#2-1 R的五中數據類型character,numeric,integer,logical,complex

x1 <- "asdf"? ?#字符型

x2 <- "3.14"? ?#數值型

x3 <- 2L? ? ? ?#整數型

x4 <- TRUE? ? ?#邏輯型

x5 <- 1-2i? ? ?#復數型

class(x1)? ? ? #查看數據的類型

#2-2 Vector 向量的三種創建方法，兩個參數：類型，長度

v1 <- vector("character", length = 10)? ? #第一次回顧出錯：v1 <- vector(1:12,nrow=3,ncol=4)

v2 <- 1:5? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?#出現1到5的整數

v3 <- c("1", "2", "3")? ? ? ? ? ? ? ? ? ? #出現字符1到3

#如果給向量賦值時元素類型不一致，R就會強制轉換，將他們變為同一類型

v4 <- c(TRUE, 1, "asdf")

#強制轉換的函數如下：

as.numeric(v3)? ? ? ? ? ? ? ? ? ? ? ? ? ??

as.logical(v3)

as.character(v3)

#給向量每一個元素添加名稱

names(v2) <- c("a", "b","c", "d", "e")? ??

#2-3 matrix 矩陣 三個參數：內容（可?。袛?，列數

m1 <- matrix(1:12, nrow = 2, ncol = 3)? ? ?#matrix 矩陣有三個參數，第一個是內容，第二個，第三個是行列

#維度屬性

dim(m1)

#查看矩陣的所有屬性

attributes(m1)

#由向量來創建矩陣的方法

m2 <- 1:6

dim(m2) <- c(2,3)

#將兩個矩陣按行拼接

rbind(m1, m2)

#將兩個矩陣按列拼接

cbind(m1, m2)

#使用列表給矩陣的行列命名

dimnames(m1) <- list(c("a", "b"),c("c", "d", "e"))

#array 數組，兩個參數：內容和維度

a1 <- array(1:24, dim = c(4,6))

a2 <- array(1:24, dim = c(2,3,4) )

#2-4 list 列表

l1 <- list(123, 10L, "asdf", 3+4i, TRUE)? ? #每個元素沒有名字

l2 <- list(a=1, b=2, c=3)? ? ? ? ? ? ? ? ? ?#列表中每個元素名字分別為abc

#生成一個列表，列表中每一個元素大于1

l3 <- list(c(1,2,3), c(4,5,6,7))

#2-5 factor 因子處理分類數據的，有序或者無序，有兩個參數:內容，基線水平

f1 <- factor(c("female", "female", "male", "female", "male"))

f2 <- factor(c("female", "female", "male", "female", "male"), levels = c("male", "female"))

#table 對于當前的因子有一個整體的了解

table(f1)

#去掉因子的屬性，看因子的內容

unclass(f2)

class(f2)? ? ? ? ? ? ? ? ? ? ?#上一步并未去掉因子的屬性，f2仍然為因子類型

class(unclass(f2))? ? ? ? ? ? #去掉因子的屬性，因子變為整型

# 2-6 missing value 缺失值NA和NaN，NA范圍大，NaN范圍小。NA有類型，可以是整數值的缺失，也可以是字符的缺失。

n1 <- c(1, NA, 2, NA, 3)? ? ? #NaN不能識別NA

is.na(n1)

is.nan(n1)

n2 <- c(1, NaN, 2, NaN, 3)? ? #NA可以識別NaN

is.na(n2)

is.nan(n2)