2R一些类型

六类向量，其他R对象建立在原子向量之上。//怎么判断类型（v <-22  print(class(v))）,输出numeric  

1逻辑型：TRUE, FALSE    //输出"logical" 

2 Numeric（数字）12.3   // //输出"numeric" 

3Integer（整型）2L  //输出"integer"

4Complex（复合型）3 + 2i // //输出"complex"

5Character（字符'"good" //输出character

6Raw（原型） "Hello" 被存储为 48 65 6c 6c 6f  //v <- charToRaw("Hello")  print(class(v)) 输出“raw”

 

 请注意，在R中，类的数量不仅限于上述六种类型。 例如，我们可以使用许多原子向量并创建一个数组，其类将成为数组

1Vectors 向量: 当你想用多个元素创建向量时，你应该使用c()函数，这意味着将元素组合成一个向量。

apple <- c('red','green',"yellow”)//print(apple) //"red"    "green"  "yellow"

  //print(class(apple))// "character"

2Lists 列表:列表是一个R对象，它可以在其中包含许多不同类型的元素，如向量，函数甚至其中的另一个列表。

list1 <- list(c(2,5,3),21.3,sin) //print(list1)

当我们执行上面的代码，它产生以下结果

[[1]]

[1] 2 5 3

 

[[2]]

[1] 21.3

 

[[3]]

function (x)  .Primitive("sin")

 

3Matrices 矩阵: a <- matrix(c('a','b','c','d','e','f'),2,3,TRUE)

或者M = matrix( c('a','a','b','c','b','a'), nrow = 2, ncol = 3, byrow = TRUE)

     [,1] [,2] [,3]

[1,] "a"  "b"  "c"

[2,] "d"  "e"  "f"

 

4Arrays 数组

最简单1

 a = array(c('green','yellow'))

> print(a)

[1] "green"  "yellow"

多维

a = array(c('green','yellow'),dim=c(2几行,4几列,3几个))

print(a)

, , 1

 

     [,1]     [,2]     [,3]     [,4]

[1,] "green"  "green"  "green"  "green"

[2,] "yellow" "yellow" "yellow" "yellow"

 

, , 2

 

     [,1]     [,2]     [,3]     [,4]

[1,] "green"  "green"  "green"  "green"

[2,] "yellow" "yellow" "yellow" "yellow"

 

, , 3

 

     [,1]     [,2]     [,3]     [,4]

[1,] "green"  "green"  "green"  "green"

[2,] "yellow" "yellow" "yellow" "yellow"

 

 

5Factors 因子

因子是使用向量创建的r对象。 它将向量与向量中元素的不同值一起存储为标签。 标签总是字符，不管它在输入向量中是数字还是字符或布尔等。 它们在统计建模中非常有用。

使用factor()函数创建因子。nlevels函数给出级别计数。

> apple_colors <- c('green','red','yellow','red','red','green')

> apple <- factor(apple_colors)

> print(apple)

[1] green  red    yellow red    red    green 

Levels: green red yellow

print(nlevels(apple)) 3//知道不同值的个数

 

6Data Frames 数据帧

 

数据帧是表格数据对象。 与数据帧中的矩阵不同，每列可以包含不同的数据模式。 第一列可以是数字，而第二列可以是字符，第三列可以是逻辑的。 它是等长度的向量的列表。

使用data.frame()函数创建数据帧。

 

# Create the data frame.

BMI <- data.frame(

   gender = c("Male", "Male","Female"), 

   height = c(152, 171.5, 165), 

   weight = c(81,93, 78),

   Age = c(42,38,26)

)

print(BMI)

当我们执行上面的代码，它产生以下结果

  gender height weight Age

1   Male  152.0     81  42

2   Male  171.5     93  38

3 Female  165.0     78  26