R語言最基本的數(shù)據(jù)類型-向量（vector）

1、插入向量元素，同一向量中的所有的元素必須是相同的模式（數(shù)據(jù)類型），如整型、數(shù)值型（浮點數(shù)）、字符型（字符串）、邏輯型、復(fù)數(shù)型等。查看變量的類型可以用typeof(x)函數(shù)查詢。

> #插入向量元素 > x <- c(88,5,12,13) > x [1] 88 5 12 13 > x <- c(x[1:3],168,x[4]) #插入168數(shù)字在13之前 > x [1] 88 5 12 168 13 >

?2、刪除向量中的元素，由于R中的向量是連續(xù)存儲的，因此不能插入或刪除元素（故上面的插入代碼實際上重新創(chuàng)建了一個新的向量然后將x指向新的向量，類似于C中的指針）

> #刪除向量中的元素 ^_^ > x [1] 88 5 12 168 13 > x <- c(88,5,168,13) > x [1] 88 5 168 13 >

3、獲取向量的長量

> #獲取向量的長量 > x [1] 88 5 168 13 > length(x) [1] 4 >

4、遍歷向量里所有的元素

>#第一種方法 由于1：length(x)=(1,0),實際上做了兩次迭代 > first1 function(x){ for(i in 1:length(x)){if (x[i]==1) break } return(i) } > y [1] 1 2 3 4 5 6 7 8 > first1(y) [1] 1 > >#第二種方法 用seq函數(shù)生成等差序列，元素間隔為1，解決了第一種效率不高的方法 > first2 <- function(x){ + for(i in seq(x)){ + if (x[i]==1) break + } + return(i) + } > > first2(y) [1] 1 >

5、向量與數(shù)組、矩陣 ?數(shù)組與矩陣包括列表，在某種意義上實際上都是向量。只不過它們還有額外的類屬性。如：矩陣有行數(shù)和更數(shù)等。 ?

> m <- matrix(c(1,2,3,4),nrow = 2,byrow = T) > m[,1] [,2] [1,] 1 2 [2,] 3 4 > m + 10:13[,1] [,2] [1,] 11 14 [2,] 14 17 >

在這里2x2的矩陣m中存儲為一個四元向量，即（1，2，3，4），并且以存儲為兩行（默認(rèn)是以列排序，以行排序加上byrow = T），然后對它加上（10，11，12，13），得最新的矩陣，等效于下面代碼

> m <- matrix(c(1,3,2,4),nrow = 2) > m[,1] [,2] [1,] 1 2 [2,] 3 4 > m + 10:13[,1] [,2] [1,] 11 14 [2,] 14 17 >

?6、循環(huán)補(bǔ)齊 ?在對兩個向量使用運(yùn)算符時，如果要求這兩個向量具有相同的長度，R會自動循環(huán)補(bǔ)齊（recycle），即重復(fù)較短的向量，直到它與另一個向量長度相匹配

> c(1,2,4) + c(6,0,9,20,22) [1] 7 2 13 21 24 Warning message: In c(1, 2, 4) + c(6, 0, 9, 20, 22) :longer object length is not a multiple of shorter object length >

　　等同于下列代碼：

> c(1,2,4,1,2) + c(6,0,9,20,22) [1] 7 2 13 21 24 >

　　#矩陣

> x <- matrix(c(1,2,3,4,5,6),nrow = 3) > x[,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > x + c(1,2)[,1] [,2] [1,] 2 6 [2,] 4 6 [3,] 4 8 >

　　#矩陣循環(huán)補(bǔ)齊

> x <- matrix(c(1,2,3,4,5,6),nrow = 3) > x[,1] [,2] [1,] 1 4 [2,] 2 5 [3,] 3 6 > y <- matrix(c(1,2,1,2,1,2),nrow = 3) > y[,1] [,2] [1,] 1 2 [2,] 2 1 [3,] 1 2 > x +y[,1] [,2] [1,] 2 6 [2,] 4 6 [3,] 4 8 >

　　相當(dāng)于：

　　　　

7、常用的向量運(yùn)算 ?包括算術(shù)和邏輯運(yùn)算、向量索引、創(chuàng)建向量等

　　#R是一種函數(shù)式語言，它的每個運(yùn)處符（+ - * / 。。。）實際上都是函數(shù)

