44. R编程（六：向量类型详解1）
44. R编程（六：向量类型详解1）
基础
广义来说，向量有三种类型：
- 存储相同数据类型的atomic vector；
- 不同类型的 list。
- NULL，长度为零的vector。
属性（attributes）：
- 纬度，二维的矩阵，多维的array；
- 类型 class，专门用于S3 类对象的构造。
image.png
向量分类
常见的有四种：
- 特别的书写规范：
image.png
- 处理NA 值的注意事项：
image.png
除此之外，还有两种不常见的：参见：https://www.cnblogs.com/mfrank/p/14051513.html
属性
一共有三种获得的函数：
a <- 1:3
attr(a, "x") <- "abcdef"
attr(a, "x")
#> [1] "abcdef"
attr(a, "y") <- 4:6
str(attributes(a))
#> List of 2
#> $ x: chr "abcdef"
#> $ y: int [1:3] 4 5 6
# Or equivalently
a <- structure(
1:3,
x = "abcdef",
y = 4:6
)
str(attributes(a))
#> List of 2
#> $ x: chr "abcdef"
#> $ y: int [1:3] 4 5 6
attributes 可以批量获取对象所有的属性；structure 可以批量定义对象所有的属性。
此外属性一般也是短暂形成的：
只有names, 和dim 属性会被继承（说继承可能不太严谨，但你大概明白我的意思吧～）：
> b <- matrix(1:4, ncol=2)
> b
[,1] [,2]
[1,] 1 3
[2,] 2 4
> attributes(b)
$dim
[1] 2 2
> names(b) <- 3
> b
[,1] [,2]
[1,] 1 3
[2,] 2 4
attr(,"names")
[1] "3" NA NA NA
> b[q]
Error in b[q] : invalid subscript type 'closure'
> b[1]
3
1
> b[2]
<NA>
2
> attributes(b[2])
$names
[1] NA
- 创建带名字的向量的三种方式：
如果名称中有确实值的话：
- 获取向量、矩阵、array 信息的函数异同：
image.png
S3 类向量
一个对象，一旦有了class 属性，则其会变为S3 类型对象：
> x1
[1] 3
>
> otype(x1)
[1] "base"
> attr(x1, "class") <- "good"
> otype(x1)
[1] "S3"
> attributes(x1)
$class
[1] "good"
其实我们通常使用的因子类型，也是S3 对象，此外还有：
因子
- 因子是基于整型向量改写的S3 对象，而许多的因子实际上由字符串转换而来的：
> x3
[1] a b
Levels: a b
> mode(x3)
[1] "numeric"
> x4 <- gsub("a", "aa", x3)
> x4
[1] "aa" "b"
> mode(x4)
[1] "character"
这也是为什么我们如果用c() 连接因子，会得到数字：
因为实际使用的是factor 背后的integer 值。
> x3
[1] a b
Levels: a b
> x2
[1] 1 2 3
Levels: 1 2 3
> c(x2,x3)
[1] 1 2 3 1 2
因此，如果需要转换因子，最好的方法是显式修改；如果需要避免factor 转型，则等向量一切处理完毕后，在转换为因子。
另外，在处理因子的时候还需要谨慎levels 属性。我们在将向量转为因子时，可以使用默认顺序下的levels 或手动设定，此时向量本身顺序并不会改变；但如果对已创建的因子转换levels，则因子本身顺序也会按照levels 的顺序改变。
因子取子集，去除其他不包含levels的方法：
其他
- 日期
image.png
- 日期-时间
image.png
- 时间段
反映的是两段时间的差值：
列表
从大类上，list 是区别于atomic 的另一大类向量。
最大的区别在于，list 可以存储不同类型的数据。
list 也可以有自己的多维矩阵：
从输出结果来看，它与atomic 创建的矩阵无二，但本质来说，其是不同的。atomic 的矩阵如果将元素修改与整体类型不同，则会强迫转型。
数据框
- 识别非法名称
image.png
- tibble
可以使用运算符号创建
- 为什么要窄长的ggplot 类型数据，不要长宽数据
转换rownames 的方法：
- 数据框中定义列表的方法
- 数据框中定义矩阵与数据框的方法
个人感觉如果存放复杂的或多个纬度的数据，使用tibble会好一点：
> dfm <- data.frame(
+ x = 1:3 * 10
+ )
> dfm$y <- matrix(1:9, nrow = 3)
> dfm$z <- data.frame(a = 3:1, b = letters[1:3], stringsAsFactors = FALSE)
> dfm <- data.frame(
+ x = 1:3 * 10
+ )
> dfm$y <- matrix(1:9, nrow = 3)
> dfm$z <- data.frame(a = 3:1, b = letters[1:3], stringsAsFactors = FALSE)
> dfm
x y.1 y.2 y.3 z.a z.b
1 10 1 4 7 3 a
2 20 2 5 8 2 b
3 30 3 6 9 1 c
> dfm$y.1
NULL
# 这里y 矩阵的三个维度会被强制命名后缀增加.1,.2,.3
> tibble::as_tibble(dfm)
# A tibble: 3 x 3
x y[,1] [,2] [,3] z$a $b
<dbl> <int> <int> <int> <int> <chr>
1 10 1 4 7 3 a
2 20 2 5 8 2 b
3 30 3 6 9 1 c
data.frame 太容易让人confusing ！
腾讯云开发者
