R语言基本语法深入讲解

基本数据类型

数据类型

• 向量 vector
• 矩阵 matrix
• 数组 array
• 数据框 data frame
• 因子 factor
• 列表 list

向量

• 单个数值（标量）没有单独的数据类型，它只不过是向量的一种特例
• 向量的元素必须属于某种模式（mode），可以整型（integer）、数值型（numeric）、字符型（character）、逻辑型（logical）、复数型（complex）
• 循环补齐（recycle）：在一定情况下自动延长向量
• 筛选：提取向量子集
• 向量化：对向量的每一个元素应用函数
• 使用seq()创建向量
• 使用rep()重复向量常数

矩阵

矩阵（matrix）是一种特殊的向量，包含两个附加的属性：行数和列数。所以矩阵也和向量一样，有模式的概念，例如数值型或字符型。（但反过来，向量却不能看作是只有一列或一行的矩阵。）

• 创建矩阵
• 矩阵运算
• 索引
• 增加或删除行（列）

数组

数组（array）是r里一个更一般的对象，矩阵是数组的一个特殊情形。数组可以是多维的。例如一个三维的数组可以包含行、列和层（layer），而一个矩阵只有行和列两个维度。

array(data = na, dim = length(data), dimnames = null)
as.array(x, ...)
is.array(x)

列表

向量的元素要求都是同类型的，而列表（list）与向量不同，可以组合多个不同类型的对象

数据框

数据框类似矩阵，有行和列这两个维度。然而，数据框与矩阵不同的是，数据框的每一列可以是不同的模式（mode）。例如，某列可能由数字组成，另一列可能由字符串组成。

因子

因子的设计思想来源于统计学中的名义变量（nominal variables），或称之为分类变量（categorical variables）。这些变量的值本质上不是数字，而是对应为分类，例如*党、共和党和无党派，尽管它们可以用数字编码。

算术运算

• x + y 加法
• x - y 减法
• x * y 乘法
• x / y 除法
• x ^ y 乘幂
• x %% y 模运算
• x %/% y 整数除法

逻辑运算

• x == y 判断是否相等
• x <= y 判断是否小于等于
• x >= y 判断是否大于等于
• x && y 标量的逻辑“与”运算
• x || y 标量的逻辑“或”运算
• x & y 向量的逻辑“与”运算（x、y以及运算结果都是向量）
• x | y 向量的逻辑“或”运算（x、y以及运算结果都是向量）
• !x 逻辑非
• 逻辑值true和false可以缩写为t和f（两者都必须是大写）。而在算术表达式它们会转换为1和0

函数

 g <- function(x) {
  return(x+1)
}

函数也是对象

条件语句

if (r == 4) {
 x <- 1
} else {
 x <- 3
 y <- 4
}

循环语句

• for
• while
• repeat

repeat没有逻辑判断退出条件，必须利用break（或者类似return()）的语句。当然，break也可以用在for循环中。

代码格式化工具

library(formatr)

到此这篇关于r语言基本语法深入讲解的文章就介绍到这了,更多相关r语言基本语法内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！