模式-使用mode()可以查看对象的数据类型
长度-使用length()可以查看对象的长度
标量可以是数字、字符、逻辑值等。
结果
向量可以由单个或多个值组成，多值的向量只能由相同类型的值组成，有一维和多维向量。
向量用于存储数值型、字符型、逻辑型数据
is.na()判断是否为缺失值，返回一个逻辑性向量
将自变量连接成一个字符串。
一般的使用形式是paste (..., sep = " ", collapse = NULL)， ... 表示想要连接的不同自变量，sep表示不同自变量之间添加的符号，collapse打开之后表示将整个自变量变成一个单一的变量
对对象进行重复
在统计学中，按照变量值是否连续把变量分为连续变量与离散变量两种。分类变量是说明事物类别的一个名称，其取值是分类数据。变量值是定性的，表现为互不相容的类别或属性。因子就是一类分类离散变量。
因子是带有水平（level）的向量。
factor()函数一般形式为：
可以用来筛选因子的level
Table()函数对应的就是统计学中的列联表，是一种记录频数的方法。对于因子向量，可用函数table()来统计各类数据的频率。Table()的结果是一个带元素名的向量，元素名为因子水平，元素值为该水平的出现频率。
tapply()是对向量中的数据进行分组处理，而非对整体数据进行处理。函数一般形式为：
gl()函数可以方便地产生因子，函数一般形式为：
矩阵是一个二维数组，只是每个元素都拥有相同的数据类型（数值型、字符型或逻辑型）。注意与数据框的差别，数据框不同列的数据类型可以不同。
函数matrix ()是构造矩阵（二维数组）的函数，其构造形式为：
数组与矩阵类似，但是维度可以大于2。数组有一个特征属性叫做维数向量(dim属性)，维数向量是一个元素取正整数值的向量，其长度是数组的维数，比如维数向量有两个元素时数组为二维数组(矩阵)。维数向量的每一个元素指定了该下标的上界，下标的下界总为1。
R软件可以用array()函数直接构造数组，其构造形式为:
数据框与矩阵类似，为二维，其数据框中各列的数据类型可以不同，但是长度必须一样。数据框在生物数据中用得比较多，是非常重要的一类数据类型。
数据框与矩阵不同的是数据框不同的列可以是不同的数据类型，并且数据框假定每列是一个变量，每行是一个观测值。
作为数据框变量的向量、因子或矩阵必须具有相同的长度（行数）。数据框可以用data.frame()函数生成，其用法与list()函数相同。
data.frame(col1,col2,col3.....)其中列向量col1,col2等可以是任何类型的向量
列表可以储存不同类型的数据，是一些对象的有序集合。它的元素也由序号(下标)区分，但是各元素的类型可以是任意对象，不同元素不必是同一类型。元素本身允许是其他复杂数据类型。比如一个列表的元素也允许是一个列表。
R软件中利用函数list()构造列表，一般语法为：
Lst<-list(name_1=object_1,…, name_1=object_m)
其中name是列表元素的名称；object_i(i=1,…,m)是列表元素的对象。
unlist()函数：将list函数拉直成一个向量
R语言数据对象与运算R语言数据对象与运算 笔记整理2.1 数据对象及类型R语言创建和控制的实体被称为对象（object）ls()命令来查看当前系统里的数据对象R对象的名称必须以一个英文字母打头，并由一串大小写字母、数字或钟点组成注意：R区分大小写不要用R的内置函数名称作为数据对象的名称，如c、length等2.2 数据对象类型R语言的对象包括数值型（numeric）：实数， 可写成整数（integers）、小数（decimal fractions）、科学记数（scientific notation）逻辑型（logical）：T(true)或F（FALSE）字符型（character）：夹在" "或之间复数型（complex）：形如a+bi原味型（raw）：以二进制形式保存数据缺省型（missing value）：有些统计资料是不完整的，当一个元素或值在统计的时候是“不可得到（not available）”或“缺失值（missing value）”的时候，相关位置可能会被保留并赋予一个特定的NA（not available）值，任何NA的运算结果都是NA。