由于本人学习R语言之前是个小白，所以这些东西都是以零基础的视角出发写下来的，学习R语言很重要的一点是了解R的数据结构（即用于存储数据的对象类型）有哪些，先按照个人要求的格式创建含有研究信息的数据集，这样才可以更好的对数据进行处理与分析。

1、介绍

R里面有五种数据结构：向量（vector）、矩阵（matrix）、数组（array）、数据框（data frame）和列表（list）。五种数据结构中，又可以简单分为两类：（1）向量、矩阵、数组，这三种数据结构的相同点在于均只能包含同一种数据类型，即要么都是数值型，要么都是字符型或者其他的任意一种数据类型，而不同点在于维度(dim)，向量是一维的，矩阵是二维（行、列）的，数组是二维及二维以上（行、列、层）的，其实这三种数据类型互相是一种包含关系，R语言最基本的数据类型就是向量，矩阵也是向量，只不过多了行row与列column的划分，矩阵同时也是一个特殊的数组，即第三个维度为1的数组。（2）数据框和列表，这两者相同的地方在于可以包含不止一种数据类型，不同点在于维度，数据框是二维的，列表是二维及二维以上的。即，数据框中不同的列可以是不同数据类型，而列表的不同层也可以是不同的数据类型。列表可以说是R中数据类型最为复杂的一种，列表可以是这五种数据结构的一个有序集合，列表的每一层可以是向量，可以是矩阵，可以是数组，可以是数据框，甚至是其他列表。

介绍完了五种数据结构，首先给出各个不同数据结构的示例，接下来讲讲这五种数据结构的常用操作的异同。

2、示例

向量：

[1] 1 2 3 4 5

矩阵：

      [,1] [,2] [,3] [,4]
[1,]    1    4    7  10
[2,]    2    5    8  11
[3,]    3    6    9  12

数组：

     , , 1
      [,1] [,2]
[1,]    1    2
     , , 2
      [,1] [,2]
[1,]    3    4
     , , 3
      [,1] [,2]
[1,]    5    6

数据框：

    patientID age diabetes    status
1              1  25    Type1      Poor
2              2  34    Type2  Improved
3              3  28    Type1 Excellent
4              4  52    Type1      Poor

列表：

$title
[1] "My First List"
$ages
[1] 25 26 18 39
[[3]]
[,1] [,2]
[1,]    1    6
[2,]    2    7
[3,]    3    8
[4,]    4    9
[5,]    5  10
[[4]]
[1] "one"  "two"  "three"

3、创建

五种数据结构的创建都非常简单，而创建需要的函数其实就是名称本身（向量除外）。下面演示一下上面的例子是如何被创建出来的。

向量：向量的创建常用c函数，c函数是R中经常会使用到的一个函数

c(..., recursive = FALSE)

示例：

> a <- c(1,2,3,4,5)

矩阵：矩阵的创建常用matrix()函数

matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE，dimnames = NULL)

示例：

> b <- matrix(1:12,nrow=3,ncol=4) 

数组：数组的创建常用array()函数

array(data = NA, dim = length(data), dimnames = NULL)

示例：

> z <- array(1:24,c(1,2,3)) 

数据框：数据框的创建常用data.frame()函数

data.frame(..., row.names = NULL, check.rows = FALSE, check.names = TRUE, fix.empty.names = TRUE, stringsAsFactors = default.stringsAsFactors())

示例：

> patientID <- c(1,2,3,4)
> age <- c(25,34,28,52)
> diabetes <- c("Type1","Type2","Type1","Type1")
> status <- c("Poor","Improved","Excellent","Poor")
> patientdata <- data.frame(patientID,age,diabetes,status)

列表：列表的创建常用list()函数

list(...)

示例：

> g <- "My First List"
> h <- c(25,26,18,39)
> j <- matrix(1:10,nrow=5)
> k <- c("one","two","three")
> mylist <- list(title=g,ages=h,j,k)

注：对于向量有一点需要注意的地方，在R中并没有标量之说，对于标量，在R中默认为一元向量。除了使用c函数，同样可以使用其名称vector()函数来创建。

vector(mode = "logical", length = 0)

示例：

> vector("character", 5)
[1] "" "" "" "" ""

使用vector函数时，创建了一个特定的数据类型和长度的向量，如果是数值型，默认填充数字0，如果是逻辑型，默认填充False，如果是字符型，默认为空。
此外，向量的创建还可以使用：冒号(colon operator)创建一个序列,sequences()函数用于生成等差序列，seq.int() 创建一个步长为赋予by的数值的等差序列，seq_along() 创建一个从从1开始，长度等于输入值长度的序列，seq_len()创建一个从从1开始，长度为输入值的序列

seq(from = 1, to = 1, by = ((to - from)/(length.out - 1)), length.out = NULL, along.with = NULL, ...)
seq.int(from, to, by, length.out, along.with, ...) 
seq_along(along.with) 
seq_len(length.out)

示例：

> 3.5：5.5    
[1] 3.5 4.5 5.5
> c(1,1:3,c(5,8),13)
[1] 1 1 2 3 5 8 13
> seq_along(c(3,4))
[1] 1 2

