Osheep

时光不回头,当下最重要。

R---对象

(1)常见的数据类型

在R中,常见的数据类型一共有5种:
字符型character,
数值型numeric,
整形integer,
复数型complex,
逻辑型logical

《R---对象》

常见数据类型.png

还需要注意的是,如果我们直接输入1,2,3,4…得到的是numeric类型。如果想要输入integer类型,需要输入1L,2L,3L,4L…

Inf表示无穷大,-Inf表示无穷小。
同理1/0表示无穷大,-1/0表示无穷小
如果输入0/0则会得到Nan这样的显示,Nan表示在计算的时候出现错误。
而如果出现Na则表示缺失值。我们可以认为Na包含了Nan。

《R---对象》

Na和Nan.png

(2)对象

在R语言中,常见的对象有以下几种:
向量,列表,矩阵,数组,数据框,因子

1、向量

特点:相同类型,序列
如何创建向量?
1、创建初始向量:vector(‘数据类型’,数据个数),例如,我们输入:x<-vector(‘numeric’,10),可以得到如下结果,可以看到x的类型为数值型numeric。

《R---对象》

vector的用法.png

2、用vector其实等同于直接用数据类型后面跟数据个数,上面的例子其实就可以写成numeric(10),运行之后可以得到相同的结果:

《R---对象》

numeric.png

3、如果需要创建的向量是等差为1的等差数列,如1到20的数列,我们可以直接写成:
1:20

《R---对象》

1至20的等差数列.png

4、更多情况下,我们用c()函数用来创建向量,把数据对象连结在一起(concatenate)
例如:
c(1,2)

《R---对象》

c(1,2).png

如上图可见,这里的数据类型class显示的是“numeric”,说明c(1,2)生成的向量里面的数据类型是数值型,而非整形integer。如果想要得到整形的向量,我们需要输入:
c(1L,2L)

《R---对象》

c(1L,2L).png

如果输入c(TRUE,FALSE,FALSE,TRUE),得到逻辑型向量

《R---对象》

c(TRUE,FALSE).png

如果输入c(‘初中’,’高中’,’大学’),得到文本型向量

《R---对象》

c(字符).png

注意
就像我们之前提到的,向量里面必须得是相同类型的数据。如果在创建向量的时候,输入了不同类型的数据,R会强制将不同类型的数据转换成相同的数据类型。
例如,输入c(1.7,’a’),最后生成的结果如图,1.7被转成了字符型,我们也可以从class里面看到类型是字符型character。

《R---对象》

强制转换1.png

输入c(T,2),最后生成的结果如图,T由逻辑型转成了数值型。

《R---对象》

强制转换2.png

输入c(“a”,T),得到的结果如图所示,T由逻辑型转成了字符型。

《R---对象》

强制转换3.png

上面提到的这几种转换,通常都是R强制地悄悄地执行的。如果我们自己想要转换数据类型,则应该应用:
as.numeric/logical/character/complex(向量名)来进行转换。

(3)列表

特点:列表和向量相同的地方在于,二者都是序列;不同的地方在于,列表是由不同类型的对象组成的,而向量则由同样类型的数据组成。
写作:list(name1=object1,name2=object2,…)
例如:输入x<-list(1,’a’,T,b=c(1+4i,2-3i)),我们可以明显看到list()里面的每个部分类型都不同(数值,字符,逻辑值,向量),输出结果如图:

《R---对象》

list输出结果.png

(4)矩阵

是一类特殊向量,维度属性。
matrix(数据, nrow = 几行, ncol = 几列, byrow = FALSE/T是否按行排列, dimnames = list(c(行名),c(列名)))
斜体的部分表示可以不写。
例如,我们想要输入1-8,2行,4列,按照行排列,行名为张三、王五,列名为吃喝玩乐。可以得到如下图:
matrix(1:8,2,4,byrow=T,dimnames = list(c(‘张三’,’王五’),c(‘吃’,’喝’,’玩’,’乐’)))

《R---对象》

矩阵.png

矩阵还有另外一种方法可以创建,用cbind() rbind()创建
例如有x,y两个向量。cbind()是按照列来连接xy(x一列,y一列);rbind是按照行连接xy(x一行,y一行)

《R---对象》

cbind&rbind.png

(5)数组

array,和matrix最大的区别在于array的维度更多,有三个维度。
我们可以理解为matrix有行、列两个维度;但是array多了一个面板维度(分成几块)。
array(数据,dim=c(几行,几列,几块),dimnames = list(c(行名),c(列名),c(板块名)))
例如:
array(1:12,dim=c(2,3,2),dimnames=list(c(‘从前’,’现在’),c(‘衣’,’食’,’行’),c(‘北京’,’上海’)))
得到如下结果:

《R---对象》

array.png

(6)数据框

数据框是R的一个重要数据类型,用来存储表格数据。可认为是特殊类型的列表,列表中每个元素(每类)都有同样的长度。每一列可以是不同的类型(矩阵是相同的)。可以通过调用data.matrix()将数据框转化为矩阵。
数据框很像我们在使用SQL的时候来定义表格之后,给表格中的各列赋值的情况。
data.frame(列1=向量,列2=向量)
例如:data.frame(foo=1:4,bar=c(T,T,F,F))

《R---对象》

数据框.png

nrow(x)—-x有几行
ncol(x)—-x有几列

(7)因子(factor,gl)

特点:用于创建分类数据,两种类型:有序/无序。
可以写成这样的形式:
factor(c(“第一类”,”第二类”,”第三类”,…),levels=c(“第一类”,”第二类”,”第三类”),ordered = T)
ordered默认为F。
例如:factor(c(“小学”,”初中”,”高中”,”小学”),levels=c(“小学”,”初中”,”高中”),ordered = T)
得到如下结果:

《R---对象》

因子.png

我们如果不对level进行定义,出现如下结果:
此时虽然有比较,但是初中<高中<小学,这样的结果是根据字母发音排序的结果,或许并不是我们想要的,所以如果我们对排序有要求,还是要对levels进行定义。levels=c(“第一类”,”第二类”,”第三类”),理解为
“第一类”<“第二类”<“第三类”

《R---对象》

未对Levels定义.png

我们如果不对ordered进行定义,出现如下结果:
此时为无序数据,无比较。

《R---对象》

未定义Ordered.png

我们还有另外一种方法来定义因子:gl
gl(有几类, 循环几次, labels = c(“第一类名称”, “第二类名称”),ordered=T)

例如:gl(2,4),表示有两个变量(2),每一个循环4次

《R---对象》

gl.png

例如:gl(2, 8, labels = c(“女”, “男”),ordered=T),表示有两个变量,各循环8次,这两个变量分别表示为“女”和“男”,排序。
注意,这里和上一个例子一样,本来应该是给出两个变量用1和2表示,labels相当于给1和2加了“女”和“男”的标签。所以排序之后显示“女”<“男”,其背后真实的情况是1<2 。

《R---对象》

gl2.png

例如: gl(2, 8, labels = c(“女”, “男”),ordered=T,length=32),在以上的基础上,规定一共有32个对象

《R---对象》

gl3.png

结语

通过我们以上的论述,我们知道了5种数据类型和几种常见的对象形态。
这些是R中非常基础但是十分重要的内容,需要多看几遍才能记得更清楚。

《R---对象》

R对象总结.png
点赞