2.2 数据对象
在正式开始学习R之前，我们需要明白，R是一种基于对象的语言：对象是指可以赋值给变量的任何事物，包括常量、数据结构、函数甚至是图形。R中有多种用于存储数据的对象类型，包括向量、矩阵、数组、数据框和列表。
2.2.1 向量
向量是用于存储数值型、字符型或者逻辑型数据的一维数组，是所有R进行数据分析的基础数据结构之一。在R中，没有对标量类型的正式定义，标量只是长度为1的向量，所以向量是最基础也是最常用的数据类型。由于组成元素的不同，向量可以分为数值向量、逻辑向量和字复向量。
我们可以使用函数c()可以用来创建不同类型的向量：
x <- c(1,2,3,4,5)
y <- c("a","b","c")
z <- c(TRUE,FALSE)这里，x是数值向量，y是字符型，z是逻辑型。
上面这段代码有两点需要注意的：
在同一个向量中，只能包含相同的数据类型（数值型、字符型、逻辑型）
在R中，尽量使用“<-”进行赋值，而不是“=”（有些函数会将=解释为判断）
通过“[]”，我们可以访问向量中指定的元素，x[]表示对x向量中的元素进行操作。接下来我们通过一些代码示例对前面生成的向量来进行演示：
x[3]## [1] 3x[1:3]## [1] 1 2 3y[c(1,3)]## [1] "a" "c"第二个语句中的冒号用于生成一个数值序列，例如，x<-c(1:5)等价于x<-c(1,2,3,4,5)。
2.2.2 矩阵
矩阵是一个二维数组，也可以说是一个二维向量，所以在矩阵中同样只能保存相同类型的数据。在R中一般使用matrix()函数来创建矩阵，创建矩阵的方式有两种：
m1 <- matrix(1:16,nrow=4,ncol=4)
m1## [,1] [,2] [,3] [,4]
## [1,] 1 5 9 13
## [2,] 2 6 10 14
## [3,] 3 7 11 15
## [4,] 4 8 12 16x<-c(1:16)
m2<-matrix(x,nrow = 4,byrow = TRUE)
m2## [,1] [,2] [,3] [,4]
## [1,] 1 2 3 4
## [2,] 5 6 7 8
## [3,] 9 10 11 12
## [4,] 13 14 15 16我们使用两种方式创建了相同的两个4*4矩阵。在第二种方式中，byrow参数控制的是是否按列填充，当byrow=FALSE时，m2将成为m1的转置矩阵。有时，我们需要创建对角矩阵，R中提供diag（）函数完成这个操作：
diag(1,nrow=4)## [,1] [,2] [,3] [,4]
## [1,] 1 0 0 0
## [2,] 0 1 0 0
## [3,] 0 0 1 0
## [4,] 0 0 0 1我们可以使用“[]”来对矩阵中的元素进行访问。x[i,j]指矩阵中的第i行，第j列；x[i,]会访问第i行的所有元素；x[，j]则会访问矩阵中第j列的所有元素：
m1 <- matrix(1:16,nrow=4,ncol=4)
m1[2,2]## [1] 6m1[2,]## [1] 2 6 10 14m1[,2]## [1] 5 6 7 8首先，我们创建了4*4的矩阵，默认按列填充。然后我们访问了矩阵中第2行、第2列的元素；接着，我们又分别访问了第2行和第二列中的所有元素。
在默认情况下，创建矩阵时不会自动分配行列名。但是在使用矩阵时，我们有时会希望对行和列进行命名，以赋予行列不同的含义。我们可以在创建矩阵时通过matrix()中的dimnames参数为行列进行命名：
matrix(1:16,nrow=4,ncol=4,
dimnames = list(c("r1","r2","r3","r4"),
c("n1","n2","n3","n4")))## n1 n2 n3 n4
## r1 1 5 9 13
## r2 2 6 10 14
## r3 3 7 11 15
## r4 4 8 12 16我们也可以在矩阵创建完成后，在对其行列进行命名：
m1 <- matrix(1:16,nrow=4,ncol=4)
rownames(m1)<-c("r1","r2","r3","r4")
colnames(m1)<-c("n1","n2","n3","n4")
m1## n1 n2 n3 n4
## r1 1 5 9 13
## r2 2 6 10 14
## r3 3 7 11 15
## r4 4 8 12 16矩阵运算符的使用
矩阵本质上来说还是向量，所以所有适用于向量的算术运算符也适用于矩阵。这些算术运算符在元素层面上进行运算。另外还有一些矩阵专用的运算符，例如矩阵乘法%*%。
m1 + m1## n1 n2 n3 n4
## r1 2 10 18 26
## r2 4 12 20 28
## r3 6 14 22 30
## r4 8 16 24 32m1 - 2*m1## n1 n2 n3 n4
## r1 -1 -5 -9 -13
## r2 -2 -6 -10 -14
## r3 -3 -7 -11 -15
## r4 -4 -8 -12 -16m1 * 2## n1 n2 n3 n4
## r1 2 10 18 26
## r2 4 12 20 28
## r3 6 14 22 30
## r4 8 16 24 32m1 / m1## n1 n2 n3 n4
## r1 1 1 1 1
## r2 1 1 1 1
## r3 1 1 1 1
## r4 1 1 1 1m1 ^ 2## n1 n2 n3 n4
## r1 1 25 81 169
## r2 4 36 100 196
## r3 9 49 121 225
## r4 16 64 144 256m1 %*% m1## n1 n2 n3 n4
## r1 90 202 314 426
## r2 100 228 356 484
## r3 110 254 398 542
## r4 120 280 440 600在R语言中可以通过cbind()和rbind()两个函数来实现两个矩阵的列、行合并；但需要注意的是，在进行行、列的合并时，需要确保两个矩阵的行、列的数量是相同的。比如：
m1 <- matrix(1:16,nrow=4,ncol=4)