对于矩阵也有需要注意的地方，当给矩阵赋值时，赋值默认按列而不是按行进行。

4、维度

向量：length()，返回的是其中的元素的个数，也可以通过该函数给向量重新赋予新的长度，不足的部分用NA补齐，超过的部分会被删除。对于向量nrow()、ncol()返回NULL，可以使用NROW()和NCOL()，前者返回向量元素个数，后者恒为1（因为向量默认是一列）
示例：

> a
[1] 1 2 3 4 5
> length(a)
[1] 5
> length(a) <- 7
> length(a)
[1] 7
> a
[1]  1  2  3  4  5 NA NA
> length(a) <- 3
> a
[1] 1 2 3

矩阵：length()，返回行与列的乘积，即其中包含的所有元素的个数
dim()，返回矩阵的维度，也可以通过dim函数给矩阵重新赋予不同的行列组合。
nrow()与ncol()，分别返回向量的行数与列数

数组：length()、dim()、nrow()、ncol()
示例：

> length(patientdata)
[1] 4
> nrow(patientdata)
[1] 4
> ncol(patientdata)
[1] 4

数据框：dim()、nrow()，但是length()与ncol()返回相同的值，因为数据框是不同列的组合

列表：length()返回第三个维度，即有多少层。但是对于列表来说，dim()、nrow()、ncol()这三者不再有意义，会返回NULL（此时如果使用NROW()和NCOL()函数，不会返回NULL，但是此时这两个函数将列表看成向量，NROW()返回的是层，NCOL()只会返回1，因为向量只有一列）。
示例：

> length(mylist)
[1] 4

5、命名

向量：names()函数可以对向量的中各个元素的名称进行查询，如果有，则返回对应的名称向量，如果没有，则返回NULL，而对于向量中各个元素的命名也是使用该函数。unname()可以去掉元素名

names(x)
names(x) <- value，

示例：

> names(a)
NULL
> names(a) <- c("one","two","three","four","five")
> a
one  two three  four  five
1    2    3    4    5

矩阵：rownames()、colnames()、dimnames()可以对矩阵的行名、列名、所有名称进行查询，矩阵在定义时便有参数可以设置名称，dimnames=list(...)可以对矩阵的各行各列进行命名，也可以在矩阵创建之后再使用该函数命名或者修改

dimnames(x)
dimnames(x) <- value
rownames(x, do.NULL = TRUE, prefix = "row")
rownames(x) <- value
colnames(x, do.NULL = TRUE, prefix = "col")
colnames(x) <- value

数组：同上

数据框：当赋值给数据框的变量都有名称时，数据框会自动将变量名称赋给每一列的变量。如果不希望，可以使用参数row.names = NULL除去变量自带的名称。rownames()、colnames()、dimnames()则与矩阵相似，但是names()返回结果与colnames()相同。
示例：

> colnames(patientdata)
[1] "patientID" "age"       "diabetes"  "status" 

列表：从技术上讲，列表就是向量（都是一列，拥有多行元素，虽然不同行元素类型不同），所以对于列表的命名与向量相同

names(x)
names(x) <- value，

6、索引与筛选

向量：向量索引有四种方法，（1）、给向量传递一个正数x（表示位置，即第x行），返回从1到x列的所有列（R中第一列为1而非0）。（2）、给向量传递一个负数，返回除去该行的所有列。（3）、给向量传递逻辑值，返回所有逻辑值为TRUE的列。（4）、利用向量各个元素的名称进行索引。
索引符号为中括号[ ]
示例：

> a[2]
two 
  2 
> a["two"]
two 
  2 
> a[["two"]]
[1] 2

当向量各元素有名称时，按数字索引和名称索引都会使得输出结果带有名称，而如果希望输出结果不带名称时，可以使用双重中括号[[]]
使用上述方法，a[2:4]、a[-1]、a[c(FALSE,TRUE,TRUE,TRUE)]、a["two"]返回的结果相同。

此外，也可以利用条件对向量进行筛选，有三种方法：使用[]、which()函数和subset()函数，[]返回逻辑值，which()返回的是满足条件的元素所处位置，而subset()是截取出符合条件的元素

> x <- c((1:5)^2,NA)
> x
[1] 1 4 9 16 25 NA
> x>5
[1] FALSE FALSE  TRUE  TRUE  TRUE    NA
> x[x>5]
[1]  9 16 25 NA
> which(x>5)
[1] 3 4 5
> subset(x,x>5)
[1]  9 16 25

可以看到使用[]和另两种方法的区别在与对NA的处理不同
也可以利用[]对向量中的元素进行重新赋值(R中的向量实际是连续存储的，不能插入也不能删除元素，向量的大小在创建时已经确定，更改的时候实际上是重新定义一个新的向量，然后再覆盖原向量)

