R语言数据结构

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）。可通

过函数matrix()创建矩阵。一般使用格式为

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

数组（array）与矩阵类似，但是维度可以大于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

由于不同的列可以包含不同模式（数值型、字符型等）的数据，数据框的概念较矩阵来说更

为一般。它与你通常在SAS、SPSS和Stata中看到的数据集类似。数据框将是你在R中最常处理的

数据结构

数据框可通过函数dataframe()创建

其中的列向量col1、col2、col3等可为任何类型（如字符型、数值型或逻辑型）。每一列的名

称可由函数names指定

每一列数据的模式必须唯一，不过你却可以将多个模式的不同列放到一起组成数据框。由于数据框与分析人员通常设想的数据集的形态较为接近，我们在讨论数据框时将交替使用术语列和

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（factor）。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[1k]（其中k是名义型变量中唯一值的个数），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

对于字符型向量，因子的水平默认依字母顺序创建。这对于因子status是有意义的，因为

“Excellent”“Improved”“Poor”的排序方式恰好与逻辑顺序相一致。如果“Poor”被编码为

“Ailing”，会有问题，因为顺序将为“Ailing”“Excellent”“Improved”。如果理想中的顺序是“Poor” “Improved”“Excellent”，则会出现类似的问题。按默认的字母顺序排序的因子很少能够让人满意

你可以通过指定levels选项来覆盖默认排序。例如：

各水平的赋值将为1=Poor、2=Improved、3=Excellent。请保证指定的水平与数据中的真实值

相匹配，因为任何在数据中出现而未在参数中列举的数据都将被设为缺失值。数值型变量可以用levels和labels参数来编码成因子。如果男性被编码成1，女性被编码成2，则以下语句

列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，component）的有序集合

The basic data object in R is the vector Even scalars are vectors of length 1 也就是说，在r里面 你无论用 c() 还是 seq（）得到的都是向量

以上就是关于R语言数据结构全部的内容，包括:R语言数据结构、R语言中的逻辑型向量怎么用、等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！