R语言基础入门（7）之数据类型的性质

目录

1.存储模式与基本类型

 2.类属

3.类型转换

4.属性

5.str() 函数

 6.关于赋值

---

1.存储模式与基本类型

R语言中根据类型可以将数据划分为：

• 数值型（numeric）
• 整数型（integer）
• 字符型（character）
• 逻辑型（logical）
• 复数型（complex）
• 原始型（raw）

R 的变量可以存储多种不同的数据类型，可以用 使用以下函数查看数据的类型，但返回结果有差别 ：

typeof(x)
class(x)
mode()
storage.mode()

比如

整数型：

typeof(1:3)

返回 ：

double 型：

typeof(c(1,2,3))

返回：

逻辑型：

typeof(c(TRUE, NA, FALSE))

返回：

字符串型：

typeof('Abc')

返回：

 注：因子返回类型是 integer

typeof(factor(c('F', 'M', 'M', 'F')))

返回：

复数型： 

typeof(2 + 1i) #1不能省略

返回：

原始型（raw）：

a <- charToRaw("rlanguage") 
#a此时的记录为72 6c 61 6e 67 75 61 67 65，是字符串中每个字符的原始存储格式
a
typeof(a)

返回：

 

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))

返回：

is.integer(c(1L, -3L))

返回：

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 也算是缺失值 , Inf 和 -Inf 不算是缺失值。

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。

如:

c(-1, 0, 1)/0

返回：

 我们来判断一下结果是否为缺失值：

is.na(c(-1, 0, 1)/0)

返回：

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"，如

typeof(list("a", 1L, 1.5))

返回：

 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)))

返回：

 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，可以用 使用以下函数查看数据的 类属，但返回结果有差别 ：

typeof(x)
class(x)
mode()
storage.mode()

比如

typeof(factor(c('F', 'M', 'M', 'F')))

返回：

mode(factor(c('F', 'M', 'M', 'F')))

返回：

storage.mode(factor(c('F', 'M', 'M', 'F')))

返回：

class(factor(c('F', 'M', 'M', 'F')))

返回：

class(as.numeric(factor(c('F', 'M', 'M', 'F'))))

返回：

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 。

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

转换为数值型

as.numeric(c(FALSE, TRUE))

返回：

转换为字符型

as.character(sqrt(1:4))

返回：

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")

返回：

 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

返回：

paste("abc", 1)

返回：

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

定义x

x <- table(c(1,2,1,3,2,1)); print(x)

返回：

读取x的属性

attributes(x)

返回：

table() 函数用了输出其自变量中每个不同值的出现次数，称为频数。从上例可以看出，table() 函数的结果有三个属性，前两个是 dim 和 dimnames, 这是数组 (array) 具有的属性；另一个是 class 属性，值为 "table" 。因为 x 是数组，可以访问如

x <- table(c(1,2,1,3,2,1))
x[1]

返回：

x["3"]

返回：

 也可以用 attributes() 函数修改属性，如

attributes(x) <- NULL
x

返回：

 如上修改后 x 不再是数组，也不是 table。

class 属性是特殊的。如果一个对象具有 class 属性，某些所谓 “ 通用函数 (generic functions)” 会针对这样的对象进行专门的操作，比如， print() 函数在显示向量和回归结果时采用完全不同的格式。这在其它程序设计语言中称为 “ 重载”(overloading) 。

可以用 attr(对象, " 属性名") 读取和修改单个属性。向量的元素名是 names 属性，例如

ages <- c(" 李明"=30, " 张聪"=25, " 刘颖"=28)
names(ages)

返回：

attr(ages, "names")

返回：

attr(ages, "names") <- NULL
ages

返回：

 还可以用 unname() 函数返回一个去掉了 names 属性的副本。

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)

返回：

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

返回：

 

y

返回：

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。