变量分配R-对象和R对象的数据类型变为变量的数据类型。有许多类型的R-对象。常用的有：

• 矢量
• 列表
• 矩阵
• 数组
• 因子
• 数据帧

这些对象的是最简单的矢量对象并且这些原子矢量有六种数据类型，也被称为六类向量。另外R-对象是建立在原子向量。

因此，在R语言中的非常基本的数据类型是R-对象，如上图所示占据着不同类别的元素向量。请注意R语言中类的数量并不只限于上述的六种类型。 例如，我们可以使用许多原子向量以及创建一个数组，它的类将成为数组。

向量

当您希望使用多个元素创建向量，应该使用c()函数，这意味着元素结合成一个向量。

# Create a vector.
apple <- c('red','green',"yellow")
print(apple)

# Get the class of the vector.
print(class(apple))

当我们上面的代码执行时，它产生以下结果：

[1] "red" "green" "yellow"
[1] "character"

列表

列表是R-对象，它里面可以包含多个不同类型的元素，如向量，函数，甚至是另一个列表。

# Create a list.
list1 <- list(c(2,5,3),21.3,sin)

# Print the list.
print(list1)

当我们上面的代码执行时，它产生以下结果：

[[1]]
[1] 2 5 3

[[2]]
[1] 21.3

[[3]]
function (x) .Primitive("sin")

矩阵

矩阵是一个二维矩形数据集。它可以使用一个向量输入到矩阵函数来创建。

# Create a matrix.
M = matrix( c('a','a','b','c','b','a'), nrow=2,ncol=3,byrow = TRUE)
print(M)

当我们上面的代码执行时，它产生以下结果：

[,1] [,2] [,3]
[1,] "a" "a" "b"
[2,] "c" "b" "a"

数组

尽管矩阵限于两个维度，数组可以是任何数目的尺寸大小。数组函数使用它创建维度的所需数量的属性-dim。在下面的例子中，我们创建了两个元素数组，这是3×3矩阵。

# Create an array.
a <- array(c('green','yellow'),dim=c(3,3,2))
print(a)

当我们上面的代码执行时，它产生以下结果：

, , 1

[,1] [,2] [,3]
[1,] "green" "yellow" "green"
[2,] "yellow" "green" "yellow"
[3,] "green" "yellow" "green"

, , 2

[,1] [,2] [,3]
[1,] "yellow" "green" "yellow"
[2,] "green" "yellow" "green"
[3,] "yellow" "green" "yellow"

因子

因子是使用向量创建的R对象。它存储随同该向量作为标记元素的不同值的向量。 标签始终是字符，而不论它在输入向量的是数字或字符或布尔等。它们在统计建模有用。

运用 factor() 函数创建因子。nlevels 函数给出级别的计数。

# Create a vector.
apple_colors <- c('green','green','yellow','red','red','red','green')

# Create a factor object.
factor_apple <- factor(apple_colors)

# Print the factor.
print(factor_apple)
print(nlevels(factor_apple))

当我们上面的代码执行时，它产生以下结果：

[1] green green yellow red red red yellow green
Levels: green red yellow

applying the nlevels function we can know the number of distinct values

[1] 3

数据帧

数据帧是表格数据对象。不像在数据帧的矩阵，每一列可以包含不同的数据的模型。第一列可以是数字，而第二列可能是字符和第三列可以是逻辑。它与向量列表的长度相等。

数据帧所使用 data.frame()函数来创建。

# Create the data frame.
BMI <-  data.frame(
            gender = c("Male", "Male","Female"), 
            height = c(152, 171.5, 165), 
            weight = c(81,93, 78),
            Age =c(42,38,26)
            )
print(BMI)

当我们上面的代码执行时，它产生以下结果：

gender height weight Age
1 Male 152.0 81 42
2 Male 171.5 93 38
3 Female 165.0 78 26