究，我们通常将数据组织成一定的结构，用于查找、编辑、存储数据。R语言作为一门优秀的统计分析语言，支持丰富的数据结构用于统计分析。

1.4.1 向量

向量将同一类型的若干个数据，按照特定顺序排列，形成一维的数据序列，可以用组合函数 c() 创建向量。

向量是 R 数据结构的核心，整个 R 数据的运算以向量为基本单位，向量化是R统计分析的核心特征。所谓向量化，就是当运算的对象为向量时，将运算应用到向量中的每个对象，然后以向量的形式输出结果。R中基本所有的数据运算，都支持向量化运算。在进行 R 编程时，应尽可能利用向量化的特点，减少循环语句的使用。

事实上，R 并不存在真正意义上的标量，前面我们看似标量的值其实是用长度为1的向量来表示。

向量可以通过其在序列中的位置来访问。

若要生成指定范围类的数据序列，可以用 seq() 函数，seq 函数的调用格式为：

可以用 is.vector() 函数判断对象是否是向量；用as.vector()函数将对象转换为向量。

1.4.2 矩阵

矩阵是由同一类数据组成的二维数组。可以通过函数 matrix() 创建，调用格式为：

参数含义如下：

• data： 用于生成矩阵的数据，一般是一个向量

• nrow： 矩阵的行数

• ncol： 矩阵的列数

• byrow： 是否按照行分配数据

• dimnames： 行和列的名称

一些典型的用法如下：

和向量一样，矩阵也可以通过下标来访问。

R 具有强大的矩阵运算能力，以下简单列出一些，更专业的阐述请自行查看文档。

喜欢闲适安静的生活，懂一点统计学和数据分析，懂一点计算机编程。（爱编程爱统计）