辨别和转换数据对象类型的函数：辨别 转换character is.character() as,character()complexdoubleintegerlogicalNAnumeric2.3 数据对象构造R语言里的数据对象主要有六种构造：向量（vector）、矩阵（matrix）、数组（array）、列表（list）、数据框（data frames）、因子（factor）2.3.1 向量（vector）是由有相同基本类型元素组成的序列，相当于一维数组 5个数值组成的向量x，这是一个用函数c()完成的赋值语句，这里c()可以有任意多个参数，而它输出的值则是一个把这些参数首尾相连形成的一个向量R的赋值符号除了“<-”外，还有"->""="例如：>c(1,3,5,7,9) ->y >y [1] 2 5 8 3 >z = c(1,3,5,7,9) >z [1] 1 3 5 7 9 assign（）函数对向量进行赋值 length（）：可返回向量的长度 mode（）可返回向量的数据类型 正则序列 用 “：”符号，可产生有规律的正则序列（： 的运算级别最高） 函数seq（）产生有规律的各种序列seq（from,to ,by） from 给序列的起始值，to表示序列的终止值，by表示步长（by 省略时，表示步长值为1）>seq(1,10,2) [1] 1 3 5 7 9 >seq(1,10) [1] 1 2 3 4 5 6 7 8 9 10 有时关注的是数列的长度，利用句法：seq（下界，by=，length=）>seq(1,by=2,length=10) [1] 1 3 5 7 9 11 13 15 17 19 rep(x,times，……)x表示要重复的对象，times表示重复的次数>rep(c(1,3),4) [1] 1 3 1 3 1 3 1 3 >rep(c(1,3),each=4) [1] 1 1 1 1 3 3 3 3 对每个元素进行重复R中的内置函数：mean（）来示向量的均值median（）求是位数var（）求方差sd（）求标准差sort（）对向量排序rev（）将向量按原方向的反方向排列rank（）给求出向量的秩prod（）求向量连乘积append（）为向量添加元素对向量运算常见函数表 函数 用途sum（） 求和max（） 求最大值min（） 求最小值range（） 求极差（全矩）mean（） 求均值median 求中位数var（） 求方差sd（） 求标准差sort（） 排序rev（） 反排序rank（） 求秩append（） 添加replace（） 替换match（） 匹配pmatch（） 部分匹配all（） 判断所有any（） 判断部分prod（） 积 2.3.2 矩阵矩阵（matrix)是将数据用行和列排列的长方形表格，它是二维的数组，其单元必须是相同的数据类型，通常用列来表示不同的变量，用行表示各个对象。其句法是：matrix（data=NA,ncol=1,byrow-=FALSE,dimnames=NULL）data是必须的，其它几个选择参数。nrow表示矩阵的行数ncol表示矩阵的列数byrow默认为FALSE,表示矩阵按列排列，如设置为T,表示按行排列；dimnames可更改矩阵行列名字diag()函数生成对角矩阵diag（）这个函数比较特别，当数据是向量时则生成对角矩阵，但当数据是矩阵时，则返回对角元素也可用函数diag（）生成单位矩阵 当我们生成了某个矩阵后，若要访问矩阵的某个元素或某行（列），可以利用形如A[i,j]的形式得到相应的索引矩阵矩阵可进行相应的加减乘除运算，但运算过程中要注意行数和列数的限制条件R里A*B并不是表示矩阵相乘，只表示矩阵对应的元素相乘矩阵相乘应用A%*%Bdim（）返回矩阵的行数和列数nrow（）返回矩阵的行数ncol（）返回矩阵的列数solve（）返回矩阵的逆矩阵对矩阵运算的常见函数 函数 用途as.matrix() 把非矩阵的转换成矩阵is.matrix() 辨别是否矩阵diag() 返回对角元素或生成对角矩阵eigen() 求特征值和特征向量solve() 求逆矩阵chol() Choleski分解svd() 奇异值分解qr() QR分解det() 求行列式dim() 返回行列数t() 矩阵转置apply() 对矩阵应用函数R语言还提供了专门针对矩阵的行或列计算的函数如 colSUms（）对矩阵各列求和colMeans（）求矩阵各列的均值类似的有 rowSums（）rowMeans（）更一般的方法：apply（）函数来对各行各列进行运算句法是：apply（X,MARGIN,FUN,……）X表示要处理的数据MARGIN表示函数作用的范围取1表示对行运用函数取2表示对列运用函数FUN表示要运用的函数rbind（）、cbind（）将两个或两个以上的矩阵合并起来rbind（）表示按行合并，cbind（）则表示按列合并2.3.3 数组数组（array）可以看作是带有多个下标的类型相同的元素的集合。