基本类型

通常，在使用任何编程语言进行编程时，您需要使用各种变量来存储各种信息。 变量只是保留值的存储位置。 这意味着，当你创建一个变量，你必须在内存中保留一些空间来存储它们。

您可能想存储各种数据类型的信息，如字符，宽字符，整数，浮点，双浮点，布尔等。基于变量的数据类型，操作系统分配内存并决定什么可以存储在保留内存中。

与其他编程语言（如C中的C和java）相反，变量不会声明为某种数据类型。 变量分配有R对象，R对象的数据类型变为变量的数据类型。尽管有很多类型的R对象，但经常使用的是：

• 矢量
• 列表
• 矩阵
• 数组
• 因子
• 数据帧

这些对象中最简单的是向量对象，并且这些原子向量有六种数据类型，也称为六类向量。 其他R对象建立在原子向量之上。

v <- TRUE 
print(class(v))

[1] "logical" 

v <- 23.5
print(class(v))

[1] "numeric"

v <- 2L
print(class(v))

[1] "integer"

v <- 2+5i
print(class(v))

[1] "complex"

v <- "TRUE"
print(class(v))

[1] "character"

v <- charToRaw("Hello")
print(class(v))

[1] "raw" 

Vectors 向量

 当你想用多个元素创建向量时，你应该使用c()函数，这意味着将元素组合成一个向量。

# 创建一个向量
apple <- c('red','green',"yellow")
print(apple)#获取向量的类型.
print(class(apple))

执行以下结果：

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

Lists 列表

    列表是一个R对象，它可以在其中包含许多不同类型的元素，如向量，函数甚至其中的另一个列表。

# 创建一个列表.
list1 <- list(c(2,5,3),21.3,sin)# 打印出列表.
print(list1)

执行结果：

[[1]]
[1] 2 5 3[[2]]
[1] 21.3[[3]]
function (x)  .Primitive("sin"

Matrices 矩阵

     矩阵是二维矩形数据集。 它可以使用矩阵函数的向量输入创建。

# 创建一个矩阵
M = matrix( c('a','a','b','c','b','a'), nrow = 2, ncol = 3, byrow = TRUE)
print(M)

执行结果：

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

Arrays 数组

   虽然矩阵被限制为二维，但阵列可以具有任何数量的维度。 数组函数使用一个dim属性创建所需的维数。 在下面的例子中，我们创建了一个包含两个元素的数组，每个元素为3x3个矩阵。

# 创建一个数组
a <- array(c('green','yellow'),dim = c(3,3,2))
print(a)

执行结果

, , 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

       因子是使用向量创建的r对象。 它将向量与向量中元素的不同值一起存储为标签。 标签总是字符，不管它在输入向量中是数字还是字符或布尔等。 它们在统计建模中非常有用。
使用factor()函数创建因子。nlevels函数给出级别计数。

# 创建一个向量
apple_colors <- c('green','green','yellow','red','red','red','green')#创建一个factor对象
factor_apple <- factor(apple_colors)# 打印 factor.
print(factor_apple)
print(nlevels(factor_apple))

执行结果

[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 数据帧

       数据帧是表格数据对象。 与数据帧中的矩阵不同，每列可以包含不同的数据模式。 第一列可以是数字，而第二列可以是字符，第三列可以是逻辑的。 它是等长度的向量的列表。
使用data.frame()函数创建数据帧。

# 创建一个数据帧.
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)

执行结果

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