通常，在使用任何編程語言進行編程時，您需要使用各種變量來存儲各種信息。 變量只是保留值的存儲位置。 這意味著，當你創(chuàng)建一個變量，你必須在內(nèi)存中保留一些空間來存儲它們。

您可能想存儲各種數(shù)據(jù)類型的信息，如字符，寬字符，整數(shù)，浮點，雙浮點，布爾等?；谧兞康臄?shù)據(jù)類型，操作系統(tǒng)分配內(nèi)存并決定什么可以存儲在保留內(nèi)存中。

與其他編程語言（如 C 中的 C 和 java）相反，變量不會聲明為某種數(shù)據(jù)類型。 變量分配有 R 對象，R 對象的數(shù)據(jù)類型變?yōu)樽兞康臄?shù)據(jù)類型。盡管有很多類型的 R 對象，但經(jīng)常使用的是：

• 矢量
• 列表
• 矩陣
• 數(shù)組
• 因子
• 數(shù)據(jù)幀

這些對象中最簡單的是向量對象，并且這些原子向量有六種數(shù)據(jù)類型，也稱為六類向量。 其他 R 對象建立在原子向量之上。

在 R 編程中，非常基本的數(shù)據(jù)類型是稱為向量的 R 對象，其保存如上所示的不同類的元素。 請注意，在 R 中，類的數(shù)量不僅限于上述六種類型。 例如，我們可以使用許多原子向量并創(chuàng)建一個數(shù)組，其類將成為數(shù)組。

Vectors 向量

當你想用多個元素創(chuàng)建向量時，你應(yīng)該使用 c() 函數(shù)，這意味著將元素組合成一個向量。

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

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

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果

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

Lists 列表

列表是一個R對象，它可以在其中包含許多不同類型的元素，如向量，函數(shù)甚至其中的另一個列表。

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

# Print the list.
print(list1)

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果

[[1]]
[1] 2 5 3

[[2]]
[1] 21.3

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

Matrices 矩陣

矩陣是二維矩形數(shù)據(jù)集。 它可以使用矩陣函數(shù)的向量輸入創(chuàng)建。

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

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果

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

Arrays 數(shù)組

雖然矩陣被限制為二維，但陣列可以具有任何數(shù)量的維度。 數(shù)組函數(shù)使用一個 dim 屬性創(chuàng)建所需的維數(shù)。 在下面的例子中，我們創(chuàng)建了一個包含兩個元素的數(shù)組，每個元素為 3x3 個矩陣。

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

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)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" 

Factors 因子

因子是使用向量創(chuàng)建的 r 對象。 它將向量與向量中元素的不同值一起存儲為標簽。 標簽總是字符，不管它在輸入向量中是數(shù)字還是字符或布爾等。 它們在統(tǒng)計建模中非常有用。

使用 factor() 函數(shù)創(chuàng)建因子。nlevels 函數(shù)給出級別計數(shù)。

# 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))

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果

[1] green green yellow red red red green 
Levels: green red yellow
# applying the nlevels function we can know the number of distinct values
[1] 3

Data Frames 數(shù)據(jù)幀

數(shù)據(jù)幀是表格數(shù)據(jù)對象。 與數(shù)據(jù)幀中的矩陣不同，每列可以包含不同的數(shù)據(jù)模式。 第一列可以是數(shù)字，而第二列可以是字符，第三列可以是邏輯的。 它是等長度的向量的列表。

使用 data.frame() 函數(shù)創(chuàng)建數(shù)據(jù)幀。

# 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)

當我們執(zhí)行上面的代碼，它產(chǎn)生以下結(jié)果

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

到此這篇關(guān)于R語言數(shù)據(jù)類型知識點總結(jié)的文章就介紹到這了,更多相關(guān)R語言數(shù)據(jù)類型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論