21
2020
08

R 数据类型

数据类型指的是用于声明不同类型的变量或函数的一个广泛的系统。


变量的类型决定了变量存储占用的空间,以及如何解释存储的位模式。


R 语言中的最基本数据类型主要有三种:


数字

逻辑

文本

数字常量主要有两种:


一般型 123 -0.125

科学计数法 1.23e2 -1.25E-1

逻辑类型在许多其他编程语言中常称为布尔型(Boolean),常量值只有 TRUE 和 FALSE。


注意:R 语言区分大小写,true 或 True 不能代表 TRUE。


最直观的数据类型就是文本类型。文本就是其它语言中常出现的字符串(String),常量用双引号包含。在 R 语言中,文本常量既可以用单引号包含,也可以用双引号包含,例如:


实例

> 'runoob' == "runoob"

[1] TRUE

有关于 R 语言的变量定义,并不像一些强类型语言中的语法规则,需要专门为变量设置名称和数据类型,每当在 R 中使用赋值运算符时,实际上就是定义了一个新的变量:


实例

a = 1

b <- TRUE

b = "abc"

按对象类型来分是以下 6 种(后面会详细介绍这几种类型):


向量(vector)

列表(list)

矩阵(matrix)

数组(array)

因子(factor)

数据框(data.frame)



向量


向量(Vector)在 Java、Rust、C# 这些专门编程的的语言的标准库里往往会提供,这是因为向量在数学运算中是不可或缺的工具——我们最常见的向量是二维向量,这种向量在平面坐标系中必然会用到。


向量从数据结构上看就是一个线性表,可以看成一个数组。


R 语言中向量作为一种类型存在可以让向量的操作变得更加容易:


实例

> a = c(3, 4)

> b = c(5, 0)

> a + b

[1] 8 4

c() 是一个创造向量的函数。


这里把两个二维向量相加,得到一个新的二维向量 (8, 4)。如果将一个二维向量和三维向量做运算,将失去数学意义,虽然不会停止运行,但会被警告。


我建议大家从习惯上杜绝这种情况的出现。


向量中的每一个元素可以通过下标单独取出:


实例

> a = c(10, 20, 30, 40, 50)

> a[2]

[1] 20

注意:R 语言中的"下标"不代表偏移量,而代表第几个,也就是说是从 1 开始的!


R 也可以方便的取出向量的一部分:


实例

> a[1:4] # 取出第 1 到 4 项,包含第 1 和第 4 项

[1] 10 20 30 40

> a[c(1, 3, 5)] # 取出第 1, 3, 5 项

[1] 10 30 50

> a[c(-1, -5)] # 去掉第 1 和第 5 项

[1] 20 30 40

这三种部分取出方法是最常用的。


向量支持标量计算:


实例

> c(1.1, 1.2, 1.3) - 0.5

[1] 0.6 0.7 0.8

> a = c(1,2)

> a ^ 2

[1] 1 4

之前讲述的常用的数学运算函数,如 sqrt 、exp 等,同样可以用于对向量作标量运算。


"向量"作为线性表结构,应该具备一些常用的线性表处理函数,R 确实具备这些函数:


向量排序:


实例

> a = c(1, 3, 5, 2, 4, 6)

> sort(a)

[1] 1 2 3 4 5 6

> rev(a)

[1] 6 4 2 5 3 1

> order(a)

[1] 1 4 2 5 3 6

> a[order(a)]

[1] 1 2 3 4 5 6

order() 函数返回的是一个向量排序之后的下标向量。


向量统计


R 中有十分完整的统计学函数:


函数名 含义

sum 求和

mean 求平均值

var 方差

sd 标准差

min 最小值

max 最大值

range 取值范围(二维向量,最大值和最小值)

向量统计实例:


实例

> sum(1:5)

[1] 15

> sd(1:5)

[1] 1.581139

> range(1:5)

[1] 1 5

向量生成


向量的生成可以用 c() 函数生成,也可以用 min:max 运算符生成连续的序列。


如果想生成有间隙的等差数列,可以用 seq 函数:


> seq(1, 9, 2)

[1] 1 3 5 7 9

seq 还可以生成从 m 到 n 的等差数列,只需要指定 m, n 以及数列的长度:


> seq(0, 1, length.out=3)

[1] 0.0 0.5 1.0

rep 是 repeat(重复)的意思,可以用于产生重复出现的数字序列:


> rep(0, 5)

[1] 0 0 0 0 0

向量中常会用到 NA 和 NULL ,这里介绍一下这两个词语与区别:


NA 代表的是"缺失",NULL 代表的是"不存在"。

NA 缺失就想占位符,代表这里没有一个值,但位置存在。

NULL 代表的就是数据不存在。

实例说明:


实例

> length(c(NA, NA, NULL))

[1] 2

> c(NA, NA, NULL, NA)

