R语言学习笔记(2)：数据类型和数据结构

R中的数据结构主要面向《线性代数》中的一些概念，如向量、矩阵等。值得注意的是，R中其实没有简单数据（数值型、逻辑型、字符型等），对于简单类型会自动看做长度为1的向量。比如：

> b=5
> length(b) [1] 1
> typeof(b) [1] "double"
> mode(b) [1] "numeric"

R中最重要的数据结构是向量(vector)和矩阵(matrix)。

向量由一系列类型相同的有序元素构成；矩阵是数组(array)的一个特例：维数为2的数组；而数组又是增加了维度（dim)属性的向量。

除此之外，列表（list）和数据框（data frame）分别是向量和矩阵的泛化——列表允许包含不同类型的元素，甚至可以把对象作为元素；数据框允许每列使用不同类型的元素。对于列表和数据框，其中的元素通常称为分量（components）。

对象的类型和长度

R中所有的对象都有类型和长度属性，可以通过函数typeof()和length()获取/设置。举例如下：

> x = c(1,2,3,4) > x [1] 1 2 3 4
> typeof(x) [1] "double"
> length(x) [1] 4
> dim(x)=c(2,2) > x      [,1] [,2] [1,]    1    3 [2,]    2    4
> typeof(x) [1] "double"
> length(x) [1] 4

> Lst <- list(name="Fred", wife="Mary", no.children=3, +                    cchild.ages=c(4,7,9)) >
> Lst $name [1] "Fred"  $wife [1] "Mary"  $no.children [1] 3  $child.ages [1] 4 7 9

> typeof(Lst) [1] "list"
> length(Lst) [1] 4

typeof()函数可能返回如下的值（在R源代码src/main/util.c的TypeTable中定义）：

# 数据对象
logical        含逻辑值的向量 
integer        含整数值的向量 
double        含实数值的向量 
complex        含复数值的向量 
character    含字符值的向量 
raw            含字节值的向量 

# 其他对象
list        列表 
NULL        空 
closure        函数 
special        不可针对参数求值的内置函数 
builtin        可针对参数求值的内置函数 
environment    环境 

# 通常在R内部使用
symbol        变量名 
pairlist    成对列表对象 
promise        用于实现悠闲赋值的对象 
language     R 语言构建 
...            特定变量长度参数
any            可以匹配任何类型的特殊类型
expression    表达式对象 
externalptr    外表指针对象 
weakref        弱引用对象
char            字符
bytecode        二进制

对象的类型不是一成不变的，可以随时进行转换。接着上面的例子：

> typeof(x) [1] "double"
> y = as.logical(x) > typeof(y) [1] "logical" 转换的规则如下表： |----|                | to numeric                | to logical                    | to character |---+---
from numeric        -                    |0 → FALSE 其它数字 → TRUE    | 1, 2, ... → "1", "2"
from logical        FALSE → 0 TRUE → 1        |-                        | TRUE → "TRUE"   FALSE → "FALSE"
from character        "1", "2", ... → 1, 2, ... "A",... →NA | "FALSE", "F" → FALSE "TRUE", "T" → TRUE 其它 → NA |

对象的长度也可以随时发生改变，常见的包括如下情况：

> # 扩大索引范围
> x = c(1,2,3) > x [1] 1 2 3
> x[5] = 12
> x [1]  1  2  3 NA 12
> length(x) [1] 5
> # 直接设置length属性
> length(x) = 2
> x [1] 1 2
> # 重新赋值（略）
    •    ✓    对象的class和attributes typeof()处理对象内元素的类型，而class()处理对象本身的类，例如： > x = 1:6
> x [1] 1 2 3 4 5 6
> typeof(x) [1] "integer"
> class(x) [1] "integer"
> dim(x) = c(3,2) > x      [,1] [,2] [1,]    1    4 [2,]    2    5 [3,]    3    6
> typeof(x) [1] "integer"
> class(x) [1] "matrix"

通过class还可以更改对象的类，例如：

> x = 1:6
> class(x) [1] "integer"
> class(x) = "matrix" 错误于class(x) = "matrix" :    除非维度的长度为二(目前是0)，否则不能设为矩阵类别 > class(x) = "logical"
> x [1] TRUE TRUE TRUE TRUE TRUE TRUE