数组的生成函数是array（），其句法是array（data=NA,dim=length(data),dimnames-NULL）data表示数据，可以为空dim 表示维数dimnames可以更改数组难度的名称2.3.4 列表向量、矩阵和的单元必须是同一类型的数据，若一个数据对象需要含有不同的数据类型，可采用列表（list）这种数据对象的形式。列表是一个对象的有序集合构成的对象，列表中包含的对象又称为它的分量（components），分量可以是不同的模式或（和）类型语法式为：list （变量1=分量1，变量2=分量2,……）若要访问列表的某一成分，可以用LST[[1]],LST[[2]]的形式访问因分量可以被命名，故可以在列表名称后加$符号，再写上成分名称来访问列表分量函数length（）、mode（）、names（）可以分别返回列表的长度（分量的数目）、数据类型、列表里成分的名字2.3.5 数据框数据框（data frame）是一种矩阵形式的数据，但数据框中各列可以是不同类型的数据。数据框每列是一个变量，每行是一个观测 。对可能列入数据框中的列表有如下的一些限制：1．分量必须是向量（数值，字符，逻辑），因子，数值矩阵，列表或者其他数据框。2．矩阵，列表和数据框为新的数据框提供了尽可能多的变量，因为它们各自拥有列、元素或者变量。3．数值向量、逻辑值、因子保持原有格式，而字符向量会被强制转换成因子并且它的水平就是向量中出现的独立值。4．在数据框中以变量形式出现的向量结构必须长度一致，矩阵结构必须有一样的行数。R中用函数data.frame()生成数据框，其句法是：data.frame（data1,data2,……）数据框的列名默认为变量名，也可对列名进行重新命名也可以对数据框的行名进行修改2.3.6 因子和有序因子分类型数据经常要把数据分成不同的水平或因子（factor）生成因子的命令是factor（），其句法是：factor（data,levels,labels,……）其中data表示数据levels是因子水平向量labels是因子的标签向量levels，labels是备选项，可以不选若上面的每个因子并不表示因子的大小，要表达因子之间有大小顺序（考虑因子之间的顺序），则可以用 ordered（）函数产生2.4 数据的录入及编辑c函数：c函数是把各个值联成一个向量或列表，可以形成数值型向量、字符型向量或其它类型向量 scan函数：功能类似于c函数，实际上是一种键盘输入数据函数。当输入scan（），然后按回车键，这时将等待输入数据，数据之间只要空格分开即可（c函数要用逗号分开）。输入完数据，再按回车键，这时数据录入完毕。scan函数还可以读入外部文本文件，若现有一个文本文件，data.txt，读入这个文件的命令是：>x=scan(file="dat.txt")若原文件的数据之间有逗号等分隔符，用scan读入应该去掉这些分隔符，其命令是：>x=scan(file="dat.txt"，sep=",") 编辑数据data.entry命令xx原先未被定义，现在赋予其一个空值，这时会出现一个电子表格界面，等待输入数据：>data.entry(xx=c(NA)) 当电子表格关闭后，数据会自动保存edit命令用来编辑函数，也可用来编辑数据，但不会自动保存fix函数与edit类似，但它可以自动保存从外部文件读入数据从文本文件读取：>s1=read.table("student.txt") >s1 V1V2V3 1class sexscore 2 1 女80 3 1 男85 4 2 男92 5 2 女76 6 3 女61 7 3 女95 8 3 男83 读入表格数据的命令是：read.table 忽略掉标签而直接使用默认的行标签>s2=read.table("student.txt",header=T)>s2 class sexscore 1 1 女80 2 1 男85 3 2 男92 4 2 女76 5 3 女61 6 3 女95 7 3 男83 从网络读入数据url可以从网页上读入正确格式的数据，要借助read.table函数> address=http://www.the-data-mine.com/bin/view/Misc/WebHome/sample.txt>read.table(file=url(address)) 读入其他格式的数据库要读入其他格式的数据库，必须先安装"foreign"模块，它不属于R的8个内置模块，需在使用前安装。 