m2 <- matrix(x,nrow = 4,byrow = TRUE)
cbind(m1,m2)## [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
## [1,] 1 5 9 13 1 2 3 4
## [2,] 2 6 10 14 5 6 7 8
## [3,] 3 7 11 15 9 10 11 12
## [4,] 4 8 12 16 13 14 15 162.2.3 数组
数组是向量和矩阵的自然推广，是由三维或三维以上的数据构成的。本质上来说，数组仍然是一个向量，所以数组依然具有向量的性质，只能存储相同的数据类型。在R语言中，我们可以通过array()函数来创建数组：
myarray <- array(vector, dim, dimnames)其中，vector包含了数组中的数据，dim是一个数值型向量，指定了数组的不同维度，dimnames是一个列表，可以指定不同维度的名称，例如：
arr1<-array(1:12,dim=c(2,3,2),
dimnames=list(c("a","b"),
c("d","e","f"),
c("g","h")))
arr1## , , g
##
## d e f
## a 1 3 5
## b 2 4 6
##
## , , h
##
## d e f
## a 7 9 11
## b 8 10 12对于已经存在的数组，可以使用dimnames()函数为数组的各个维度命名，例如:
dimnames(arr1)<-list(c("a1","a2"),
c("b1","b2","b3"),
c("c1","c2"))同样的，我们也可以使用“[]”来对数组中的元素进行操作，例如arr1[1,2,2]为9。这里需要注意，在[1,2,2]这个坐标中：1为行坐标，第一个2为列坐标，第二个2则为第三维的坐标。
读到这里，细心的读者可以发现，向量、矩阵和数组的基本特征和基本操作几乎完全相同，而且它们都只能存储相同的数据类型，我们可以称它们为同质数据类。在R中，还存在异质数据类，即可以存储不同类型的数据。异质数据类存储更加灵活，但是在存储效率和运行效率上不如同质数据类。
2.2.4 数据框
在R语言中，数据框（dataframe）的数据结构与矩阵相似，但是其各列的数据类型可以不相同。一般情况，数据框的每列是一个变量，每行是一个观测样本。虽然，数据框内不同的列可以是不同的数据模式，但是数据框内每列的长度必须相同。
通常我们需要处理的数据集都会包含多种数据类型，如下表所示,此时此数据集无法写入矩阵或者数组，在这种情况下数据框是最佳选择。所以，数据框是R语言中最常处理的数据结构。
| ID | Male | Name | Birthdate | Major |
|---|---|---|---|---|
| 11 | 男 | 张三 | 12-29 | 工程管理 |
| 12 | 女 | 李四 | 5-6 | 工商管理 |
| 13 | 男 | 王五 | 8-8 | 国际贸易 |
在R语言中，我们可以调用data.frame()函数来创建数据框：
df <- data.frame(col1,col2,col3)其中，列向量col可以为任何类型（字符型、数值型或者逻辑型），每一列的名称可由函数names()指定。或者，我们也可以在数据框创建完毕后使用colnames()和rownames()函数对其进行重命名：
student <- data.frame(ID=c(404,405,406),
Male=c("男","女","男"),
Name=c("张三","李四","王五"),
Birthdate=c("12-29","5-6","8-8"),
Major=c("工程管理","工商管理","国际贸易"))
student## ID Male Name Birthdate Major
## 1 404 男 张三 12-29 工程管理
## 2 405 女 李四 5-6 工商管理
## 3 406 男 王五 8-8 国际贸易rownames(student) <- letters[1:3]数据框可以存储不同的数据类型，但是每一列的数据模式必须是唯一的。在进行数据分析时，我们可以以列为单位进行处理。最后一行代码的letters会自动生成abc的字母序列。
选取数据框中元素的方式有多种。我们任然可以使用”[]“对数据框中的数据进行选取，亦可以直接指定列名，还可以使用$符号,它的作用是选取给定数据框中的某个特定向量。
student[1:2]## ID Male
## a 404 男
## b 405 女
## c 406 男student["Name"]## Name
## a 张三
## b 李四
## c 王五student$ID## [1] 404 405 406上述操作默认提取的是数据框的列变量，即student[1:2]会提取数据框的第1和第2列。如果我们想要进行行操作，可以仿照对矩阵的操作形式，使用student[1,],这样我们提取出来的是student数据框的第一行，且返回值是一个数据框。 但是我们使用这种方式提取列变量时，则需要设置drop参数，写成student[,1,drop=FALSE]这种形式，否则将会返回一个向量。
赋值
