R_数据类型和数据结构1

###🍎🍓🍌🍒🍑🍇🌽——————2.数据类型和结构——————🥕🍅🍍🥝🥥🥑🍠
######🍋🍋🍋2.1 数据类型
 #（1）数值型
 #（2）字符型(" "或' ')
 #（3）逻辑型：比较运算的结果是逻辑值(>，<，<=,>=,==（判断两个数据是否相等）,!=)
             #逻辑运算 多个逻辑条件连接  与 &  或 | 或！
             
###判断数据类型的函数
   #class()
   #is. numeric ();is. logical ();is. character ()
   #as. numeric ();as. logical ();as. character () #转换数据类型

######🍋🍋🍋2.2 数据结构
   #（1）向量vector
   #（2）数据框data.frame
   #（3）矩阵matrix
   #（4）列表list

###(1)向量（向量的组成部分是元素）
##1.生成向量
  c(1,3,5);c("a","b","c") #用c()逐一放到一起

## [1] 1 3 5

## [1] "a" "b" "c"

  1:5 #连续数字

## [1] 1 2 3 4 5

  rep("x", times = 3) #有重复的

## [1] "x" "x" "x"

  seq(from = 3, to = 21, by = 2);seq(3, 21, 2) #有规律的

##  [1]  3  5  7  9 11 13 15 17 19 21

##  [1]  3  5  7  9 11 13 15 17 19 21

  rnorm(n = 3);rnorm(3) #随机数

## [1] -1.2554971  0.1096315  0.4560257

## [1]  0.1210217  0.2712784 -0.1833829

  paste0(rep("x", times = 3),1:3);paste0(rep("x", 3), 1:3) #组合

## [1] "x1" "x2" "x3"

## [1] "x1" "x2" "x3"

##2.对单个向量的操作
  #赋值
  x <- c(1,3,5)  #规范的赋值符号 快捷键Alt + -
  x = c(1,3,5) #随意的写法
  (x <- c(1,3,5)) #赋值＋输出

## [1] 1 3 5

  x <- c(1,3,5);x #两句或多句代码写在同一行上

## [1] 1 3 5

  #简单数学计算
   x <- c(1,3,5)
   x + 1

## [1] 2 4 6

   log(x)

## [1] 0.000000 1.098612 1.609438

   sqrt(x)

## [1] 1.000000 1.732051 2.236068

  #根据某条件进行判断（比较运算），生成与x等长的逻辑值向量
   x <- c(1,3,5)
   x > 3

## [1] FALSE FALSE  TRUE

   x == 3

## [1] FALSE  TRUE FALSE

   #初级统计
   x <- c(1,3,5,1)
   max(x)

## [1] 5

   min(x)

## [1] 1

   mean(x)

## [1] 2.5

   median(x)

## [1] 2

   var(x) #方差

## [1] 3.666667

   sd(x) #标准差

## [1] 1.914854

   sum(x) #总合

## [1] 10

   length(x) #长度

## [1] 4

   unique(x) #去重复

## [1] 1 3 5

   duplicated(x) #判断X里的每个数字是否发生了重复，返回值为逻辑值

## [1] FALSE FALSE FALSE  TRUE

   table(x) #重复值统计

## x
## 1 3 5 
## 2 1 1

   sort(x) #排序，默认升序sort(x, decreasing = F),改为降序sort(x, decreasing = T)

## [1] 1 1 3 5

##3.对两个向量的操作
   x <- c(1,3,5,1)
   y <- c(3,2,5,6)
   x == y 

## [1] FALSE FALSE  TRUE FALSE

   y == x #比较运算，生成等长的逻辑向量

## [1] FALSE FALSE  TRUE FALSE

   x + y

## [1]  4  5 10  7

   x * y #数学计算

## [1]  3  6 25  6

   paste(x, y, sep = ",") #连接

## [1] "1,3" "3,2" "5,5" "1,6"

   paste0(x,y)

## [1] "13" "32" "55" "16"

   paste(x,y)

## [1] "1 3" "3 2" "5 5" "1 6"

   paste(x, y, sep = "") #区别paste和paste0函数，?paste

## [1] "13" "32" "55" "16"

     #当两个向量长度不一致，发生循环补齐
   a <- c(1,3,5,1)
   b <- c(3,2,5)
   a == b #循环补齐发生条件： {等位运算（数学计算，比较运算，past，past0），长度不等}

## [1] FALSE FALSE  TRUE FALSE

   x <- c(1,3,5,1)
   y <- c(3,2,5,6)
   intersect(x,y) #交集

## [1] 3 5

   union(x,y) #并集

## [1] 1 3 5 2 6

   setdiff(x,y)

## [1] 1

   setdiff(y,x) #差集

## [1] 2 6

     #%in%,生成逻辑值
   x %in% y #x的每个元素在y中存在吗，生成与x等长的逻辑值

## [1] FALSE  TRUE  TRUE FALSE

   y %in% x #y的每个元素在x中存在吗，生成与y等长的逻辑值

## [1]  TRUE FALSE  TRUE FALSE

##4.向量筛选（取子集）：[]
   #按照逻辑值：中括号里是与x等长且一一对应的逻辑值向量
   df4 <- 8:12;df4

## [1]  8  9 10 11 12

   df4[df4 == 10]

## [1] 10

   df4[df4 < 12]

## [1]  8  9 10 11

   df4[df4 %in% c(9,13)] 

## [1] 9

   #按照位置：中括号里是由下标组成的向量
   df5 <- 8:12;df5

## [1]  8  9 10 11 12

   df5[4] #第4列

## [1] 11

   df5[2:4] #第2-4列

## [1]  9 10 11

   df5[c(2,4)] #第2列和第4列，不可以直接写成df5[2,4]

## [1]  9 11

   df5[-4] #除去第四列

## [1]  8  9 10 12

   df5[-(2:4)] #除去第2-4列

## [1]  8 12

##5.修改向量中的某个/某些元素：取子集+赋值
  ##⭐⭐⭐R语言里的修改，都要赋值，没有赋值就没有发生过
   df4 <- 8:12;df4

## [1]  8  9 10 11 12

   df4[4] <- 40;df4 #改一个元素

## [1]  8  9 10 40 12

   df4[c(1,5)] <- c(80,20);df4 #改多个元素

## [1] 80  9 10 40 20

   df4 <- 8:12;df4

## [1]  8  9 10 11 12

##6.简单向量作图
   k1 <- rnorm(12);k1

##  [1] -0.307092657  0.017104177 -1.783921671 -0.895333237  0.002782607
##  [6] -0.289644951 -0.017758148  1.575684979 -1.369380688  1.260489106
## [11]  0.863698565 -0.484026978

   k2 <- rep(c("a", "b", "c", "d"), each = 3);k2

##  [1] "a" "a" "a" "b" "b" "b" "c" "c" "c" "d" "d" "d"

   plot(k1)

   boxplot(k1~k2)

   ##向量部分结束