1. 向量 Vector
向量是用于储存数值型、字符型或逻辑型数据的一维数组。执行组合功能能的函数 可用来创建向量。
单个向量中的数据必须拥有相同的类型或模式（即数值型、字符型或逻辑型）。同一向量中无法混杂不同模式的数据。
2. 矩阵 Matrix
矩阵是一个二维数组，知识每个元素都拥有相同的模式（数值型、字符型或逻辑型）。可通过函数 创建矩阵。
3. 数组 Array
数组与矩阵类似，但是维度可以大于2。数组可通过 函数创建。
数组是矩阵的一个自然推广。它们在编写新的统计方法时很有用。像矩阵一样，数组中的数据也只能拥有一种模式。从数组中选取元素的方法与矩阵相同。
4. 数据框 Data Frame
这是R语言最常用的数据类型。不同的列可以包含不同模式的数据。每一列数据的模式必须相同，且必须等长。数据框可通过函数 创建。
5. 列表 List
列表是一些对象（或成分）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。可以使用函数 创建列表。
许多R的运行结果都是以列表的形式返回的。需要取出其中哪些成分由分析人员决定。
#b站视频——R语言入门与数据分析
#内置数据集
#固定格式的数据（矩阵、数据框或一个时间序列等）
#统计建模、回归分析等试验需要找合适的数据集
#R内置数据集，存储在，通过
help(package="datasets")
#通过data函数访问这些数据集
data()
#得到新窗口 前面：数据集名字 后面：内容
#包含R所有用到的数据类型，包括：向量、矩阵、列表、因子、数据框以及时间序列等
#直接输入数据集的名字就可以直接使用这些数据集
#输出一个向量
rivers
#是北美141条河流长度
#这些数据集的名字都是内置的，一般我们在给变量命名时最好不要重复
#否则数据集在当前对话中会被置换掉
#例如
rivers<-c(1,2,3)
rivers
#不过影响不大
#再使用data函数重新加载这个数据集就可以了
data("rivers")
rivers
#一些常用内置数据集
#默认介绍页面只有名字和介绍，并没有给出数据分类
#哪些是向量、矩阵、数据框等？
#查看数据集除了直接敲数据集名字显示数据之外
#还可以使用help函数查看每个数据集具体的内容
help("mtcars")
euro
#欧元汇率，长度为11，每个元素都有命名
#输出向量的属性信息
names(euro)
#将5个数据构成一个数据框
向量
state.abb #美国50个州的双字母缩写
state.area #美国50个州的面积
state.name #美国50个州的全称
因子
state.division #美国50个州的分类，9个类别
state.region #美国50个州的地理分类
#
state<-data.frame(state.name,state.abb,state.area,state.division,state.region)
state
state.x77 #美国50个州的八个指标
state.x77
VADeaths #1940年弗吉尼亚州死亡率（每千人）
volcano #某火山区的地理信息（10米×10米的网格）
WorldPhones #8个区域在7个年份的电话总数
iris3 #3种鸢尾花形态数据
#以上矩阵→适合画热图
heatmap(volcano)
#这里只是作为一个演示，还需要对这个图进行一些调整
#更复杂的数据结构
Titanic #泰坦尼克乘员统计，是一个数组
UCBAdmissions #伯克利分校1973年院系、录取和性别的频数
crimtab #3000个男性罪犯左手中指长度和身高关系
HairEyeColor #592人头发颜色、眼睛颜色和性别的频数
occupationalStatus #英国男性父子职业联系
#类矩阵
eurodist #欧洲12个城市的距离矩阵，只有下三角部分
Harman23.cor #305个女孩八个形态指标的相关系数矩阵
Harman74.cor #145个儿童24个心理指标的相关系数矩阵
#R中内置最多的数据集——数据框
cars #1920年代汽车速度对刹车距离的影响
iris #3种鸢尾花形态数据
mtcars #32辆汽车在11个指标上的数据
rock #48块石头的形态数据
sleep #两药物的催眠效果
swiss #瑞士生育率和社会经济指标
trees #树木形态指标
USArrests #美国50个州的四个犯罪率指标
women #15名女性的身高和体重
#列表
state.center #美国50个州中心的经度和纬度
#类数据框
Orange #桔子树生长数据
#时间序列数据，和数据框类似，不同的是具有时间序列的顺序，是数据分析中非常常见的格式
#能反映出变化情况以及变化的趋势等
#因此有很多专门的方法用于时间序列的数据分析
co2 #1959-1997年每月大气co2浓度（ppm）
presidents #1945-1974年每季度美国总统支持率
uspop #1790–1970美国每十年一次的人口总数（百万为单位）
#除了内置数据集之外，许多R扩展包中也内置了很多数据集
#这些数据集作为扩展包的函数使用的案例
#加载R包之后这些数据集也同样被加载进来
#例如MASS包中的Cars93数据
#包含了27个变量，是1993年93辆汽车的型号指标
install.packages("MASS")
library("MASS")
help("Cars93")
#使用data函数在参数package中等于对应R包的名字，即可列出每个R包中包含的数据集
#ex
data(package="MASS")
#显示R中所有可用的数据集
data(package=.packages(all.available = TRUE))
#不加载R包使用其中的数据集
data(Chile,package="car")
Chile
#>data(Chile,package="car")
#Warning message:
# In data(Chile, package = "car") : data set ‘Chile’ not found
#>Chile
#Error: object 'Chile' not found
install.packages("car")
library("car")
help("Chile")
R语言之创建数据集数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。
R中有许多用于存储数据的结构，包括标量、向量、数组、数据框和列表。
在R中，对象（object）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。因子（factor）是名义型变量或有序型变量，在R中被特殊地存储和处理。
R中的数据结构：
1.1向量