我们可以使用$或者“[]”结合赋值符号“<-”对列表中的成分进行重新赋值,例如：
student$ID <- c("1","2","3")
student["Name"] <- c("a","b","c")因子
数据框会默认的使用更有效率的利用内存的方式来存储数据，在存储的过程中，数据的类型会发生一些改变，我们可以使用str()函数进行查看：
str(student)## 'data.frame': 3 obs. of 5 variables:
## $ ID : chr "1" "2" "3"
## $ Male : chr "男" "女" "男"
## $ Name : chr "a" "b" "c"
## $ Birthdate: chr "12-29" "5-6" "8-8"
## $ Major : chr "工程管理" "工商管理" "国际贸易"如我们所看到的，字符向量会在数据框中转换为因子，相同的字符只存储一次，以节省内存。因子会带有水平（level）属性，水平指字符所有唯一取值的集合。例如，性别一列中，level为2，只有男和女两个水平。
这种存储方式提高了内存的利用效率，但是，也会产生一些问题：
student[1,"Name"] <- "d"
student## ID Male Name Birthdate Major
## a 1 男 d 12-29 工程管理
## b 2 女 b 5-6 工商管理
## c 3 男 c 8-8 国际贸易这里会产生一个警告，这是因为在最初设定Name这一列时，相应的水平集合中没有“d”这个水平。这时我们就无法赋予它一个水平集合中不存在的名称。R是一种十分占用内存的语言，所以这种设定在R语言中有其合理之处，但是有时也会产生一些问题。我们可以通过设定data.frame()中的stringsAsFactors参数来禁止它转换成因子：
student <- data.frame(ID=c(404,405,406),
Male=c("男","女","男"),
Name=c("张三","李四","王五"),
Birthdate=c("1994-12-29","1993-5-6","1996-8-8"),
Major=c("工程管理","工商管理","国际贸易"),
stringsAsFactors = FALSE)
str(student)## 'data.frame': 3 obs. of 5 variables:
## $ ID : num 404 405 406
## $ Male : chr "男" "女" "男"
## $ Name : chr "张三" "李四" "王五"
## $ Birthdate: chr "1994-12-29" "1993-5-6" "1996-8-8"
## $ Major : chr "工程管理" "工商管理" "国际贸易"2.2.5 列表
列表（list）是R中最为复杂的一种数据结构。列表可以理解为广义的向量，是一些对象的有序集合，他可以包含各种类型的对象，甚至是其它列表。在R中，可以使用list()函数创建列表：
mylist <- list(object1,object2,...)其中的对象可以是向量、矩阵、数组、数据框和列表。在创建列表的同时，你还可以为列表中的对象命名，当然你也可以在创建完之后使用names()函数对它进行重命名：
mylist <- list(name1 = object1,name2 = object2,...)创建列表
a <- "my list"
b <- c(1:5)
c <- matrix(1:10,nrow = 5)
d <- c("x1","x2","x3")
list1 <- list(a,b,c,d)
names(list1) <- c("r1","r2","r3","r4")
list1## $r1
## [1] "my list"
##
## $r2
## [1] 1 2 3 4 5
##
## $r3
## [,1] [,2]
## [1,] 1 6
## [2,] 2 7
## [3,] 3 8
## [4,] 4 9
## [5,] 5 10
##
## $r4
## [1] "x1" "x2" "x3"提取列表中的元素有几种不同的方式，最常用的方法是使用美元符号$，通过成分（向量、矩阵等）的名称来提取列表中的成分。在提取出成分来之后，例如向量，还可以通过对向量的操作提取其中的元素：
list1$r1## [1] "my list"list1$r2[1]## [1] 1还可以使用“[]”来访问列表中的元素。但是需要注意list1[2]返回的仍然是一个列表，list[[2]]返回的是列表中第2个元素的成分，及向量b。另外，在列表中还可以使用名称直接访问列表中的成分，list1[[2]]和list1[[“r2”]]是等价的。
list1[2]## $r2
## [1] 1 2 3 4 5list1[[2]]## [1] 1 2 3 4 5list1[["r2"]]## [1] 1 2 3 4 5由于列表存储数据的灵活性，它成为了R语言中非常重要的数据结构。列表允许以一种简单的方式组织和重新调用不相干的信息；另外，在R语言中，许多函数的运行结果是以列表的形式返回的。列表中的数据可以灵活的访问和提取，所以，列表成为了R语言中非常重要的数据结构。