除了typeof和length之外，其他class的对象可能还会有其他的属性，可以通过函数attributes()和attr()进行操作，例如：

> x = 1:6
> attributes(x) NULL > dim(x) = c(3,2) > attributes(x) $dim [1] 3 2

> x      [,1] [,2] [1,]    1    4 [2,]    2    5 [3,]    3    6
> attr(x,"dim") = c(2,3) > x      [,1] [,2] [,3] [1,]    1    3    5 [2,]    2    4    6

从例子可以看出，属性以列表形式保存，其中所有元素都有名字。

从例子还可以看出，R的数组中，元素的排列顺序是第一下标变化最快，最后下标变化最慢。这在FORTRAN中叫做“ 按列次序”。

一些常见的属性如下：

names，可以为向量或列表的每个元素增加标签。

> x = 1:6
> x [1] 1 2 3 4 5 6
> attributes(x) NULL  > attr(x,'names') = c('a','b','c') > x    a    b    c <NA> <NA> <NA>
   1    2    3    4    5    6
> attributes(x) $names [1] "a" "b" "c" NA  NA  NA

dim，标记对象的维度。除向量外，基于数组的对象都会有一个维度属性，是一个指定数组各维度长度的整数向量。与下标类似，维度也可以命名。通过dimnames属性可以实现这一目的：

> x = array(1:6,2:3) > x      [,1] [,2] [,3] [1,]    1    3    5 [2,]    2    4    6
> attributes(x) $dim [1] 2 3

> names = list(c('x','y'),c('a','b','c')) > dimnames(x) = names > x   a b c x 1 3 5 y 2 4 6
> attributes(x) $dim [1] 2 3  $dimnames $dimnames[[1]] [1] "x" "y"  $dimnames[[2]] [1] "a" "b" "c"

访问对象中的元素

既然对象是元素的集合，很自然就会想到使用下标来访问对象中的元素：

> x = array(6:1,2:3) > x      [,1] [,2] [,3] [1,]    6    4    2 [2,]    5    3    1
> x[1]        #按照存储的顺序访问单个元素
[1] 6
> x[2]        #按照存储的顺序访问单个元素
[1] 5
> x[3]        #按照存储的顺序访问单个元素
[1] 4
> x[1,2]        #通过多个下标访问单个元素
[1] 4
> x[1,]        #返回一行
[1] 6 4 2
> x[,1]        #返回一列
[1] 6 5

如果对象有names属性，还可以通过names进行索引:

 

> x = array(6:1,2:3) >
> names(x) = c('a','b','c') > x
[,1] [,2] [,3] [1,]    6    4    2 [2,]
5    3    1 attr(,"names") [1] "a" "b" "c" NA  NA  NA  > x['b']
 #等价于x[2]
b  5

上面两个例子都是返回对象中的单个元素。在R中，还可以返回对象的多个元素，此时使用的索引不是简单的数值或字符串，而是一个向量。继续上面的例子：

> x[1:3] a b c  6 5 4
> x[c(3,4)]    c <NA>
   4    3
> x[c(1,2),c(1,2)]      [,1] [,2] [1,]    6    4 [2,]    5    3
> x[c('a','b')] a b  6 5

用序列填充对象

前面的例子中，你可能会注意到一些与python类似的语法，比如序列：

a:b

R中提供了一些创建序列的方法，可以很方便的填充对象。包括规则序列和随机序列。

规则序列用于产生有规则的序列:

使用a:b的形式是最简单的用法;

如果需要更多的控制，可以使用seq(from,to,by,length,along）函数;

使用rep()函数可以产生重复的元素。

例如：

 

> 1:3 [1] 1 2 3
> 2*1:3 [1] 2 4 6
> 3:1 [1] 3 2 1

> seq(1,2,0.2) [1] 1.0 1.2 1.4 1.6 1.8 2.0
> seq(1,2,0.3) [1] 1.0 1.3 1.6 1.9
> seq(to=2,by=.2) [1] 1.0 1.2 1.4 1.6 1.8 2.0
> seq(to=2,by=.2,length=3) [1] 1.6 1.8 2.0

> rep(1:3,2) [1] 1 2 3 1 2 3
> rep(1:3,each=2) [1] 1 1 2 2 3 3

 

随机序列用于产生符合一定分布规则的数据。有大量的函数用于产生随机序列，这里只列出一些函数的名称：

数据编辑器

我们当然可以使用下标操作对象，编辑对象中的数据元素。但是R提供的一个可视化的工具能够带来更多的便利，这就是数据编辑器。
使用data.entry()函数可以打开数据编辑器：

> x = array(6:1,2:3) > data.entry(x)

原文链接：http://www.cnblogs.com/holbrook/archive/2013/05/09/3068613.html