R語言：數據類型（向量、數組、矩陣、 列表和數據框）

R語言中的數據類型（Data Types）

R語言的對象（Objects）主要包括向量、矩陣、數組、數據框和列表。

R語言的對象有五種最基本的類型，即，字元型（character）、數值型（numeric，包括小數）、整型（integer）、複數型（complex）以及邏輯型（logical，TRUE/FALSE）

屬性是R語言對象的一部分。主要包括以下幾種：名字（names，dimnames），維度（dimensions，包括矩陣等），類別（class，包括數字、整數等），長度（length），以及其他。可通過 attributes()函數查看對象的屬性，不是所有對象都有屬性，如果沒有則返回NULL。

1. 向量

向量（vector）是R語言中最基本的數據類型，執行組合功能的函數 c()可用來創建向量。

各類向量如下例所示：

1. a <- c (1, 2, 7, -4, 5) ## numeric
2. b <- c ("Rice", "Wheat") ## character
3. c <- c (TRUE, TRUE, FALSE, TRUE) ## logical
4. d <- c (1+0i, 2+4i) ## complex
5. e <- c (9:17) ## integer

注意：單個向量中的數據必須擁有相同的類型（數值型、字元型或邏輯型）。

創建空向量可以使用 vector()函數。例如創建一個指定長度為10、類型為數值型的空向量：

1. > x <- vector("numeric", length = 10)
2. > x
3. [1] 0 0 0 0 0 0 0 0 0 0

另外，標量是只含一個元素的向量，它們用於保存常量。例如

1. f <- 3
2. g <- "US"
3. h <- TRUE

2. 矩陣

矩陣（matrice）是具有維度屬性的向量，矩陣都是二維的，和向量類似，矩陣中也僅能包含一種數據類型。

主要有三種創建矩陣的方法：

（1）直接創建

例：數字1-20自動創建為一個5行4列的矩陣，自動填充第一列之後開始填充第二列

1. y <- matrix(1:20, nrow = 5, ncol = 4)
2. > y
3. [,1] [,2] [,3] [,4]
4. [1,] 1 6 11 16
5. [2,] 2 7 12 17
6. [3,] 3 8 13 18
7. [4,] 4 9 14 19
8. [5,] 5 10 15 20
9. > dim(y)
10. [1] 5 4 ##dim()看維度，5行4列

（2）矢量+維度向量

添加維度向量 dim()是將矢量轉變為矩陣的方法

1. > m <- c(1:10)
2. > m
3. [1] 1 2 3 4 5 6 7 8 9 10
4. > dim(m) <- c(2,5) ##2行5列
5. > m
6. [,1] [,2] [,3] [,4] [,5]
7. [1,] 1 3 5 7 9
8. [2,] 2 4 6 8 10

（3）綁定行或列來創建矩陣

綁定行或綁定列可以通過 cbind()和 rbind()來實現

1. > x <- 1:3
2. > y <- 10:12
3. > cbind (x, y)
4. x y
5. [1,] 1 10
6. [2,] 2 11
7. [3,] 3 12
8. > rbind (x, y)
9. [,1] [,2] [,3]
10. x 1 2 3
11. y 10 11 12

3. 數組

數組（array）與矩陣類似，但是維度可以大於2。數組可通過array函數創建。

4. 列表

列表（list）是一種可包含多種不同類型對象的向量，是一些對象（或成分，component）的有序集合。

1. > x <- list(1, "a", TRUE, 1 + 4i)
2. > x
3. [[1]]
4. [1] 1
5. [[2]]
6. [1] "a"
7. [[3]]
8. [1] TRUE
9. [[4]]
10. [1] 1+4i

5.數據框

數據框（Data Frames）是一種特殊的列表，其中所用元素長度都相等，列表中的每個元素都可以看作一列，每個元素的長度可以看作行數。

創建顯式數據框的方法是 data.frame()

1. > ID <- c(1,2,3,4)
2. > age <- c(25,26,55,43)
3. > diabetes <- c("Type1","Type2","Type3","Type1")
4. > status <- c("Poor", "Improved", "Excellent","Poor")
5. > data <- data.frame(ID, age, diabetes, status)
6. > data
7. ID age diabetes status
8. 1 1 25 Type1 Poor
9. 2 2 26 Type2 Improved
10. 3 3 55 Type3 Excellent
11. 4 4 43 Type1 Poor

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！