向量是用于存储数值型、字符型或逻辑型数据的一维数组。创建向量使用函数c()，如下例所示：
数值型向量：a<-c(1,2,5,3,6,-2,4)
字符型向量：b<-c("one","two","three")
逻辑型向量：c<-c(TRUE,TRUE,TRUE,FALSE,TRUE)
注：单个向量中的数据必须拥有相同的类型或模式。
标量是只含一个元素的向量，例如f<-3、g<-"US"和h<-TRUE。它们用于保存常量。
访问向量中的元素，可在方括号中给定元素所处位置的数值，如：a[c(2,4)]用于访问向量a中的第二个和第四个元素。
1.2矩阵
矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型），可以通过matrix创建矩阵
一般使用格式为：
mymatrix<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns,byrow=logical_value,dimnames=list(
char_vector_rownames,char_vector_colnames)) ，其中vector包含了矩阵的元素，nrow和ncol用以指定
行和列的维数，dimnames包含了可选的以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行
填充（byrow=TRUE）还是按列填充（byrow=FALSE），默认情况下按列填充。代码演示如下：
[plain] view plain copy
>cells<-c(1,23,56,485)
>rnames<-c("R1","R2")
>cnames<-c("c1","c2")
[plain] view plain copy
<pre name="code" class="html">>mymatrix<-matrix(cells ,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames))
>mymatrix
c1 c2
R1 1 23
R2 56 485
1.3数组
数组与矩阵类似，但是维数可以大于2。数组可通过array函数创建，形式如下：
myarray<-array(vector,dimensions,dimnames)，其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。代码如下:
[html] view plain copy
>dim<-c("A1","A2")
>dim1<-c("A1","A2")
>dim2<-c("B1","B2","B3")
>dim3<-c("C1","C2","C3","C4")
>z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3))
>z
, , C1
B1 B2 B3
A1 1 3 5
A2 2 4 6
, , C2
B1 B2 B3
A1 7 9 11
A2 8 10 12
, , C3
B1 B2 B3
A1 13 15 17
A2 14 16 18
, , C4
B1 B2 B3
A1 19 21 23
A2 20 22 24
1.4数据框
数据框中不同的列可以包含不同模式（数值型、字符型等）的数据，是R中最常处理的数据结构。数据框可以通过函数data.frame()创建：mydata<-data.frame(col1,col2,col3,...)，其中的列向量col1，col2，col3，...可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定。代码如下：
[html] view plain copy
>age<-c(25,34,28,53)
>patientID<-c(1,2,3,4)
>diabetes<-c("Type1","Type2","Type1","Type1")
>status<-c("Poor","Improved","Excellent","Poor")
>patientdata<-data.frame(patientID,age,diabetes,status)
>patientdata
patientID age diabetesstatus
1 1 25Type1 Poor
2 2 34Type2 Improved
3 3 28Type1 Excellent
4 4 53Type1 Poor
>patientdata$age
[1] 25 34 28 53
<pre name="code" class="html">>table(patientdata$diabetes,patientdata$status)
Excellent Improved Poor
Type1 102
Type2 010
$被用来选取一个给定数据框中的某个特定变量，上面table(patientdata$diabetes,patientdata$status)生成了 diabetes和status的列联表。
函数attach()可将数据框添加到R的搜索路径中。
函数detach()将数据框从搜素路径中移除。
相对于attach。多数的R书籍更推荐使用函数with()。
1.5因子
变量可归结为名义型、有序型或连续型变量。类别（名义型）变量和有序类别（有序型）变量在R中称为因子。因子在R中非常重要，因为它决定了数据的分析方式以及如何进行视觉呈现。
函数factor（）以一个整数向量的形式存储类别值，整数的取值范围是[1...k]（其中k是名义变量中唯一值得个数），同时一个由字符串（原始值）组成的内部向量将映射到这些整数上。
名义型eg：假设有向量：diabetes<-c("Type1","Type2","Type1","Type1")
语句diabetes<-factor(diabetes)将此向量存储为（1，2，1，1）.
有序型eg: 对于给定变量status<-c("Poor","Improved","Excellent","Poor")
语句status<-factor(status,ordered=TRUE)会将向量编码为（3，2，1，3）。
1.6列表（list）
列表是R的数据类型中最为复杂的一种。列表就是一些对象的（或成分，component)的有序集合。列表允许你整合若干（可能无关）的对象到单个对象名下。例如，某个列表中可能是若干向量、矩阵、数据框，甚至是其他列表的组合。可以使用函数list（）创建列表：
mylist<-list(object1,object2,...)
注：列表成为了R中的重要数据结构。
1.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；
2.许多R函数的运行结果都是以列表的形式返回的。