[1] NA NA NA

很显然, NULL 在向量中没有任何意义。


逻辑型

逻辑向量主要用于向量的逻辑运算,例如:


实例

> c(1, 2, 3) > 2

[1] FALSE FALSE  TRUE

which 函数是十分常见的逻辑型向量处理函数,可以用于筛选我们需要的数据的下标:


实例

> a = c(1, 2, 3)

> b = a > 2

> print(b)

[1] FALSE FALSE  TRUE

> which(b)

[1] 3

例如我们需要从一个线性表中筛选大于等于 60 且小于 70 的数据:


实例

> vector = c(10, 40, 78, 64, 53, 62, 69, 70)

> print(vector[which(vector >= 60 & vector < 70)])

[1] 64 62 69

类似的函数还有 all 和 any:


实例

> all(c(TRUE, TRUE, TRUE))

[1] TRUE

> all(c(TRUE, TRUE, FALSE))

[1] FALSE

> any(c(TRUE, FALSE, FALSE))

[1] TRUE

> any(c(FALSE, FALSE, FALSE))

[1] FALSE

all() 用于检查逻辑向量是否全部为 TRUE,any() 用于检查逻辑向量是否含有 TRUE。


字符串

字符串数据类型本身并不复杂,这里注重介绍字符串的操作函数:


实例

> toupper("Runoob") # 转换为大写

[1] "RUNOOB"

> tolower("Runoob") # 转换为小写

[1] "runoob"

> nchar("中文", type="bytes") # 统计字节长度

[1] 4

> nchar("中文", type="char") # 总计字符数量

[1] 2

> substr("123456789", 1, 5) # 截取字符串,从 1 到 5

[1] "12345"

> substring("1234567890", 5) # 截取字符串,从 5 到结束

[1] "567890"

> as.numeric("12") # 将字符串转换为数字

[1] 12

> as.character(12.34) # 将数字转换为字符串

[1] "12.34"

> strsplit("2019;10;1", ";") # 分隔符拆分字符串

[[1]]

[1] "2019" "10"   "1"

> gsub("/", "-", "2019/10/1") # 替换字符串

[1] "2019-10-1"

在 Windows 计算机上实现,使用的是 GBK 编码标准,所以一个中文字符是两个字节,如果在 UTF-8 编码的计算机上运行,单个中文字符的字节长度应该是 3。


R 支持 perl 语言格式的正则表达式:


实例

> gsub("[[:alpha:]]+", "$", "Two words")

[1] "$ $"

更多字符串内容参考:R 语言字符串介绍。


矩阵

R 语言为线性代数的研究提供了矩阵类型,这种数据结构很类似于其它语言中的二维数组,但 R 提供了语言级的矩阵运算支持。


首先看看矩阵的生成:


实例

> vector=c(1, 2, 3, 4, 5, 6)

> matrix(vector, 2, 3)

     [,1] [,2] [,3]

[1,]    1    3    5

[2,]    2    4    6

矩阵初始化内容是由一个向量来传递的,其次要表达一个矩阵有几行、有几列。


向量中的值会一列一列的填充到矩阵中。如果想按行填充,需要指定 byrow 属性:


实例

> matrix(vector, 2, 3, byrow=TRUE)

     [,1] [,2] [,3]

[1,]    1    2    3

[2,]    4    5    6

矩阵中的每一个值都可以被直接访问:


实例

> m1 = matrix(vector, 2, 3, byrow=TRUE)

> m1[1,1] # 第 1 行 第 1 列 

[1] 1

> m1[1,3] # 第 1 行 第 3 列

[1] 3

R 中的矩阵的每一个列和每一行都可以设定名称,这个过程通过字符串向量批量完成:


实例

> colnames(m1) = c("x", "y", "z")

> rownames(m1) = c("a", "b")

> m1

  x y z

a 1 2 3

b 4 5 6

> m1["a", ]

x y z 

1 2 3

矩阵的四则运算与向量基本一致,既可以与标量做运算,也可以与同规模的矩阵做对应位置的运算。


矩阵乘法运算:




实例

> m1 = matrix(c(1, 2), 1, 2)

> m2 = matrix(c(3, 4), 2, 1)

> m1 %*% m2

     [,1]

[1,]   11

逆矩阵:




实例

> A = matrix(c(1, 3, 2, 4), 2, 2)

> solve(A)

     [,1] [,2]

[1,] -2.0  1.0

[2,]  1.5 -0.5

apply() 函数可以将矩阵的每一行或每一列当作向量来进行操作:


实例

> (A = matrix(c(1, 3, 2, 4), 2, 2))

     [,1] [,2]

[1,]    1    2

[2,]    3    4

> apply(A, 1, sum) # 第二个参数为 1 按行操作,用 sum() 函数

[1] 3 7

> apply(A, 2, sum) # 第二个参数为 2 按列操作

[1] 4 6

更多矩阵内容参考:R 矩阵。

« 上一篇 下一篇 »

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。