目录

一、标量

检验数据类型

强制类型转换

二、向量

1.生成有规律的向量

 2.使用seq(from,to,by)生成向量

 3.rep(x,...) 生成满足条件的重复向量

 4.逻辑向量的生成

三、矩阵 

矩阵的拉直 

 四、数组

 五、数据框

 六、因子

 七、列表

---

一、标量

在R语言中赋值采用<-或者=

a<-4	数值类型标量
b<-"hello"	字符串类型标量
c<-"t"	字符类型标量
f<-TRUE	布尔类型标量

检验数据类型

is.numeric(a)	判断a是不是数值型对象
is.character(a)	判断a是不是字符型对象

强制类型转换

s<-as.character(a)	将a转换成字符串类型赋值给s，a本身的类型不变
a<-as.character(a)	将a转换成字符串类型赋值给a，a本身类型变成字符型变量

二、向量

向量使用<-c来赋值，其中，向量的每一个元素的分隔符为“，”

num<-c(9,2,-3,5,6,7,8,9)	数值型向量
ord<-c("a","wdw","23")	字符型向量
logv1<-c(T,T,T,TF,F,F)	逻辑型向量
logv2<-c(True,TRUE,FALSE)	逻辑型向量

1.生成有规律的向量

直接使用a:b的形式，生成从a到b的数列，如果a>b就逐项+1，否则逐项-1

从我们下面的代码中可以看出我们冒号的优先级比×和－高

 2.使用seq(from,to,by)生成向量

第一个参数为起始值，第二个参数为终止值，第三个数为步长

当然我们也可以直接设置整个向量的长度来生成我们的向量 

 3.rep(x,...) 生成满足条件的重复向量

rep(1,times=10)
x <- c(1,2,3,4)
rep(x,times=3)
rep(x,length.out=10)
rep(x,each=2)
rep(x,times=c(1,2,2,3))
rep("abc",5)
y <- c("a","b","c")
rep(y,2)
rep(y,length.out=10)
rep(y,times=c(1,2,3))

 4.逻辑向量的生成

z <- c(8,3,5,7,6,2,8,9)
n <- z > 5
#判断z中的全部元素是不是都大于5
all(z>5)
#判断z中是否有元素大于5
any(z>5)
#从下面的结果中我们可以看出，我们的R语言的数组下表是从1开始的
z[2]
z[1:4]
z[c(2,5,7)]
#-3表示不取第三个元素
z[-3]
#第二个元素和第四个元素不取
z[c(-2,-4)] 
#和上一个代码效果相同，都是第二个元素和第四个元素不取
z[-c(2,4)]

三、矩阵 

①矩阵是二维数组

②矩阵中的元素必须是相同类型的

③生成矩阵需要由函数matrix()实现

mymatrix <- matrix(vector,nrow = number_of_rows,
                                ncol = number_of_columns,
                                byrow = logical_value,

                                dimnames = list(char_vector_rownames, char_vector_colnames))

从下面的运行结果中，我们会发现我们的R语言中的矩阵是默认按照列的形式摆放的。

A <- matrix(1:20,nrow=5) 

 

 当然我们的矩阵也可以试用贴下面的方法生成

values <- c(1,2,3,4)
#创建行索引向量
rnames <- c("r1","r2")
#创建列索引向量
cnames <- c("c1","c2")
#指定我们的矩阵，分别将我们的数值，行数传入，
#byrow默认为FALSE，意思是按照列进行摆放
#如果为TRUE则为按照行进行摆放
#dimnames可以指定我们列和行的名字
C <- matrix(values,nrow=2,byrow=T,
            dimnames=list(rnames,cnames))
C

 

#如果我们将byrow的参数调整为F就会变成如下的形式
D <- matrix(values,nrow=2,byrow=F,
            dimnames=list(rnames,cnames))
D

 第一行代码为找到第一行第二列的数据

第二行代码为找到第一行的全部数据

第三行代码为找到第二列的数据

C[1,2]
C[1,] 
C[,2] 

#查找我们A中第二行，第二列和第四列的焦点所对应的值
A[2,c(2,4)] 
#查找我们A中第一行和第三行与第三列和第四列的焦点所对应的值
A[c(1,3),c(3,4)]
#查看A的维数
dim(A) 
#查看A的行数
nrow(A)
#查看A的列数
ncol(A) 
#查看C矩阵的索引，先返回行索引，再返回列索引
dimnames(C)
#查看A矩阵的索引，先返回行索引，再返回列索引 
dimnames(A)
#设置A的行列索引
dimnames(A) <- list(c("one","two","three","four","five"),
                    c("I","II","III","IV"))
dimnames(A)
A

 

矩阵的拉直 

#将我们的c强制类型转换为向量，然后赋值给我们的horz，也就是将我们的矩阵拉直
#从下面的运行结果中可以看出，我们拉直的方式是按列拉直
horz <- as.vector(C)
horz
C

