（1）常见的数据类型

在R中，常见的数据类型一共有5种：
字符型character,
数值型numeric,
整形integer,
复数型complex,
逻辑型logical

常见数据类型.png

还需要注意的是，如果我们直接输入1,2,3,4...得到的是numeric类型。如果想要输入integer类型，需要输入1L,2L,3L,4L...

Inf表示无穷大，-Inf表示无穷小。
同理1/0表示无穷大，-1/0表示无穷小
如果输入0/0则会得到Nan这样的显示，Nan表示在计算的时候出现错误。
而如果出现Na则表示缺失值。我们可以认为Na包含了NaN。

NaN和Na.png

（2）数据的结构

在R语言中，常见的数据的结构有以下几种：
向量，列表，矩阵，数组，数据框，因子

1、向量

特点：相同类型，序列
如何创建向量？
1、创建初始向量：vector（‘数据类型’，数据个数），例如，我们输入：x<-vector('numeric',10)，可以得到如下结果，可以看到x的类型为数值型numeric。

vector的用法.png

2、用vector其实等同于直接用数据类型后面跟数据个数，上面的例子其实就可以写成numeric(10)，运行之后可以得到相同的结果：

numeric.png

3、如果需要创建的向量是等差为1的等差数列，如1到20的数列，我们可以直接写成：
1:20

1至20的等差数列.png

4、更多情况下，我们用c()函数用来创建向量，把数据对象连结在一起(concatenate)
例如：
c(1,2)

c(1,2).png

如上图可见，这里的数据类型class显示的是“numeric”，说明c(1,2)生成的向量里面的数据类型是数值型，而非整形integer。如果想要得到整形的向量，我们需要输入：
c(1L,2L)

c(1L,2L).png

如果输入c(TRUE,FALSE,FALSE,TRUE)，得到逻辑型向量

c(TRUE，FALSE).png

如果输入c('初中','高中','大学')，得到文本型向量

c(字符).png

注意
就像我们之前提到的，向量里面必须得是相同类型的数据。如果在创建向量的时候，输入了不同类型的数据，R会强制将不同类型的数据转换成相同的数据类型。
例如，输入c(1.7,'a')，最后生成的结果如图，1.7被转成了字符型，我们也可以从class里面看到类型是字符型character。

强制转换1.png

输入c(T,2)，最后生成的结果如图，T由逻辑型转成了数值型。

强制转换2.png

输入c("a",T),得到的结果如图所示，T由逻辑型转成了字符型。

强制转换3.png

上面提到的这几种转换，通常都是R强制地悄悄地执行的。如果我们自己想要转换数据类型，则应该应用：
as.numeric/logical/character/complex(向量名)来进行转换。

2、列表

特点：列表和向量相同的地方在于，二者都是序列；不同的地方在于，列表是由不同类型的对象组成的，而向量则由同样类型的数据组成。
写作：list(name1=object1,name2=object2,…)
例如：输入x<-list(1,'a',T,b=c(1+4i,2-3i))，我们可以明显看到list()里面的每个部分类型都不同（数值，字符，逻辑值，向量），输出结果如图：

list输出结果.png

3、矩阵

是一类特殊向量,维度属性。
matrix(数据, nrow = 几行, ncol = 几列, byrow = FALSE/T是否按行排列, dimnames = list(c(行名)，c(列名)))
斜体的部分表示可以不写。
例如，我们想要输入1-8，2行，4列，按照行排列，行名为张三、王五，列名为吃喝玩乐。可以得到如下图：
matrix(1:8,2,4,byrow=T,dimnames = list(c('张三','王五'),c('吃','喝','玩','乐')))

矩阵.png

矩阵还有另外一种方法可以创建，用cbind() rbind()创建
例如有x,y两个向量。cbind()是按照列来连接xy(x一列，y一列);rbind是按照行连接xy（x一行，y一行）
注意：如果用rbind（）来合并矩阵或者向量或者表格，必须要求二者列名一致

cbind&rbind.png

矩阵还有另外一种方法可以创建，创建一个向量，而后添加维度

通过对向量添加维度来创建矩阵.png

t()表示矩阵的转置

4、数组

array，和matrix最大的区别在于array的维度更多，有三个维度。
我们可以理解为matrix有行、列两个维度；但是array多了一个面板维度（分成几块）。
array(数据,dim=c(几行,几列,几块),dimnames = list(c(行名),c(列名),c(板块名)))
例如：
array(1:12,dim=c(2,3,2),dimnames=list(c('从前','现在'),c('衣','食','行'),c('北京','上海')))
得到如下结果：

array.png

5、数据框

数据框是R的一个重要数据类型,用来存储表格数据。可认为是特殊类型的列表,列表中每个元素(每类)都有同样的长度。每一列可以是不同的类型(矩阵是相同的)。可以通过调用data.matrix()将数据框转化为矩阵。
数据框很像我们在使用SQL的时候来定义表格之后，给表格中的各列赋值的情况。
data.frame(列1=向量,列2=向量)
例如：data.frame(foo=1:4,bar=c(T,T,F,F))

数据框.png

nrow(x)----x有几行
ncol(x)----x有几列

6、因子（factor，gl）

特点：用于创建分类数据,两种类型:有序/无序。
可以写成这样的形式：
factor(c("第一类","第二类","第三类",...),levels=c("第一类","第二类","第三类"),ordered = T)
ordered默认为F。
例如：factor(c("小学","初中","高中","小学"),levels=c("小学","初中","高中"),ordered = T)
得到如下结果：

因子.png

我们如果不对level进行定义，出现如下结果：
此时虽然有比较，但是初中<高中<小学，这样的结果是根据字母发音排序的结果，或许并不是我们想要的，所以如果我们对排序有要求，还是要对levels进行定义。levels=c("第一类","第二类","第三类")，理解为
"第一类"<"第二类"<"第三类"

未对Levels定义.png

我们如果不对ordered进行定义，出现如下结果：
此时为无序数据，无比较。

未定义Ordered.png

我们还有另外一种方法来定义因子：gl
gl(有几类, 循环几次, labels = c("第一类名称", "第二类名称"),ordered=T)

例如：gl(2,4)，表示有两个变量（2），每一个循环4次

gl.png

例如：gl(2, 8, labels = c("女", "男"),ordered=T)，表示有两个变量，各循环8次，这两个变量分别表示为“女”和“男”，排序。
注意，这里和上一个例子一样，本来应该是给出两个变量用1和2表示，labels相当于给1和2加了“女”和“男”的标签。所以排序之后显示“女”<“男”，其背后真实的情况是1<2 。

gl2.png

例如： gl(2, 8, labels = c("女", "男"),ordered=T,length=32)，在以上的基础上，规定一共有32个对象

gl3.png

---

结语

通过我们以上的论述，我们知道了5种数据类型和几种常见的对象形态。
这些是R中非常基础但是十分重要的内容，需要多看几遍才能记得更清楚。

R对象总结.png