免費(fèi)AI編程助手
R語言 數(shù)據(jù)類型
通常，在使用任何編程語言進(jìn)行編程時(shí)，您需要使用各種變量來存儲(chǔ)各種信息。 變量只是保留值的存儲(chǔ)位置。 這意味著，當(dāng)你創(chuàng)建一個(gè)變量，你必須在內(nèi)存中保留一些空間來存儲(chǔ)它們。
您可能想存儲(chǔ)各種數(shù)據(jù)類型的信息，如字符，寬字符，整數(shù)，浮點(diǎn)，雙浮點(diǎn)，布爾等。基于變量的數(shù)據(jù)類型，操作系統(tǒng)分配內(nèi)存并決定什么可以存儲(chǔ)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(huì)聲明為某種數(shù)據(jù)類型。 變量分配有 R 對(duì)象，R 對(duì)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(duì)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(duì)象中最簡(jiǎn)單的是向量對(duì)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(duì)象建立在原子向量之上。
| 數(shù)據(jù)類型 | 例 | 校驗(yàn) |
|---|---|---|
| Logical（邏輯型） | TRUE, FALSE | v <- TRUE print(class(v)) 它產(chǎn)生以下結(jié)果 - [1] "logical" |
| Numeric（數(shù)字） | 12.3，5，999 | v <- 23.5 print(class(v)) 它產(chǎn)生以下結(jié)果 - [1] "numeric" |
| Integer（整型） | 2L，34L，0L | v <- 2L print(class(v)) 它產(chǎn)生以下結(jié)果 - [1] "integer" |
| Complex（復(fù)合型） | 3 + 2i | v <- 2+5i print(class(v)) 它產(chǎn)生以下結(jié)果 - [1] "complex" |
| Character（字符） | 'a' , "good", "TRUE", '23.4' | v <- "TRUE" print(class(v)) 它產(chǎn)生以下結(jié)果 - [1] "character" |
| Raw（原型） | "Hello" 被存儲(chǔ)為 48 65 6c 6c 6f | v <- charToRaw("Hello")
print(class(v))
它產(chǎn)生以下結(jié)果 - [1] "raw" |
在 R 編程中，非?；镜臄?shù)據(jù)類型是稱為向量的 R 對(duì)象，其保存如上所示的不同類的元素。 請(qǐng)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(gè)數(shù)組，其類將成為數(shù)組。
Vectors 向量
當(dāng)你想用多個(gè)元素創(chuàng)建向量時(shí)，你應(yīng)該使用 c() 函數(shù)，這意味著將元素組合成一個(gè)向量。
# Create a vector.
apple <- c('red','green',"yellow")
print(apple)
# Get the class of the vector.
print(class(apple))
當(dāng)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(gè)R對(duì)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(gè)列表。
# Create a list. list1 <- list(c(2,5,3),21.3,sin) # Print the list. print(list1)
當(dāng)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(dāng)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(gè) 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(gè)包含兩個(gè)元素的數(shù)組，每個(gè)元素為 3x3 個(gè)矩陣。
# Create an array.
a <- array(c('green','yellow'),dim = c(3,3,2))
print(a)
當(dāng)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(duì)象。 它將向量與向量中元素的不同值一起存儲(chǔ)為標(biāo)簽。 標(biāo)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?cè)诮y(tǒng)計(jì)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(jí)別計(jì)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(dāng)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(duì)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(zhǎng)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(dāng)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
更多建議：