 

#生成E矩阵，行数为2
E <- matrix(c("a","b","c","d","e","f","g","h"),nrow=2)
E
#生成G矩阵，列数为2
G <- matrix(c("i","j","k","l","m","n","o","p"),nrow=2)
G
#竖着拼接
rbind(E,G) 
#横着拼接
cbind(E,G) 
#生成H矩阵
H <- matrix(1:6,nrow=2)
H
#生成J矩阵
J <- matrix(5:8,ncol=2)
J
#这里我们可以发现，如果我们的列数不同的话，我们是不可以竖着拼接的
rbind(H,J)
#这里我们的行数相同，所以可以横着拼接
cbind(H,J)
#
cbind(E,H)

 

 

 四、数组

①数组与矩阵相似，但是维度必须大于2

②数组中的元素必须是相同类型

③选取数组中匀速的方式与矩阵相同

④数组可以通过函数array创建

一般形式

myarray <- array(vector, dimensions, dimnames)

dim1 <- c("A1","A2")
dim2 <- c("B1","B2","B3")
dim3 <- c("C1","C2","C3","C4")
dim1
dim2
dim3

#将我们从1-24的数据分成两行三列的四个矩阵，其索引分别为dim1,dim2,dim3
exarray <- array(1:24, c(2,3,4),
                 dimnames=list(dim1,dim2,dim3))
exarray
#这里我们取出的是第三个矩阵中的第一行第二列的数据
exarray[1,2,3]

 五、数据框

数据框是由不同类型的数据列组成的类矩阵，可以理解为是一个松散的数据集

创建指令mydata<-data.frame(col1,col2,col3,……)

ID <- c(1,2,3,4)
age <- c(25,34,28,52)
status <- c("Poor","Improved","Excellent","Poor")
diabetes <- c("Type1","Type2","Type1","Type1")
patientdata <- data.frame(ID,age,diabetes,status)
patientdata

 

 

#提取出我们patientdata中的第一列和第二列
patientdata[1:2]
#当然我们也可以指定查找的索引名为具体的对象
patientdata[c("diabetes","status")]
#直接获得patientdata中的age列的元素
patientdata$age
#修改某一列的数据
patientdata$age[2] <- 33
patientdata$diabetes[3] <- "Type2"

现在我们的数据表就被修改成了如下的样子 

 

 六、因子

因子：分类变量和有序变量在R中称为因子

分类变量：也称名义变量，变量的值没有大小关系，没有序列关系，就如同上面表格中病例的一型和二型一样

有序变量：变量的值存在一定的顺序关系，但没有数量关系，就如同上面代码中status中的评价等地（poor,Improved,excellent）

函数：factor()，以一个整数向量的形式存储类别值，整数的取值范围为[1,k]，k为水平值的个数。

#diabetes在这里存储的是我们病例的类型，默认是没有顺序的
diabetes <- factor(diabetes)
#status在这里存储的是治疗的效果，并且是有顺序的，但是默认的排序是按照字符的顺序来排序的
status <- factor(status, ordered=T) 
status
#我们的函数的level的排序也可以由我们自行指定
status <- factor(status, ordered=T,
                 levels=c("Poor","Improved","Excellent"))
diabetes
status

 

 七、列表

列表可以看做一些对象（R中的任何数据结构）的有序集合

创建一个列表

mylist <- list(object1, object2,......) 

创建一个列表，并且给列表中的每个对象命名
mylist <- list(name1=object1, name2=object2,......)

g <- "my 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)
mylist

获取列表中的第二个元素 

mylist[[2]]

 

#在下面的代码中，我们创建了一个列表
#其中第一个元素为ID
#第二个元素为名字
#第三个元素为一个矩阵，并且这个矩阵为两行两三，并且传入的数据是按照行排，不是先按列来
#并且指定我们的维数的索引的列表名字分别为学期名和学科的名字
stu <- list(ID="12345678",name="Ün",
            grade=matrix(c(99,96,88,92,93,87),nrow=2,byrow=T,
                         dimnames=list(c("第一学期","第二学期"),
                                       c("数学分析","高等代数","概率论"))))
stu

​​​​​​​

#查看列表中的ID元素
stu$ID
#查看列表中的名字元素
stu$name
#查看我们列表中的第二个元素，这里列表的下标是从1开始的，不是从0开始的，也就是我们的名字
stu[[2]]
#查看我们的成绩元素
stu$grade
#同上
stu[[3]]
#查看我们的成绩元素中的第二行第三列的元素
stu[[3]][2,3]
#查看成绩元素中的第一行第一列的数据
stu$grade[1,1]
#将我们的名字元素更换为李四
stu$name <- "李四"
#将成绩元素的第一行第二列的位置的数据改成78
stu$grade[1,2] <- 78
stu