R语言学习：变量，向量和因子

R是矢量化的语言，这意味着操作自动地应用于向量的每一个元素，不需要显式编写遍历每个分量的代码。向量没有维数，这意味着没有列向量或行向量之分。

R是一种区分大小写的解释性语言，R语句的分隔符是分号“;”，或换行符，当语句结束时，可以不使用分号“;”，R语言会自动识别语句结束的位置。R语言只支持单行注释，注释由符号#开头，当前行出现在#之后的任何文本都会被R解释器忽略。

一，变量是什么样子？

首先，我们学习变量的用法，变量用于临时存储数据，以便重用。在R语言中，变量不需要声明，直接赋值，变量名是大小写敏感的，为变量赋值的操作符是：<- 或 =，建议使用<- 作为变量的赋值符号，以下代码为变量v赋值，并输出变量的值：

> v<-3> v[1] 3

注意，输出结果[1]，表明从变量的第一个原始开始显示，这意味着，变量实际上是一个向量，R语言中不存在标量类型，最小的数据类型是向量，而向量是一系列有序的值。R按照序列的顺序，逐个打印向量的各个元素。

函数print用于输出变量的值，在控制台中，可以直接输入变量名，控制台自动调用print函数打印变量的值。

如果想把赋值和打印处于写在同一行中，可以把赋值语句写在()中，这样，就能在同一行中完成变量的赋值和打印：

>(v<-3)[1] 3

1，变量的类型

R语言中不存在标量类型，所有的变量都属于特定的类（class），类用于表示变量属于的类型（type），可以认为类（class）和类型（type）相同，用户可以通过class(variable)函数查看变量的类型：

> v=1:3> v[1] 1 2 3> class(v)[1] "integer"

变量可以存储任何数据类型，也可以存储任何数据对象，例如，函数，分析的结果以及一个图形，单个变量在某时刻取值为一个数字，而后可以被赋值为字符，还可以取值为其他数据类型。

2，变量的类型检查和类型转换

通过is.* 函数检查变量的类型，通过as.*函数转换变量的类型

> vc=c('1','2','3')> is.character(vc)[1] TRUE> vi=as.integer(vc)> is.integer(vi)[1] TRUE

3，变量的删除

在R中，创建变量会占用系统的存储空间，而删除变量会释放存储空间；为了确保存储空间的及时释放，可以使用gc函数，强制系统回收垃圾，释放操作系统中不再使用的存储空间，R也会自动周期性地执行垃圾回收。使用rm函数把变量从当前的作用域中删除：

> rm(variable)
> gc()

4，NULL值和NA值

NULL是个特殊值，表示未知值，NA表示缺失值，NULL和NA之间最大的区别是：NA是一个标量值，长度为1，而NULL不会占用任何空间，长度为零：

> length(NA)[1] 1> length(NULL)[1] 0

使用is.null函数验证NULL值，使用is.na函数验证NA值：

> is.null(NULL)[1] TRUE> is.na(NA)[1] TRUE

二，序列和向量

向量是R语言中最基本的数据类型，向量是有序的数据序列，序列中的每一个数据项叫做向量的一个元素，同一个向量的元素的数据类型必须是相同的，同一个向量中无法混杂多种不同类型的元素，向量元素可以是数值，字符，逻辑值等，特别地，对于正整数序列，可以使用冒号 : 操作符，该操作符能够产生一个序列，例如 n:m，用于创建从数值n开始，步长为1，依次递增，到数值m结束的有序的数值序列：

> 1:3[1] 1 2 3

1，seq函数家族

seq函数用于创建序列，参数分别是开始值（from），结束值（to），步长（by），例如：

seq(from = 1, to = 1, by=step)

seq.int是seq函数的包装，步长不为1的数值序列，可以通过seq.int函数来实现，该函数有三个参数，第一个参数是序列的开始值，第二个参数是序列的结束值，第三个参数默认值是1，用于指定步长。

> seq.int(1,5,2)[1] 1 3 5

函数seq_len(n) 用于创建长度为n的序列，相当于设置seq.int函数的：开始（from）为1，步长（by）为1，终止值（to）为n：

seq_len(2)[1] 1 2

函数seq_along(arg)有一个输入参数，该函数根据参数变量的长度（length）创建相同长度的序列：

> seq_along(c(1,3,5))[1] 1 2 3

2，向量的创建

向量（Vector，也叫矢量）是数据的有序序列。函数c把一系列的数据拼接起来，创建一个向量；也可以通过c函数和冒号操作符，创建向量，例如：

> c(1,2,3,4)[1] 1 2 3 4> c(1:4)[1] 1 2 3 4

也可以通过vector(class,length)函数，创建指定类型和长度的向量，向量的每个元素的值是指定类型的默认值，可以是0，FALSE,空字符串，或NULL。

> vector('integer',3)[1] 0 0 0

R为每个类型都包装了一个创建向量的函数，格式是class_name(length)，例如：

> numeric(3)[1] 0 0 0

3，向量的长度

向量的长度，就是序列的元素个数，通过length函数获取向量的长度

> length(c(1:3))[1] 3

4，为向量的各个元素命名

R能够为向量的各个元素命名，元素的命名有两种模式：在创建向量时为元素命名，通过names函数为元素命名：

> (v=c(a=1,b=2,c=3))a b c 1 2 3 > names(v)=c('va','vb','vc')va vb vc 1 2 3

输出的结果中，并没有[1]，这说明，无名的向量是按照序列的顺序输出的。

三，索引向量

R通过下表来访问向量中特定位置的元素，第一个位置是1。向量的索引格式是v[n]，n叫做向量的下标，共有三种索引向量的方法。超出范围的下标值，不会导致错误，向量会返回缺失值（NA），不返回任何下标，将返回整个向量的值。