#加法 > 2+3 [1] 5 > "+"(2,3) [1] 5 > >c(1,2) + c(3,4) >[1] 4 6 > > "+"(2,3,4) Error in `+`(2, 3, 4) : operator needs one or two arguments>#乘法 > c(1,2) * c(3,4) [1] 3 8 >#減法 > c(3,4) - c(1,2) [1] 2 2 >#除法 > c(3,4) / c(1,2) [1] 3 2 >#取余 > c(3,4) %% c(2,3) [1] 1 1 >　

8、向量索引 ? R中最重要也是最常的一個運(yùn)算符就是索引，使用它來選擇給定向量中特定索引的元素來構(gòu)成子向量。索引向量的格式是 X[Y]（X,Y均是向量），它返回的結(jié)果是，X中索引為Y的那些元素。　?

> y <- c(1.2,3.9,0.4,0.12) > y [1] 1.20 3.90 0.40 0.12 > y[2:3] #取Y向量中的2-3元素 [1] 3.9 0.4 > v <- 3:4 > y[v] [1] 0.40 0.12 > y[c(1,1,3)] #提取的元素是可以重復(fù)的 [1] 1.2 1.2 0.4 >

　　#負(fù)數(shù)的下標(biāo)代表我們想剔除的元素，其它提取出來

> y [1] 1.20 3.90 0.40 0.12 > y[-1] #除第一個元素外，提取其它所有的元素 [1] 3.90 0.40 0.12 > y[-1:-2] #除1：2元素外 [1] 0.40 0.12 >

9、用運(yùn)算符創(chuàng)建向量

　　#用?：能生成指定范圍內(nèi)數(shù)值構(gòu)成的向量

> 5:8 [1] 5 6 7 8 > #注意運(yùn)算符優(yōu)先級別的問題 > i <- 5 > 1:i-1 #這個運(yùn)算的意思是 (1:i)-1，不是1:(i-1) [1] 0 1 2 3 4 > 1:(i-1) [1] 1 2 3 4 > #查看運(yùn)算符的優(yōu)先級別 >?Syntax #可以在R幫助文檔中查看

　　#用seq()創(chuàng)建向量

> seq(1:8) [1] 1 2 3 4 5 6 7 8 > 1:8 #等同于以上代碼 [1] 1 2 3 4 5 6 7 8 > seq(from=5,to=20, by=3) #生成從5-20，且元素間隔為3 [1] 5 8 11 14 17 20 > seq(from=5,to=10, by=0.1) #生成從5-10，且元素間隔為0.1[1] 5.0 5.1 5.2 5.3 5.4 5.5 5.6 5.7 5.8 5.9 6.0 6.1 6.2 [14] 6.3 6.4 6.5 6.6 6.7 6.8 6.9 7.0 7.1 7.2 7.3 7.4 7.5 [27] 7.6 7.7 7.8 7.9 8.0 8.1 8.2 8.3 8.4 8.5 8.6 8.7 8.8 [40] 8.9 9.0 9.1 9.2 9.3 9.4 9.5 9.6 9.7 9.8 9.9 10.0 > > seq(from =1.1, to=2, length=10)[1] 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 > seq(from =1.1, to=2, length=20) #生成1.1到2，共20個等比數(shù)列，常數(shù)為0.047368[1] 1.100000 1.147368 1.194737 1.242105 1.289474 1.336842 1.384211[8] 1.431579 1.478947 1.526316 1.573684 1.621053 1.668421 1.715789 [15] 1.763158 1.810526 1.857895 1.905263 1.952632 2.000000 >

　　#等比數(shù)列定義

　　參照：百度百科-等比數(shù)列

11、使用 rep()重復(fù)向量常數(shù) ?可以把同一常數(shù)放在長向量中，rep(x,times)即創(chuàng)建times*length(x)個元素向量，這個向量是x重復(fù)times次構(gòu)成

> x <- rep(8,4) > x [1] 8 8 8 8 > rep(c(5,12,13),3) [1] 5 12 13 5 12 13 5 12 13 > rep(1:3,2) [1] 1 2 3 1 2 3 >

　　#each參數(shù)，與times參數(shù)不同的是，它指定x交替重復(fù)的次數(shù)

