R语言中的vector(向量)，array(数组)总结

对于那些有一点编程经验的人来说，vector，matrix，array，list，data.frame就相当于编程语言中的容器，因为只是将R看做数据处理工具所以它们的底层是靠什么实现的，内存怎么处理的具体也不要深究。

R语言很奇怪的是它是面向对象的语言，所以经常会调用系统的方法，而且更奇怪的是总是调用“谓语”的方法，用起来像是写句子一样，记起来真是让人费解。比如is.vector(),read.table(),as.vector()、、

直接开始吧：(由于习惯，大部分用"="代替"<-")

一、向量vector，

1.是最基本的数据容器，里面的数据必须是同一类型，先看基本用法：

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

或者赋值函数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

或者利用随机分布函数，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

或者按照一定的步长：

> a=seq(1,20,by=3)

> a

[1] 1 4 7 10 13 16 19

或者重复：

> 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

逻辑向量：

> b=a>8;b

[1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE

缺失数据用大写NA表示，数据不确定用NaN表示，数据是无穷用Inf表示（一会全大写，一会大写加小写，一会首字母大写，真是醉了），判断是否为空数据用函数is.na()，判断是否不确定用函数is.nan()，数据是否有限用is.finite()，数据是否为无穷用函数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

将缺失的数据赋值为0：

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

[1] 1 2 3 0

下面将这几个有问题的数据放在一个向量中：

> 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中元素的下标引用.

> a=round(runif(9,min=1,max=9))

> a

[1] 3 8 8 8 2 7 3 5 3

可以看见，与容器不同，vector的下标是从1开始的：

> a[0]

numeric(0)

> a[1]

[1] 3

选取第2和第3个数，引用非常方便：

> a[c(2,3)]

[1] 8 8

引用除了第一个值的所有数，用了减号"-"：

> a[-c[1]]

[1] 8 8 8 2 7 3 5 3

3.vector作为R语言工具，需要了解vector的各种运算。

①+-×÷，其他运算如log，exp，cos，sqrt等也相似。其意义是对应的向量的每个元素分别做运算，

> 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与向量有关的函数,min(x),max(x), sum(x),range(x)，太简单就不在细说，需要强调的是which.min(x)，这个还是蛮重要的。

> 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)，分别是求方差，标准差，长度，排序。与python不同R语言的vector所有操作都不会改变vector本身的值。

4.由于R是一种基于对象的语言，R的对象分为单纯对象和复合对象两种，单纯对象的所有元素都是同一数据类型（数值、字符串），元素不再是对象。复合对象的元素可是是不同的类型，每个元素是一个对象。

R的对象都有两个基本的属性：mode和length，向量的类型为：logical（逻辑型）、numeric（数值型）、complex（复数型）、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、数组array：多维的同一类型集合（字符型、数值型、逻辑型、复数型），R可以很容易地生成和处理数组，特别是矩阵matrix是一个二维数组。

1.可以通过定义dim(维度)将向量变成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

可以发现，a已经通过定义维度将其变成了一个矩阵（matrix）和数组（array)，下面将讲matrix其实是一个二维的array。

2.下标引用
> 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