R 语言在数据处理上的禀赋之——独特的数据类型

R 语言天生就有数据处理的禀赋，有很重要的一个原因是R有他自己独特的数据类型。

为啥这样说呢？

Java中的数据类型

先来看看其他传统编程语言中的数据类型是啥样子。拿java来说，java语言中有基本的数据类型，如byte,short,int,long,float,double,boolean等，这几种基本的数据类型有啥特点呢？拿int来说，我们这样定义一个int：

int i = 0;

一个int本身是一个单独的个体，不是【复合】的。什么是【复合】呢？可以看一下java中的数组，比如：

double d [] = new double[3];
d[0]=1;
d[1]=2;
d[2]=3; 

这里的一个d里面有三个元素，d[0],d[1],d[2]，是复合的，i里面只有一个元素，是单独的。

但是对于数据处理来说，哪一个更好呢？如果说到处理数据的话，二者都是不可或缺的；但是像数学中经常处理如数组，矩阵，向量来说的话，单一的数据类型可搞不定。

R中的数据类型

R语言中，为了处理数组，矩阵，向量以及其他更加复杂的数据，天生就准备好了这样的数据类型：

R语言中的数据类型 --摘自《R In Action》

不考虑让人难以理解的数据类型，在R语言中，有5种数据类型，分别为Vector、Matrix、Array、Data frame、和List。

Vector：数组。

你可以想象数学中的一维向量，说白了，就是一串数据排成一排而已。比如：

1,2,3,4,5,6,7,8 

就可以是一个数组。

 "a","b","c","d","e","f","g"

也可以是一个数组。

 1.2,1.4,1.5,1.6,1.7

也可以是一个数组。

在R语言中，用c创建一个数组。比如：

a <- c(1, 2, 5, 3, 6, -2, 4)
b <- c("one", "two", "three")
c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE)

也可以直接创建单独的元素：

f <- 3   # Scalars are one-element vectors.
g <- "US"

特别说明一下，在R中，没有专门的单读的元素，最小的就是数组了，那么想一个单独的元素怎么表示呢？你可以想想，一个单独的元素，就是一个只有一个元素的数组。

Matrix：矩阵。

你可以想像数学中的矩阵，说白了就是“行列式”。比如：

   1    3    5    7

   2    4    6    8

是一个“2行4列”的矩阵，因为他有两行，有四列。

"a"  "c"  "f"  "h" 

"b"  "e"  "g"  "i" 

也是一个有“2行4列”的矩阵,因为他有两行，有四列。

1.2  1.4  1.5  1.6 

1.7  1.8  1.9  2.0

也是一个有“2行4列”的矩阵,因为他有两行，有四列。

矩阵可以这样来创建：

cells <- c(1,26,24,68)
m <-  matrix(cells,nrow=2,ncol=2) 

其中，nrow=2和ncol=2分别代表2行2列的意思。

Array:向量

向量实际上就是矩阵的扩充。你可以把矩阵看成一张饼，比如这里有三个个矩阵，三张饼：

    1    3    5

    2    4    6

和

   7    9   11

   8   10   12

和

   13   15   17

   14   16   18

我们把这三张饼像吃三明治的那样，压在一起，就是一个向量了。

我们可以这样创建一个向量：

z <- array(1:18,c(2,3,3))

1:18代表产生

1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,15,17,18 

18个数字，c(2,3,3)代表，向量的格式是3张2行3列的矩阵。

Data frame：数据框

数据框的概念就更容易理解了，考虑下面这一张表，

数据框就像一张普通的表--摘自《R In Action》

这张数据框有5列，我们可以简单的看成这个数据框是有5个数组（Vector）合并成的，这5个数组分别为：

patientID <- c(1, 2, 3, 4)
AdmDate <- c("10/15/2009","11/01/2009","10/21/2009","10/28/2009")
age <- c(25, 34, 28, 52)
diabetes <- c("Type1", "Type2", "Type1", "Type1")
status <- c("Poor", "Improved", "Excellent", "Poor")

我们这样创建一张数据框：

patientdata <- data.frame(patientID,AdmDate,age,diabetes,status)

List：链表

链表是一个可以放任何数据类型的一条链。我们可以这样创建一个链表：

g <- "My First List"
h <- c(25, 26, 18, 39)
j <- matrix(1:10, nrow=5)
k <- c("one", "two", "three")
mylist <- list(title=g, ages=h, j, k)

其中title=g 和 ages=h代表的是数据g和h的名字而已，可以不要。

R在语言上的优势

但是，问题来了，java中不是也有数组这样复合的数据类型吗？即使没有，不也可以通过class构造吗？那么R语言中的数据类型有和中高明之处呢？有高明之处，就是R语言中，数据操作起来可不是java中一个元素一个元素的操作。

比如要填满一个1到10的数组：

java中：

int [] v = new int[10];
for (int i=1;i<=10;i++)
	v[i] = i;

然而在R语言中：

v <- 1:10

简便很多。你可能会说，R语言这样的写法，python中也有，这算什么？

但这不仅仅是R语言中的语法糖，R语言天生就支持批量操作。再举一个例子，显示一下R语言数据类型操作上的优势。比如，我们要造出一个y=1/x^2的曲线的数组，

用R可以容易的实现这样一张图

y的数据分别为：

1.00000000  0.25000000 0.11111111 0.06250000 0.04000000 
0.02777778  0.02040816 0.01562500 0.01234568 0.01000000

如果用java生成的话，恐怕要这样写了：

double y [] =  new double[10]; 
for(int i=0 ;i<y.length;i++)
    y[i] = 1/(double)(i+1)^2;

但是在R中，这样写就可以了：

x=1:10
y=1/x^2 

后者看起来更加像普通的数学公式呢！

不但如此，仔细观察可以发现，x本来是一列数据，但是在R中就轻易的被当成了一个整体对待。

这个正是我要表达的R语言在数据处理方面的禀赋所在。