library(foreign) SAS：R只能诗篇SAS Transport format（XPORT）文件，需要把普通的SAS数据文件（.ssd和.sas7bdat）转换成Transport format(XPORT)文件，再用命令：read.xport()SPSS数据库：read.spss()可读入SPSS数据文件Epi info数据库：要给数据集一个名字，则是read.epiinfo("文件名.rec")->名称Stata数据库：R可读入Stata5,6,7的数据库读入数据文件后，使用数据集名$变量名，即可使用各个变量 >read.dta(“文件名.dta”) 读入数据文件后，使用数据集名$变量名，即可使用各个变量。>mean(data$age) 便是计算数据集 data中的变量age的均数。2.5 函数、循环与条件表达式2.5.1 编写函数句法是：函数名 = function (参数1，参数2…) { 函数体 函数返回值} 对于这类只有一个算术式的简单函数，也要不要{}>mean(data$age) 便是计算数据集 data中的变量age的均数。 若不使用圆括号，直接输入函数名，按回车键将显示函数的定义式：单参数：使函数个性化，可使用单参数，函数将会根据参数的不同，返回值不同> welcome.sb = function(names) print(paste("welcome",names,"to use R")) >welcome.sb("Mr fang") [1] "welcome Mr fang to use R" >welcome.sb("Mr Wang") [1] "welcome Mr Wang to use R" 默认参数：即不输入任何参数函数的默认参数> welcome.sb=function(names="Mr fang")print(paste("welcome", names,"to use R")) >welcome.sb() [1] "welcome Mr fang to use R" 当函数体的表达式超过一个时，要用｛｝封起来2.5.2 for循环for循环的句法是：for (变量 in取值向量) { 表达式… }R语言中的几种数据结构一 R中对象的5种基本类型
字符（character）
整数 （integer）
复数（complex）
逻辑（logical：True/False）
数值（numeric：real numbers）
查看对象类型的命令：class(x)
二 R语言中有如下几种数据结构：
向量 vector() 组内元素必须类型一致，否则将会被强制转换。
(1) 创建向量的三种方式：
<span style="font-size:18px">x <- vector("numeric", length = 10)
x <- 1:4
x <- c("a",12,TRUE)</span>
(2) 强制转换的几个函数：
as.numeric(x) / as.character(x) / as.logical(x)
矩阵 matrix()一列一列的填充元素
按行合并：rbind()按列合并：cbind()
数组 array() 可以有多个维度
列表 list() 可以包含不同类型的元素
因子 factor()
(1) 分类数据/有序 vs. 无序
(2) 整数向量+标签（label）（优于整数向量）
Male/Female vs. 1/2
常用于lm(),glm()
(3) levels设置基线水平
table() 查看因子信息unclass() 去除因子属性日期
x <- Sys.Date() 得到系统当前日期
julian(x) x距离1970-01-01的天数
时间 POSIXct / POSIXlt
POSIXct：整数，常用于存入数据框 as.POSIXct()
POSIXlt：列表，还包含星期、年月日等信息。as.POSIXlt()
strptime(x, format = "...") 将一般格式转化为时间格式
