R 数据类型
数据类型指的是用于声明不同类型的变量或函数的一个广泛的系统。
变量的类型决定了变量存储占用的空间，以及如何解释存储的位模式。
R 语言中的最基本数据类型主要有三种：
- 数字
- 逻辑
- 文本
数字常量主要有两种：
| 一般型 | 123 -0.125 |
|---|---|
| 科学计数法 | 1.23e2 -1.25E-1 |
逻辑类型在许多其他编程语言中常称为布尔型（Boolean），常量值只有 TRUE 和 FALSE 。
注意： R 语言区分大小写，true 或 True 不能代表 TRUE。
最直观的数据类型就是文本类型。文本就是其它语言中常出现的字符串（String），常量用双引号包含。在 R 语言中，文本常量既可以用单引号包含，也可以用双引号包含，例如：
实例
[ 1 ] TRUE
有关于 R 语言的变量定义，并不像一些强类型语言中的语法规则，需要专门为变量设置名称和数据类型，每当在 R 中使用赋值运算符时，实际上就是定义了一个新的变量：
实例
b <- TRUE
b = "abc"
按对象类型来分是以下 6 种（后面会详细介绍这几种类型）：
- 向量（vector）
- 列表（list）
- 矩阵（matrix）
- 数组（array）
- 因子（factor)
- 数据框（data.frame)
向量
向量（Vector）在 Java、Rust、C# 这些专门编程的的语言的标准库里往往会提供，这是因为向量在数学运算中是不可或缺的工具——我们最常见的向量是二维向量，这种向量在平面坐标系中必然会用到。
向量从数据结构上看就是一个线性表，可以看成一个数组。
R 语言中向量作为一种类型存在可以让向量的操作变得更加容易：
实例
> b = c ( 5 , )
> a + b
[ 1 ] 8 4
>
c() 是一个创造向量的函数。
这里把两个二维向量相加，得到一个新的二维向量 (8, 4)。如果将一个二维向量和三维向量做运算，将失去数学意义，虽然不会停止运行，但会被警告。
我建议大家从习惯上杜绝这种情况的出现。
向量中的每一个元素可以通过下标单独取出：
实例
> a [ 2 ]
[ 1 ] 20
注意： R 语言中的"下标"不代表偏移量，而代表第几个，也就是说是从 1 开始的！
R 也可以方便的取出向量的一部分：
实例
[ 1 ] 10 20 30 40
> a [ c ( 1 , 3 , 5 ) ] # 取出第 1, 3, 5 项
[ 1 ] 10 30 50
> a [ c ( - 1 , - 5 ) ] # 去掉第 1 和第 5 项
[ 1 ] 20 30 40
这三种部分取出方法是最常用的。
向量支持标量计算：
实例
[ 1 ] 0.6 0.7 0.8
> a = c ( 1 , 2 )
> a ^ 2
[ 1 ] 1 4
之前讲述的常用的数学运算函数，如 sqrt 、exp 等，同样可以用于对向量作标量运算。
"向量"作为线性表结构，应该具备一些常用的线性表处理函数，R 确实具备这些函数：
向量排序：
实例
> sort ( a )
[ 1 ] 1 2 3 4 5 6
> rev ( a )
[ 1 ] 6 4 2 5 3 1
> order ( a )
[ 1 ] 1 4 2 5 3 6
> a [ order ( a ) ]
[ 1 ] 1 2 3 4 5 6
order() 函数返回的是一个向量排序之后的下标向量。
向量统计
R 中有十分完整的统计学函数：
| 函数名 | 含义 |
|---|---|
| sum | 求和 |
| mean | 求平均值 |
| var | 方差 |
| sd | 标准差 |
| min | 最小值 |
| max | 最大值 |
| range | 取值范围（二维向量，最大值和最小值） |
向量统计实例：
实例
[ 1 ] 15
> sd ( 1 : 5 )
[ 1 ] 1.581139
> range ( 1 : 5 )
[ 1 ] 1 5
向量生成
向量的生成可以用 c() 函数生成，也可以用 min:max 运算符生成连续的序列。
如果想生成有间隙的等差数列，可以用 seq 函数：
> seq(1, 9, 2) [1] 1 3 5 7 9
seq 还可以生成从 m 到 n 的等差数列，只需要指定 m, n 以及数列的长度：
> seq(0, 1, length.out=3) [1] 0.0 0.5 1.0
rep 是 repeat（重复）的意思，可以用于产生重复出现的数字序列：
> rep(0, 5) [1] 0 0 0 0 0
向量中常会用到 NA 和 NULL ，这里介绍一下这两个词语与区别：
- NA 代表的是"缺失"，NULL 代表的是"不存在"。
- NA 缺失就像占位符，代表这里没有一个值，但位置存在。
- NULL 代表的就是数据不存在。
实例说明：
实例
[ 1 ] 2
> c ( NA, NA, NULL, NA )
[ 1 ] NA NA NA
很显然， NULL 在向量中没有任何意义。
逻辑型
逻辑向量主要用于向量的逻辑运算，例如：
实例
