R語言中的vector(向量)，array(數組)總結

對于那些有一點編程經驗的人來說，vector，matrix，array，list，data.frame就相當于編程語言中的容器，因為只是將R看做數據處理工具所以它們的底層是靠什么實現的，內存怎么處理的具體也不要深究。

R語言很奇怪的是它是面向對象的語言，所以經常會調用系統的方法，而且更奇怪的是總是調用“謂語”的方法，用起來像是寫句子一樣，記起來真是讓人費解。比如is.vector(),read.table(),as.vector()、、

直接開始吧：(由于習慣，大部分用"="代替"<-")

一、向量vector，

1.是最基本的數據容器，里面的數據必須是同一類型，先看基本用法：

a<-c(1,2,3,4,5,6,7,8,9)

或者賦值函數assign，

assign（"a",c(1,2,3,4,5,6,7,8,9))

> is.vector(a)
[1] TRUE

> is.matrix(a)

[1] FALSE
> is.array(a)
[1] FALSE
> is.list(a)
[1] FALSE
或者利用隨機分布函數，rnrom(n,mean,sd),runif(n,min,max)、、、

> b=runif(20,min=1,max=20)
> b
 [1]  2.181016 18.417605  9.748379  2.122849  1.281871  4.099617
 [7] 14.162348 18.034863  7.464664  9.599227 18.973259  1.900773
[13]  8.995223 11.048916 11.667131  3.859275 17.992988  1.089552
[19] 13.490061 12.864029

或者按照一定的步長：

> a=seq(1,20,by=3)
> a
[1]  1  4  7 10 13 16 19

或者重復：

> s=rep(a,times=3)
> s
 [1]  1  4  7 10 13 16 19  1  4  7 10 13 16 19  1  4  7 10 13 16 19

邏輯向量：

> b=a>8;b
[1] FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE

缺失數據用大寫NA表示，數據不確定用NaN表示，數據是無窮用Inf表示（一會全大寫，一會大寫加小寫，一會首字母大寫，真是醉了），判斷是否為空數據用函數is.na()，判斷是否不確定用函數is.nan()，數據是否有限用is.finite()，數據是否為無窮用函數is.infinite()：

> z=c(1:3,Na);z
Error: object 'Na' not found
> z=c(1:3,NA);z
[1]  1  2  3 NA

> is.na(z)
[1] FALSE FALSE FALSE  TRUE

將缺失的數據賦值為0：

> z[is.na(z)]=0;z
[1] 1 2 3 0

下面將這幾個有問題的數據放在一個向量中：

> z=c(0/1,0/0,1/0,NA);z
[1]   0 NaN Inf  NA
> is.na(z)
[1] FALSE  TRUE FALSE  TRUE
> is.nan(z)
[1] FALSE  TRUE FALSE FALSE
> is.finite(z)
[1]  TRUE FALSE FALSE FALSE
> is.infinite(z)
[1] FALSE FALSE  TRUE FALSE

2.vector中元素的下標引用.

> a=round(runif(9,min=1,max=9))
> a
[1] 3 8 8 8 2 7 3 5 3

可以看見，與容器不同，vector的下標是從1開始的：

> a[0]
numeric(0)

> a[1]
[1] 3

選取第2和第3個數，引用非常方便：
> a[c(2,3)]
[1] 8 8

引用除了第一個值的所有數，用了減號"-"：
> a[-c[1]]
[1] 8 8 8 2 7 3 5 3

3.vector作為R語言工具，需要了解vector的各種運算。

①+-×÷，其他運算如log，exp，cos，sqrt等也相似。其意義是對應的向量的每個元素分別做運算，

> x=c(1,2,3)
> y=c(2,3,4)
> z=2*x+y-1
> z
[1] 3 6 9

> x^2
[1] 1 4 9

> cos(x)
[1]  0.5403023 -0.4161468 -0.9899925

> sqrt(x)
[1] 1.000000 1.414214 1.732051

②與向量有關的函數,min(x),max(x), sum(x),range(x)，太簡單就不在細說，需要強調的是which.min(x)，這個還是蠻重要的。

> a=rnorm(10,mean=5,sd=2)
> a
 [1] 5.914559 2.604346 5.342572 9.006863 6.547221 7.519781 7.330211
 [8] 8.322956 6.875491 5.883626
> which.max(a)
[1] 4
> which.min(a)
[1] 2
> a[which.max(a)]
[1] 9.006863
> a[which.min(a)]
[1] 2.604346

其他的如sd(a),var(a),length(a),sort(a)，分別是求方差，標準差，長度，排序。與python不同R語言的vector所有操作都不會改變vector本身的值。

4.由于R是一種基于對象的語言，R的對象分為單純對象和復合對象兩種，單純對象的所有元素都是同一數據類型（數值、字符串），元素不再是對象。復合對象的元素可是是不同的類型，每個元素是一個對象。

R的對象都有兩個基本的屬性：mode和length，向量的類型為：logical（邏輯型）、numeric（數值型）、complex（復數型）、character（字符型）。

> b=c(0:9)
> b
 [1] 0 1 2 3 4 5 6 7 8 9
> is.numeric(b)
[1] TRUE
> is.character(b)
[1] FALSE
> c=as.character(b)
> c
 [1] "0" "1" "2" "3" "4" "5" "6" "7" "8" "9"
> is.numeric(c)
[1] FALSE
> is.character(c)
[1] TRUE

二、數組array：多維的同一類型集合（字符型、數值型、邏輯型、復數型），R可以很容易地生成和處理數組，特別是矩陣matrix是一個二維數組。

1.可以通過定義dim(維度)將向量變成matrix。

a=c(1,3,4,5,6,7,8,9,3)
> dim(a)=c(3,3)
> a
     [,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3

或者：

> a=array(a,dim=c(3,3))
> a
     [,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3

或者：

> a=matrix(a,nrow=3,ncol=3);a
     [,1] [,2] [,3]
[1,]    1    5    8
[2,]    3    6    9
[3,]    4    7    3

> is.vector(a)
[1] FALSE
> is.matrix(a)
[1] TRUE
> is.array(a)
[1] TRUE

> is.list(a)
[1] FALSE

可以發現，a已經通過定義維度將其變成了一個矩陣（matrix）和數組（array)，下面將講matrix其實是一個二維的array。

2.下標引用

> a=c(1:24)
> dim(a)=c(2,3,4)
> a[2,1,2]
[1] 8
> a[1,2:3,2:3]
     [,1] [,2]
[1,]    9   15
[2,]   11   17
> a[1, , ]
     [,1] [,2] [,3] [,4]
[1,]    1    7   13   19
[2,]    3    9   15   21
[3,]    5   11   17   23