> x[x>5] <- 0
> x
[1]  1  4  0  0  0 NA

矩阵：矩阵同样有上述四种索引方式，区别在于矩阵具有行列的属性，在索引时需要表现出行和列

> b[1,3]
[1] 7
> b[2,]
[1]  2  5  8 11

矩阵的筛选操作与向量相同，但是which()函数返回的并不是矩阵，而是满足某一条件的所有元素组成的向量，而[]和subset函数返回的依然是筛选出来的子矩阵（对于所有数据结构而言，如果返回的是一行元素会被R默认当作向量处理，使用drop=FALSE参数可以防止返回向量）。
也可以利用与向量相同的筛选的方式对某一个元素、某一行、某一列或者满足条件的所有元素进行重新赋值。

> b[b>7]
[1]  8  9 10 11 12
> b[b>7]<-0
> b
     [,1] [,2] [,3] [,4]
[1,]    1    4    7    0
[2,]    2    5    0    0
[3,]    3    6    0    0
> b[,2]>4
[1] FALSE  TRUE  TRUE
> b[b[,2]>4,]
     [,1] [,2] [,3] [,4]
[1,]    2    5    8   11
[2,]    3    6    9   12
> which(b>3)
[1] 4 5 6 7  8  9 10 11 12
> subset(b,select=1，drop=FALSE)
     [,1]
[1,]    1
[2,]    2
[3,]    3

需要注意的是，使用于向量的运算也都适用于矩阵，因为矩阵也是向量

数组：subset()函数不能用于数组，[]和which的操作与矩阵相同

数据框：适用于向量的索引方式同样适用于数据框，此外，如果希望输出不带名称的结果，可以适用双重中括号[[]]或者美元符号$，而对于筛选方式（中括号[]、which()函数、subset()函数），不仅需要注意行与列，同时也应该注意数据框可能含有多种数据类型，当按条件进行筛选时最好指定到相应的列

> patientdata$age
[1] 25 34 28 52

patientdata$a、patientdata[["age"]]可以返回相同的结果。

> which(patientdata$age>26)
[1] 2 3 4

列表：适用于向量的索引方式同样适用于数据框，此外，如果希望输出不带名称的结果，可以适用双重中括号[[]]或者美元符号$，与向量不同的是列表可以进行嵌套索引

> mylist[1:2]
$title
[1] "My First List"
$ages
[1] 25 26 18 39

mylist[c(-3,-4)]、mylist[c("title","ages")]、mylist[c("TRUE","TRUE","FALSE","FALSE")]这三者与上述返回结果相同

> mylist[[4]][[1]]
[1] "one"

> mylist$title
[1] "My First List"

等价于mylist[[1]]、mylist[["title"]]、mylist$t
值得注意的是，当索引列表中不存在的一项元素时，适用双重中括号直接索引会返回error，其他索引方式返回NULL

> mylist["fi"]
$<NA>
NULL
> mylist[[5]]
Error in mylist[[5]] : 下标出界

7、运算

（之后会详细讲数据分析，所以在此只略讲）
R中的运算符有：

算术运算符	含义
+	加
-	减
*	乘
/	除
^	幂
**	幂
x%%y	余数
x%/%y	整除

逻辑运算符	含义
<	小于
>	大于
<=	小于等于
>=	大于等于
==	严格等于
!=	不等于
!x	非x
x&y	x和y
x&$y	x和y （针对标量）
isTRUE(x)	测试x是否为TRUE

向量：向量的算术运算实际上两个向量间两两对应元素的运算，当两向量长度相同时，一一对应即可，长度不同时，如果两者长度为整数倍，则较短的向量自动扩展

> a
  one   two three  four  five 
    1     2     3     4     5 
> m <- c(3,4)
> a+m
  one   two three  four  five 
    4     6     6     8     8 
Warning message:
In a + m : 长的对象长度不是短的对象长度的整倍数
> m <- c(3)
> a+m
  one   two three  four  five 
    4     5     6     7     8 

矩阵：矩阵与向量相加只需要为整数倍，向量会自动扩展。如果两矩阵相加则要求维度相同

数组：与矩阵相同

数据框：略

列表：略

8、其他

any()函数和all()函数分别报告其参数是否至少有一个或者全部为TRUE
当直接对向量适用比较运算符时返回的是布尔逻辑向量
c()函数可以直接合并两个不同维度的矩阵、矩阵和向量并返回一个向量，也可以合并列表和向量，返回列表（其中向量中每个元素被转换成列表），也可以合并列表和矩阵，返回列表（其中矩阵中的每个元素都被转换成列表）
as.list()可以把向量转换成列表
unlist()把列表转换成向量
rep()函数用重复的元素创造向量，times参数表示重复的次数，length.out参数表示输出长度，each参数表示每一个元素重复的次数

rep(x, ...)
rep.int(x, times)
rep_len(x, length.out)

> rep(1:5)
[1] 1 2 3 4 5
> rep(1:5,3)
 [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
> rep(1:5,each=3)
 [1] 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5
> rep.int(1:5,3)
 [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
> rep_len(1:5,3)
[1] 1 2 3

声明：该学习笔记的内容参考了《R in action》、《R语言编程艺术》、《Learning R》这三本书，是本人一点一点总结、一点一点敲出来的。写下这个学习笔记是为了督促自己更好的学习、总结与巩固，也希望可以帮到需要帮助的人