[ 1 ] FALSE FALSE TRUE
which 函数是十分常见的逻辑型向量处理函数，可以用于筛选我们需要的数据的下标:
实例
> b = a > 12
> print ( b )
[ 1 ] FALSE FALSE TRUE
> which ( b )
[ 1 ] 3
例如我们需要从一个线性表中筛选大于等于 60 且小于 70 的数据：
实例
> print ( vector [ which ( vector >= 60 & vector < 70 ) ] )
[ 1 ] 64 62 69
类似的函数还有 all 和 any：
实例
[ 1 ] TRUE
> all ( c ( TRUE, TRUE, FALSE ) )
[ 1 ] FALSE
> any ( c ( TRUE, FALSE, FALSE ) )
[ 1 ] TRUE
> any ( c ( FALSE, FALSE, FALSE ) )
[ 1 ] FALSE
all() 用于检查逻辑向量是否全部为 TRUE，any() 用于检查逻辑向量是否含有 TRUE。
字符串
字符串数据类型本身并不复杂，这里注重介绍字符串的操作函数：
实例
[ 1 ] "yssmx"
> tolower ( "yssmx" ) # 转换为小写
[ 1 ] "yssmx"
> nchar ( "中文" , type = "bytes" ) # 统计字节长度
[ 1 ] 4
> nchar ( "中文" , type = "char" ) # 总计字符数量
[ 1 ] 2
> substr ( "123456789" , 1 , 5 ) # 截取字符串，从 1 到 5
[ 1 ] "12345"
> substring ( "1234567890" , 5 ) # 截取字符串，从 5 到结束
[ 1 ] "567890"
> as. numeric ( "12" ) # 将字符串转换为数字
[ 1 ] 12
> as. character ( 12.34 ) # 将数字转换为字符串
[ 1 ] "12.34"
> strsplit ( "2019;10;1" , ";" ) # 分隔符拆分字符串
[ [ 1 ] ]
[ 1 ] "2019" "10" "1"
> gsub ( "/" , "-" , "2019/10/1" ) # 替换字符串
[ 1 ] "2019-10-1"
在 Windows 计算机上实现，使用的是 GBK 编码标准，所以一个中文字符是两个字节，如果在 UTF-8 编码的计算机上运行，单个中文字符的字节长度应该是 3。
R 支持 perl 语言格式的正则表达式：
实例
[ 1 ] "$ $"
更多字符串内容参考： R 语言字符串介绍 。
矩阵
R 语言为线性代数的研究提供了矩阵类型，这种数据结构很类似于其它语言中的二维数组，但 R 提供了语言级的矩阵运算支持。
首先看看矩阵的生成：
实例
> matrix ( vector , 2 , 3 )
[ , 1 ] [ , 2 ] [ , 3 ]
[ 1 , ] 1 3 5
[ 2 , ] 2 4 6
矩阵初始化内容是由一个向量来传递的，其次要表达一个矩阵有几行、有几列。
向量中的值会一列一列的填充到矩阵中。如果想按行填充，需要指定 byrow 属性：
实例
[ , 1 ] [ , 2 ] [ , 3 ]
[ 1 , ] 1 2 3
[ 2 , ] 4 5 6
矩阵中的每一个值都可以被直接访问：
实例
> m1 [ 1 , 1 ] # 第 1 行 第 1 列
[ 1 ] 1
> m1 [ 1 , 3 ] # 第 1 行 第 3 列
[ 1 ] 3
R 中的矩阵的每一个列和每一行都可以设定名称，这个过程通过字符串向量批量完成：
实例
> rownames ( m1 ) = c ( "a" , "b" )
> m1
x y z
a 1 2 3
b 4 5 6
> m1 [ "a" , ]
x y z
1 2 3
矩阵的四则运算与向量基本一致，既可以与标量做运算，也可以与同规模的矩阵做对应位置的运算。
矩阵乘法运算：
实例
> m2 = matrix ( c ( 3 , 4 ) , 2 , 1 )
> m1 %*% m2
[ , 1 ]
[ 1 , ] 11
逆矩阵：
实例
> solve ( A )
[ , 1 ] [ , 2 ]
[ 1 , ] - 2.0 1.0
[ 2 , ] 1.5 - 0.5
solve() 函数用于求解线性代数方程，基本用法是 solve(A,b) ，其中， A 为方程组的系数矩阵， b 方程的向量或矩阵。
apply() 函数可以将矩阵的每一行或每一列当作向量来进行操作：
实例
[ , 1 ] [ , 2 ]
[ 1 , ] 1 2
[ 2 , ] 3 4
> apply ( A, 1 , sum ) # 第二个参数为 1 按行操作，用 sum() 函数
[ 1 ] 3 7
> apply ( A, 2 , sum ) # 第二个参数为 2 按列操作
[ 1 ] 4 6
更多矩阵内容参考： R 矩阵 。
