R的数据类型与相应运算
- 8 R数据类型的性质
- 8.1 存储模式与基本类型
- 8.2 类属
- 8.3 类型转换
- 8.4 属性
- 8.5 str()函数
- 8.6 关于赋值
（学习资料参考北京大学李东风老师《R语言教程》）
8 R数据类型的性质
8.1 存储模式与基本类型
- R的变量可以存储多种不同的数据类型， 可以用
typeof()函数来返回一个变量或表达式的类型。比如：
typeof(1:3)输出结果如下：integer基本数据类型
typeof(c(1,2,3))结果如下：double双精度浮点型
typeof(c(1, 2.1, 3))结果如下：
typeof(c(TRUE, NA, FALSE))结果如下：logical逻辑型
typeof('Abc')结果如下：character字符型
typeof(factor(c('F', 'M', 'M', 'F')))结果如下：
注意因子的结果是 integer 而不是因子。 函数 mode() 和 storage.mode() 以及 typeof() 类似， 但返回结果有差别。 这三个函数都是与存储类型有关， 不依赖于变量和表达式的实际作用。
R中数据的最基本的类型包括logical, integer, double, character, complex, raw, 其它数据类型都是由基本类型组合或转变得到的。 character类型就是字符串类型， raw类型是直接使用其二进制内容的类型。 为了判断某个向量 x 保存的基本类型， 可以用 is.xxx() 类函数， 如 is.integer(x), is.double(x), is.numeric(x), is.logical(x), is.character(x), is.complex(x), is.raw(x)。 其中 is.numeric(x) 对 integer 和 double 内容都返回真值。
- 在R语言中数值一般看作double, 如果需要明确表明某些数值是整数， 可以在数值后面附加字母L，如:
is.integer(c(1, -3))输出结果FALSE，说明不是基本型
is.integer(c(1L, -3L))输出结果TRUE，说明是基本型
如下：
- 整数型的缺失值是
NA， 而double型的特殊值除了NA外， 还包括Inf,-Inf和NaN， 其中NaN（无定义的数） 也算是缺失值,Inf（无穷大） 和-Inf（负无穷大） 不算是缺失值。 如：
c(-1, 0, 1)/0
is.na(c(-1, 0, 1)/0)这里是判断是否为缺失值，FALSE则不是缺失值，TRUE则是缺失值。
对double类型，可以用 is.finite() 判断是否有限值， NA、Inf, -Inf 和 NaN 都不是有限值； 用 is.infinite() 判断是否Inf或-Inf；is.na() 判断是否 NA 或 NaN ； is.nan() 判断是否 NaN。
严格说来， NA 表示逻辑型缺失值， 但是当作其它类型缺失值时一般能自动识别。NA_integer_ 是整数型缺失值， NA_real_ 是double型缺失值， NA_character_ 是字符型缺失值。
- 在R的向量类型中， integer类型、double类型、logical类型、character类型、还有complex类型和raw类型称为原子类型(atomic types)， 原子类型的向量中元素都是同一基本类型的。 比如， double型向量的元素都是double或者缺失值。 除了原子类型的向量， 在R语言的定义中， 向量还包括后面要讲到的列表（list）， 列表的元素不需要属于相同的基本类型， 而且列表的元素可以不是单一基本类型元素。 用typeof()函数可以返回向量的类型， 列表返回结果为"list"：
typeof(list("a", 1L, 1.5))
原子类型的各个元素除了基本类型相同， 还不包含任何嵌套结构，如：
c(1, c(2,3, c(4,5)))
8.2 类属
- R具有一定的面向对象语言特征， 其数据类型有一个class属性， 函数
class()可以返回变量类型的类属， 比如：
typeof(factor(c('F', 'M', 'M', 'F'))) #查看数据细类
mode(factor(c('F', 'M', 'M', 'F'))) #查看数据大类
storage.mode(factor(c('F', 'M', 'M', 'F')))
class(factor(c('F', 'M', 'M', 'F'))) #查看变量的类
class(as.numeric(factor(c('F', 'M', 'M', 'F'))))输出结果如下：
（以上，integer整数型，numeric浮点数，factor是因子，这里和具体数据类型有关…）
- R有一个特殊的
NULL类型， 这个类型只有唯一的一个NULL值， 表示不存在。 要把NULL与NA区分开来， NA是有类型的（integer、double、logical、character等), NA表示存在但是未知。 用is.null()函数判断某个变量是否取NULL。
8.3 类型转换
可以用as.xxx()类的函数在不同类型之间进行强制转换。 如（把FALSE和TRUE转换成数字）：
as.numeric(c(FALSE, TRUE))
再如把1-4开根号，得到的数字转换成字符：
as.character(sqrt(1:4))
类型转换也可能是隐含的，比如， 四则运算中数值会被统一转换为double类型， 逻辑运算中运算元素会被统一转换为logical类型。 逻辑值转换成数值时，TRUE转换成1， FALSE转换成0。
在用 c() 函数合并若干元素时， 如果元素基本类型不同， 将统一转换成最复杂的一个，复杂程度从简单到复杂依次为 logical<integer<double<character。 如：
c(FALSE, 1L, 2.5, "3.6")都会转换成逻辑值
不同类型参与要求类型相同的运算时，也会统一转换为最复杂的类型， 如：
TRUE + 10
paste("abc", 1)输出结果如下：
8.4 属性
除了 NULL 以外， R的变量都可以看成是对象， 都可以有属性。 在R语言中， 属性是把变量看成对象后， 除了其存储内容（如元素）之外的其它附加信息， 如维数、类属等。 对象x的所有属性可以用 attributes() 读取， 如：
x <- table(c(1,2,1,3,2,1)); print(x)
attributes(x)得到有关x表格的属性：
dim是维数，dimnames是
也可以用attributes()函数修改属性， 如：
attributes(x) <- NULL
x
如上修改后x不再是数组，也不是table。
8.5 str()函数
用 print() 函数可以显示对象内容。 如果内容很多， 显示行数可能也很多。 用str() 函数可以显示对象的类型和主要结构及典型内容。例如：
s <- 101:200
attr(s,'author') <- '李小明'
attr(s,'date') <- '2016-09-12'
str(s)输出结果如下：
8.6 关于赋值
要注意的是， 在R中赋值本质上是把一个存储的对象与一个变量名联系在一起(binding)， 多个变量名可以指向同一个对象。 对于基本的数据类型如数值型向量， 两个指向相同对象的变量当一个变量被修改时自动制作副本，如：
x <- 1:5
y <- x
y[3] <- 0
x
再看一下y是什么？
y
这里如果y没有与其它变量指向同一对象， 则修改时直接修改该对象而不制作副本。
但是对于有些比较复杂的类型， 两个指向同一对象的变量是同步修改的。 这样的类型的典型代表是闭包(closure)， 它带有一个环境，环境的内容是不自动制作副本的。（这里要再看看？？）
