数据结构

R 语言的基础数据结构可以按照维度来划分(1 维、 2 维…n 维)；也可以按照它们所包含的数据类型是否相同来划分。 这样就产生了五种数据类型，它们是数据分析中最常用的：

Homogeneous Heterogeneous
1d Atomic vector List
2d Matrix Data frame
nd Array

向量（vector）

向量包括：原子向量 （Atomic vector） 和列表 （List）。兩者都属于一维数据， 两者的区别在于： 原子向量中的所有元素都必须是相同的类型；而列表中的元素可以是不同的类型

is.vector()并不能测试一个对象是不是向量。 相反，仅当对象是除了名字以外，不包含其它属性时，它才返回 TRUE。 所以，请使用 is.atomic(x) || is.list(x) 来测试一个对象是不是向量。

向量具有三个共同属性：

  1. 类型， typeof()，它是什么
  2. 长度， length()，它包含有多少元素
  3. 属性， attributes()，额外的任意元数据

原子向量 (Atomic vector)

  • 原子向量类型：逻辑类型 (logical)、 整数类型 (integer)、 双精度数值类型 (double)、 字符类型 (character)、 复数类型 (complex)、 raw类型。
  • 缺失值用 NA 表示，是一个长度为1的逻辑向量，NA可根据所处整体环境强制转换成正确的类型，或者使用 NA_real_(双精度浮点数向量)、 NA_integer_ 和 NA_character_ 来创建一系列确定类型的 NA
  • typeof 确定具体的数据类型，is开头的函数（如：is.integer）来确定是否属于某一特定类型
  • is.atomic() 是检测原子向量最通用的
  • 强制转换：一个原子向量中的所有元素都必须是相同的类型。 所以，当你试图合并不同类型的数据时，将向最灵活的类型进行强制转换。 以灵活程度排序，从小到大依次为：逻辑、 整数、双精度浮点数和字符。
  • 如果转换遇到歧义，则需要使用 as.character()、 as.double()、 as.integer()或者 as.logical()等函数，进行明确的强制转换。

列表(List)

c()可以将几个向量合并成一个。 如果原子向量和列表同时存在，那么在合并之前， c()会将原子向量强制转换成列表

  1. x <- list(list(1, 2), c(3, 4))
  2. y <- c(list(1, 2), c(3, 4))
  3. str(x)
  4. #> List of 2
  5. #> $ :List of 2
  6. #> ..$ : num 1
  7. #> ..$ : num 2
  8. #> $ : num [1:2] 3 4
  9. str(y)
  10. #> List of 4
  11. #> $ : num 1
  12. #> $ : num 2
  13. #> $ : num 3
  14. #> $ : num 4

列表用来建立 R 语言中的许多更加复杂的数据结构。 比如， 数据框和其他复杂对象

  1. is.list(mtcars)
  2. #> [1] TRUE

这里说明一点：data.frame是比list更为复杂的数据结构

属性(Attributes)

所有的对象都可以拥有任意多个附加属性， 附加属性用来存取与该对象相关的元数据。 属性可以看做是已命名的列表(带有不重复的名字)。 属性可以使用 attr()函数一个一个的访问，也可以使用 attributes()函数一次性访问。

  1. y <- 1:10
  2. attr(y, "my_attribute") <- "This is a vector"
  3. attr(y, "alpha") <- "This is a vector"
  4. attr(y, "my_attribute")
  5. #> [1] "This is a vector"
  6. attributes(y)
  7. #> $my_attribute
  8. #> [1] "This is a vector"
  9. #> 
  10. #> $alpha
  11. #> [1] "This is a vector"
  12. attr(y, "my_attribute") <- "alpha"
  13. attributes(y)
  14. #> $my_attribute
  15. #> [1] "alpha"
  16. #> 
  17. #> $alpha
  18. #> [1] "This is a vector"

structure() 函数返回一个带有属性的对象， 也可以用来修改属性

  1. structure(y, alpha = "alpha")
  2. #>  [1]  1  2  3  4  5  6  7  8  9 10
  3. #> attr(,"my_attribute")
  4. #> [1] "alpha"
  5. #> attr(,"alpha")
  6. #> [1] "alpha"

默认情况下，当修改向量时，数据的大多数属性会丢失，但有三种重要的属性不会丢失：名字(name)，维度(dimension)，类(class)

三个特殊属性需要使用特定函数names(x)、 class(x)和 dim(x) 访问，而不是 attr(x, "names")、 attr(x, "class") 和 attr(x, "dim")

数据框(data frame)

数据框是由等长向量构成的列表。 它也是二维结构，所以它具有矩阵和列表双重属性。也就是说，数据框拥有 names()、 colnames()和 rownames()，尽管 names()和 colnames()对数据框来说是一样的。 数据框的 length()是列表的长度，所以和 ncol()相同； nrow()则得到行数。

由于数据框是一个包含向量的列表，所以数据框的某个是列表类型是有可能的：

  1. df <- data.frame(x = 1:3)
  2. df$y <- list(1:2, 1:3, 1:4)
  3. df
  4. #> x y
  5. #> 1 1 1, 2
  6. #> 2 2 1, 2, 3
  7. #> 3 3 1, 2, 3, 4

当把列表传入 data.frame()函数时，该函数将试图把列表的每一个元素都放到单独的一列中。一种绕开的方法是使用 I()函数，它使得 data.frame()把列表看成一个整体单元

R中的对象

S3对象

S3 对象是由原子向量、数组和列表组成的，所以你可以使用上面描述的技术对 S3 对象进行取子集操作。 你可以通过 str()函数获得的它们的结构信息。

S4对象

对 S4 对象来说，有另外两种取子集操作符: @(相当于$)和 slot()(相当于[[)。 @比$更加严格，如果槽(slot)不存在，那么它会返回错误。

Advanced R