> rep(c(5,12,13),each=2) [1] 5 5 12 12 13 13 >

12、使用all()和any() ?這兩個函數(shù)分別判斷其參數(shù)中是否至少有一個或全部為TRUE

> x <- 1:10 > any(x>8) [1] TRUE > all(x>8) [1] FALSE > any(x>20) [1] FALSE > all(x>20) [1] FALSE >

　　#any(x > 8) ?all(x > 8)，分解，先執(zhí)行下面運(yùn)算，得到每個元素的邏輯值，any只要判斷只要有一個為TRUE，其返回結(jié)果為：TRUE，否則為FALSE。all則相反，所有為TRUE時返回值才為：TRUE，否則為FALSE。

> x>8[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE [10] TRUE >

13、向量化運(yùn)算符

　　#向量輸入、向量輸出 ?

　　向量化運(yùn)算即使過運(yùn)算符的（+，-，*，/，%%，>等），如果一個函數(shù)中使用了運(yùn)算符，哪么這個函數(shù)就被向量化了，這樣可以有效提高速度

　　　　# >運(yùn)算符 ?>函數(shù)分別運(yùn)用在u[1]和v[1]得到結(jié)果TRUE，然后u[2]和v[2]得到結(jié)果FALSE。。。

> u <- c(5,2,8) > v <- c(1,3,9) > u > v [1] TRUE FALSE FALSE >

　　　　#函數(shù) ?平方根、對數(shù)、三角函數(shù)等都是向量化的

> w <- function(x) return(x + 1) > w(u) [1] 6 3 9 > > sqrt(1:9) [1] 1.000000 1.414214 1.732051 2.000000 2.236068 2.449490 [7] 2.645751 2.828427 3.000000 >

　　#向量輸入、矩陣輸出

　　　　#matrix() ?在z12函數(shù)中返回值就是一個八元向量（即輸出結(jié)果是八個數(shù)組成的向量），需要通過matrix函數(shù)轉(zhuǎn)換成矩陣，如以下代碼，將結(jié)果轉(zhuǎn)換成8*2的矩陣

> z12 <- function(z) return(c(z,z^2)) > x <- 1:8 > z12(x)[1] 1 2 3 4 5 6 7 8 1 4 9 16 25 36 49 64 > matrix(z12(x),ncol = 2)[,1] [,2] [1,] 1 1 [2,] 2 4 [3,] 3 9 [4,] 4 16 [5,] 5 25 [6,] 6 36 [7,] 7 49 [8,] 8 64 >

　　　　#sapply() ?該函數(shù)跟matrix功能一樣，在這里轉(zhuǎn)換成的是2*8的矩陣，其它參數(shù)以后再學(xué)習(xí)

> sapply(1:8,z12)[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [1,] 1 2 3 4 5 6 7 8 [2,] 1 4 9 16 25 36 49 64 >

14、NA與NULL值

在R中NA表示：缺失值；NULL表示：不存在的值（而不是存在但未知的值）

　　#NA

由于以下代碼中包含了一個NA元素（缺失值），導(dǎo)致mean()無法計算均值，但是可以通過參數(shù)na.rm = T（移除NA）,計算其他元素的均值。

> x <- c(88,NA,12,168,13) > x [1] 88 NA 12 168 13 > mean(x) [1] NA > >#NA在不同的向量中模式（數(shù)據(jù)類型）也不同 > x <- c(88,NA,12,168,13) > x [1] 88 NA 12 168 13 > mode(x[2]) [1] "numeric" > x1 <- c("a","b",NA) > x1 [1] "a" "b" NA > mode(x1[3]) [1] "character" >

　　#NULL

在R中會自動跳過NULL值，在R中NULL是一種特殊對象，沒有類型，可用于變量的初始化值

> x <- c(88,NA,12,168,13) > x [1] 88 NA 12 168 13 > mean(x) [1] NA > >#在R中NULL是一種特殊對象，沒有類型 > x <- NULL > mode(x) [1] "NULL" > x NULL >

15、篩選

反映R函數(shù)式語言特性的另一特征是“篩選”（filtering)，我們可以提取向量中滿足一定條件的元素。　　

　　#生成篩選索引

>#要求R提取z中平方大于8的元素 >z <- c(5,2,-3,8) > z [1] 5 2 -3 8 > w <- z[z*z > 8] > w [1] 5 -3 8 > > #等同于以下分解代碼 > > z <- c(5,2,-3,8) > z [1] 5 2 -3 8 > z*z > 8 [1] TRUE FALSE TRUE TRUE > z[c(TRUE,FALSE,TRUE,TRUE)] [1] 5 -3 8 >
>j <- z*z > 8
>z[j]
>[1] 5 -3 8

#用例：將x向量中所有大于>3的元素，替換為 0。?