1，下标为整数或整数向量

当n值为正整数时，返回特定位置的元素的值；当n值为负整数时，不返回特定位置的元素的值；当n值为整数向量时，返回特定位置的元素。

> v=1:3> v[1][1] 1> v[-1][1] 2 3

v[-1]和 v[c(2:3)]返回的元素相同。

2，下标为逻辑向量

当n值为逻辑向量时，返回位置为true的元素的值；

> v[v<=2][1] 1 2

v[v<=2]和v[c(TRUE,TRUE,FALSE)]返回的元素相同。

3，下标为字符或字符向量

对于命名向量，给向量传入字符向量，命名向量返回包含名字的元素的值；

> v=(a=1,b=2,c=3)> v[c('a','b')]a b 1 2

4，向量元素的位置

which函数，返回逻辑向量中为TRUE的位置。

> which(c(1:3)>1)[1] 2 3

which.min(v) 函数是表达式 which(min(v))的简写，表示向量的最小值元素的位置，which.max(v) 函数是表达式 which(max(v))的简写，表示向量的最大值元素的位置

> which.min(c(1:3))[1] 1

四，向量元素的追加，删除和更新

可以向矢量中追加元素，例如，向矢量的末尾追加一个元素：

> r=c(1,3,4)> r[4]=5> r[1] 1 3 4 5

向量不能直接删除特定位置的元素，但是，我们可以通过为向量重新赋值来实现：

> r=r[r!=4]> r[1] 1 3 5

更新向量特定位置的元素值，只需要为向量的指定元素赋予新值：

> r[3]=4> r[1] 1 3 4

五，向量的循环

引入向量的目的，运算符或函数，能够作用于向量中的每个元素，而无需显式地编写循环语句，向量内置隐式循环，用于循环向量的各个元素执行计算。

1，向量和单个数值相加

向量和单个数值n相加，是把向量的每个元素都和单个数值n相加，返回的结果是向量：

> x<-c(1:3)> x+1 [1]  2  3  4

2，向量和向量相加

向量和向量相加，在相同的序列位置上，对两个向量的元素相加，返回的结果是向量，向量和向量做运算，推荐两个向量具有相同的长度（length）：

> a=1:3> b=4:6> a+b[1] 5 7 9

六，向量的排序和排名

排序：使用sort函数对向量进行排序，order函数返回元素在排序之后的位置,v[order(v)]返回和sort(v)相同的结果：

> v=c(1,3,5,2,4)> sort(v)[1] 1 2 3 4 5> order(v)[1] 1 4 2 5 3> v[order(v)][1] 1 2 3 4 5

排名：rank函数为数据框中的每个元素进行排名，不过rank函数只能作用于向量，只能返回向量元素的排名：

rank(x, na.last = TRUE,     ties.method = c("average", "first", "last", "random", "max", "min"))

七，因子（factor)

因子（factor）是一个用于存储类别变量的类型，因子的每个item都是字符类型。因子具有因子水平（levels）向量，用于限制因子的item的取值范围，因子的item只能从因子水平中取值，这意味着，因子的每个item要么是因子水平中的字符，也么是缺失值。

通过factor函数创建因子，factor函数的第一个参数必须是字符向量，通过levels参数设置因子水平，例如，因子sex的值是向量c('f','m','f','f','m')，因子水平是c('f','m')：

> sex=factor(c('f','m','f','f','m'),levels=c('f','m'))> sex[1] f m f f mLevels: f m

1，因子水平

因子水平，可以通过函数levels(factor)来查看：

> levels(sex)[1] "f" "m"

2，因子水平的命名

使用factor函数创建因子，可以使用labels参数为每个因子水平添加label，注意，labels参数的字符顺序，要和levels参数的字符顺序保持一致。

> sex=factor(c('f','m','f','f','m'),levels=c('f','m'),labels=c('female','male'),ordered=TRUE)> sex[1] female male   female female male  Levels: female < male

3，有序因子

因子一般是无序的，这可以通过is.ordered函数来验证：

> is.ordered(sex)[1] FALSE

有些因子的水平在语义上大于或小于其他水平，R支持按顺序排列的因子，使用ordered函数，或通过给factor函数传入order=TRUE参数，把因子转换为有序的因子。

例如，通过ordered函数把sex因子转换为有序的因子：

> ordered(sex)[1] f m f f mLevels: f < m

或者，通过factor函数创建有序因子：

> sex=factor(c('f','m','f','f','m'),levels=c('f','m'),ordered=TRUE)> sex[1] f m f f mLevels: f < m

附，特殊的操作符

整除操作符%/%，该操作符的两侧是整数，返回的结果是整数，不足1的小数取整为0：

> 1%/%3[1] 0> 5%/%3[1] 1

取模操作符 %%，该操作符的两次是整数，返回的结果是整数，求整除的余数：

> 5%%3[1] 2