【R语言学习笔记】 二、R语言数据结构之向量

向量是R中最为基本的类型
一个向量中元素的类型必须相同，包括数值型、逻辑型、字符型、复数型。
注意:单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型）。

一、数值型向量

建立向量的方法(函数)：

• seq() 或 “:” 若向量(序列)具有较为简单的规

seq(from , to, by,  length.out, along.with)
 #生成从from到to的向量，by为步长，length.out为生成元素的长度，along.with取赋予变量的长度为元素的个数；

• rep() 若向量(序列)具有较为复杂的规律

rep(x, times = 1, length.out = NA, each = 1)
#x：为一个向量（mode任意，包括list）
#times：数值型向量指定每个元素重复的次数，向量的长度为1时， 表示重复整个x
#length.out：输出向量的长度，简写len或者length
#each：x中的每一个元素重复的次数

• c() 若向量(序列)没有什么规律
  c() 为应用最广泛的向量构造函数，把所有对象连接起来形成新的向量。

x=c(42,7,64,9) #把所有对象连接起来形成新的向量

例子：

二、 字符型向量

paste (..., sep = " " , collapse = NULL)函数:把其输入的自变量(一个或多个R对象)连成字符串，中间用相应的分隔符.

• …: 表示一个或多个R可以被转化为字符型的向量
• sep: 分隔符，默认为空格
• collapse:可选，如果NULL，那么函数paste的返回值是自变量之间通过sep指定的分隔符连接后得到的一个字符型向量；如果为其指定了特定的值，那么自变量连接后的字符型向量会再被连接成一个字符串，之间通过collapse的值分隔。

> paste("Hello", "world")
[1] "Hello world"
#paste函数把它的自变量连成一个字符串，中间用空格分开
> paste(c("A", "B"),  1:3,  sep = "")
[1] "A1" "B2" "A3"
#连接的自变量可以是向量，这时各对应元素连接起来，长度不相同时较短的向量被重复使用
> paste(c("A", "B"), 1:3, sep = "", collapse=",")
[1] "A1,B2,A3"
#同时使用了参数seq与collapse,结果只是返回一个元素

三、逻辑型向量

直接用例子加以说明：

补充：逻辑运算符:

四、向量运算

向量运算采取广播机制

五、向量的赋值

创建一个含有五个数值的向量，这五个值分别为：
10, 4, 53, 6, 21

x <- c(10,4,53,6,21)
x = c(10,4,53,6,21)

赋值也可以用assign()实现：

   assign("x", c(10,4,53,6,21))

六、向量的访问

• 中括号[]：
  正的下标 提取向量中对应的元素
  负的下标 去掉向量中对应的元素
  逻辑下标 提出向量中元素的值满足条件的元素
  注：R中向量的下标从1开始。

• 向量中元素的名字提取子集（names函数用于设定名字）

七、向量的排序

在R中，和排序相关的函数主要有三个：
sort()、rank()和order()

• sort(x)是对向量x进行排序，返回值排序后的数值向量。
• rank(x)是求秩的函数，它的返回值是这个向量中对应元素的“排名”

rank(x, na.last = TRUE,     ties.method = c("average", "first", "random", "max", "min"))
x: rank 函数是对一维度数组、向量x 进行排序。
 na.last: rank 将数据分为确定值与缺失值两种。缺失值可按先后排在确定值之间(na.last = FALSE), 也可排在之后(na.last = TRUE), 也可保留，不参与排序(na.last = "keep").
ties.method :针对相等的值处理方法
"average" 是相同元素都取该组中的平均水平，该水平可能是个小数。
"first"，相同元素先者在前后者在后。
"max" 是相同元素都取该组中最好的水平，即通常所讲的并列排序。
"min" 是相同元素都取该组中最差的水平，可以增大序列的等级差异。
"random" 是相同元素随机编排次序。

• order(x)返回对一个或多个向量进行排序，返回排序后的元素在x向量中的下标；

order(X, na.last=TRUE, decreasing=FALSE)
返回值: X排好序的下标向量
na.last 控制空值NA排在最前还是最后，默认最后
desceasing 控制升序还是降序排列

例如：

八、向量常用函数

取整函数

ceiling(x)  #向上取整
floor(x)    #向下取整
trunc(x)    #截取整数部分， '向零截取'
round(x,digits=n)   #将x舍入指定位的小数(四舍五入),默认无小数
signif(x,digits=n)    #将x舍入指定位的有效数字(四舍五入)，科学计数法

比较向量差异

intersect(x,y)      #—向量交集
union(x,y)          #—向量并集
setdiff(x,y)        #—向量差异
setequal(x,y)    #判断两个向量是否相等

判断向量各元素是否满足条件

x>5   #返回是否x中各元素满足条件
any(x>5) #x中任意元素满足条件,返回TRUE
all(x>5) #全体满足条件，返回TRUE

向量中元素出现次数

unique(x)          #—去冗余，取唯一值
duplicated(x)   #判断是否重复出现
table(x)                 #向量各元素出现的次数

其他常用函数

min(x)          #—最小值
max(x)         #—最大值
which.min()  #—最小值位置
which.max() #—最大值位置
sum(x)         #—求和
length(x)      #—求长度
mean(x)       #—均值
median(x)    #—中位数
var(x)          #—方差
sd(x)           #—标准差
which(x==1)  #—逻辑向量TRUE的位置

八、R中NA、NULL、NaN、Inf、-Inf的区别

• NA: 缺失数据即“Missing value”，是“not
  available”的缩写;主要会在从文件或数据库读取
  数据时遇到，或者将一个向量的长度扩展会出现NA值
• NULL：空值；一般被用在函数参数中，表示该参数没有被赋予任何值，或者某些函数返回值为Null
• NA与NULL的差别还是非常明显的。用一个比喻来讲，NA是已经挖好了一些坑，只是里面没有萝卜而已，这就是所谓的“缺失值”。而NULL则指的是“压根连坑都没有”
• NaN: 无意义的数即“not a number”,
  例如sqrt(-2)
• Inf: 正无穷大
• -Inf: 负无穷大
  
  
  

九、小结

向量生成函数：c(); rep(); seq();
逻辑运算符：&、 &&、|、||
向量的循环运算法则
向量的赋值
向量的访问
向量中元素的排序：sort()、rank()和order()
R语言取整函数：
ceiling();floor()；trunc(); round(); signif()；
两个对象比较：
identical()；all.equal()；
向量差异比较：
intersect(x,y) #交集  union(x,y)#并集
setdiff(x,y) #差异 setequal(x,y) #向量相等