> x <- c(1,3,6,2,20) > x [1] 1 3 6 2 20 > x[x > 3] <- 0 > x [1] 1 3 0 2 0 >

　　#使用subset()函數(shù)篩選

當(dāng)對向量使用subset函數(shù)時，它與普通的篩選方法的區(qū)別在于處理NA值的方式上，可以自動移除NA值

>#篩選出x中元素平方大于5的
> x <- c(6,1:3,NA,12) > x [1] 6 1 2 3 NA 12 > x[x > 5] [1] 6 NA 12 > subset(x,x > 5) [1] 6 12 >

　　#選擇函數(shù)which()

在向量中提取滿足一定條件的元素，返回值是元素的所在的位置。?

> x [1] 6 1 2 3 NA 12 > which(x>5) [1] 1 6 #返回元素位置 > x[which(x>5)] [1] 6 12 >

16、向量化的ifelse()函數(shù)

在R語言中除了有“if-else"結(jié)構(gòu)，還提供了另一個向量貨的版本，ifelse()函數(shù)，格式為：ifelse(條件，為TRUE返回向量，為FALSE返回向量)

> x <- 1:10 > y <- ifelse(x %% 2 == 0,5,12)#對x值取模運(yùn)算，偶數(shù)返回5，奇數(shù)返回12 > y[1] 12 5 12 5 12 5 12 5 12 5 >

17、測試向量相等

”==“僅對向量元素的值進(jìn)行比較，identical()函數(shù)不僅對比元素的值還對比向量元素的數(shù)據(jù)類型，正如它字面意思一樣必須完全相同，從下面的代碼可以看出，：產(chǎn)生的元素是整數(shù)，c()產(chǎn)生的是浮點數(shù)

> x <- 1:2 > y <-c(1,2) > x==y [1] TRUE TRUE > identical(x,y) [1] FALSE > typeof(x) [1] "integer" > typeof(y) [1] "double" >

18、向量的名稱

可以給向量元素隨意指定名稱，name()函數(shù)可以給向量中的元素命名，或查詢向量元素的名稱，將向量元素的名稱賦值為NULL，可以將元素的名稱移除

> x <- c(1,2,3,4) > x [1] 1 2 3 4 > names(x) NULL > names(x) <- c("a","b","c","d") > names(x) [1] "a" "b" "c" "d" > x a b c d 1 2 3 4 > names(x) <- NULL > x [1] 1 2 3 4 > names(x) NULL >

19、c()函數(shù)擴(kuò)展

當(dāng)傳遞到c()函數(shù)中的參數(shù)有不同類型時，則會被降級為同一類型，該類型最大限度地保留它們的共同的特性。各種類型的優(yōu)先級排序是：NULL<raw<邏輯類型<整型<實數(shù)類型<復(fù)數(shù)類型<列表<表達(dá)式（把配對列表(pairlist)當(dāng)作普通列表）　

?

> c(1,2,"a") [1] "1" "2" "a" > c(1,2,list(a=3,b=4)) [[1]] [1] 1[[2]] [1] 2$a [1] 3$b [1] 4> c(1,2,c(3.1,4)) [1] 1.0 2.0 3.1 4.0 >

?補(bǔ)充c(1,2,list(a=3,b=4))

> x<-c(1,2,list(a=3,b=4)) > x [[1]] [1] 1[[2]] [1] 2$a [1] 3$b [1] 4> x[[1]] [1] 1 > x[[2]] [1] 2 > x[3][1] $a [1] 3> x[4][1] $b [1] 4>

　　

?

?

?

?

?

?

?

　　

總結(jié)

以上是生活随笔為你收集整理的R语言编程艺术#01#数据类型向量（vector）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。