R语⾔中的vector（向量），array（数组）总结
对于那些有⼀点编程经验的⼈来说，vector，matrix，array，list，data.frame就相当于编程语⾔中的容器，因为只是将R看做数据处理⼯具所以它们的底层是靠什么实现的，内存怎么处理的具体也不要深究。
R语⾔很奇怪的是它是⾯向对象的语⾔，所以经常会调⽤系统的⽅法，⽽且更奇怪的是总是调⽤“谓语”的⽅法，⽤起来像是写句⼦⼀样，记起来真是让⼈费解。⽐如is.vector(),read.table(),as.vector()、、
直接开始吧：(由于习惯，⼤部分⽤"="代替"<-")
⼀、向量vector，
1.是最基本的数据容器，⾥⾯的数据必须是同⼀类型，先看基本⽤法：
a<-c(1,2,3,4,5,6,7,8,9)
或者赋值函数assign，
assign（"a",c(1,2,3,4,5,6,7,8,9))
> is.vector(a)
[1] TRUE
> is.matrix(a)
[1] FALSE
> is.array(a)
[1] FALSE
> is.list(a)
[1] FALSE
或者利⽤随机分布函数，rnrom(n,mean,sd),runif(n,min,max)、、、
> b=runif(20,min=1,max=20)
> b
[1]  2.181016 18.417605  9.748379  2.122849  1.281871  4.099617
[7] 14.162348 18.034863  7.464664  9.599227 18.973259  1.900773
[13]  8.995223 11.048916 11.667131  3.859275 17.992988  1.089552
false是什么函数[19] 13.490061 12.864029
或者按照⼀定的步长：
> a=seq(1,20,by=3)
> a
[1]  1  4  7 10 13 16 19
或者重复：
> s=rep(a,times=3)
> s
[1]  1  4  7 10 13 16 19  1  4  7 10 13 16 19  1  4  7 10 13 16 19
逻辑向量：
> b=a>8;b
[1] FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE
缺失数据⽤⼤写NA表⽰，数据不确定⽤NaN表⽰，数据是⽆穷⽤Inf表⽰（⼀会全⼤写，⼀会⼤写加⼩写，⼀会⾸字母⼤写，真是醉了），判断是否为空数据⽤函数is.na()，判断是否不确定⽤函数is.nan()，数据是否有限⽤is.finite()，数据是否为⽆穷⽤函数is.infinite()：
> z=c(1:3,Na);z
Error: object 'Na' not found
> z=c(1:3,NA);z
[1]  1  2  3 NA
> is.na(z)
[1] FALSE FALSE FALSE  TRUE
将缺失的数据赋值为0：
> z[is.na(z)]=0;z
[1] 1 2 3 0
下⾯将这⼏个有问题的数据放在⼀个向量中：
> z=c(0/1,0/0,1/0,NA);z
[1]  0 NaN Inf  NA
> is.na(z)
[1] FALSE  TRUE FALSE  TRUE
> is.nan(z)
[1] FALSE  TRUE FALSE FALSE
> is.finite(z)
[1]  TRUE FALSE FALSE FALSE
> is.infinite(z)
[1] FALSE FALSE  TRUE FALSE
2.vector中元素的下标引⽤.
> a=round(runif(9,min=1,max=9))
> a
[1] 3 8 8 8 2 7 3 5 3
可以看见，与容器不同，vector的下标是从1开始的：
> a[0]
numeric(0)
> a[1]
[1] 3
选取第2和第3个数，引⽤⾮常⽅便：
> a[c(2,3)]
[1] 8 8
引⽤除了第⼀个值的所有数，⽤了减号"-"：
> a[-c[1]]
[1] 8 8 8 2 7 3 5 3
3.vector作为R语⾔⼯具，需要了解vector的各种运算。
①+-×÷，其他运算如log，exp，cos，sqrt等也相似。其意义是对应的向量的每个元素分别做运算，
> x=c(1,2,3)
> y=c(2,3,4)
> z=2*x+y-1
> z
[1] 3 6 9
> x^2
[1] 1 4 9
> cos(x)
[1]  0.5403023 -0.4161468 -0.9899925
> sqrt(x)
[1] 1.000000 1.414214 1.732051
②与向量有关的函数,min(x),max(x), sum(x),range(x)，太简单就不在细说，需要强调的是which.min(x)，这个还是蛮重要的。
> a=rnorm(10,mean=5,sd=2)
> a
[1] 5.914559 2.604346 5.342572 9.006863 6.547221 7.519781 7.330211
[8] 8.322956 6.875491 5.883626
> which.max(a)
[1] 4
> which.min(a)
[1] 2
> a[which.max(a)]
[1] 9.006863
> a[which.min(a)]
[1] 2.604346
其他的如sd(a),var(a),length(a),sort(a)，分别是求⽅差，标准差，长度，排序。与python不同R语⾔的vector所有操作都不会改变vector 本⾝的值。
4.由于R是⼀种基于对象的语⾔，R的对象分为单纯对象和复合对象两种，单纯对象的所有元素都是同⼀数据类型（数值、字符串），元素不再是对象。复合对象的元素可是是不同的类型，每个元素是⼀个对象。
R的对象都有两个基本的属性：mode和length，向量的类型为：logical（逻辑型）、numeric（数值型）、complex（复数型）、character（字符型）。
> b
[1] 0 1 2 3 4 5 6 7 8 9
> is.numeric(b)
[1] TRUE
> is.character(b)
[1] FALSE
> c=as.character(b)
> c
[1] "0" "1" "2" "3" "4" "5" "6" "7" "8" "9"
> is.numeric(c)
[1] FALSE
> is.character(c)
[1] TRUE
⼆、数组array：多维的同⼀类型集合（字符型、数值型、逻辑型、复数型），R可以很容易地⽣成和处理数组，特别是矩阵matrix是⼀个⼆维数组。
1.可以通过定义dim(维度)将向量变成matrix。
a=c(1,3,4,5,6,7,8,9,3)
> dim(a)=c(3,3)
> a
[,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3
或者：
> a=array(a,dim=c(3,3))
> a
[,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3
或者：
> a=matrix(a,nrow=3,ncol=3);a
[,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3
> is.vector(a)
[1] FALSE
> is.matrix(a)
[1] TRUE
> is.array(a)
[1] TRUE
> is.list(a)
[1] FALSE
可以发现，a已经通过定义维度将其变成了⼀个矩阵（matrix）和数组（array)，下⾯将讲matrix其实是⼀个⼆维的array。
2.下标引⽤
> dim(a)=c(2,3,4) > a[2,1,2]
[1] 8
> a[1,2:3,2:3]
[,1] [,2] [1,]    9  15 [2,]  11  17
> a[1, , ]
[,1] [,2] [,3] [,4] [1,]    1    7  13  19 [2,]    3    9  15  21 [3,]    5  11  17  23

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。