本篇主要总结R语言中六大基本数据结构的基本概念和常用操作，包括向量（Vector）、矩阵（Matrix）、数组（Array）、因子（Factor）、数据框（Data.Frame）、列表（List）。这六大基本数据结构和R语言流程控制是我们编写R脚本的基石，再结合R语言丰富的函数以及社区开发Package，我们就能应用R语言做很多非常Cool的事情。
向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c()可用来创建向量。注意，单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型） ，如：
> a = c(1,2,3,4,5) > mode(a) # 说明这是一个数值型存储的向量 [1] "numeric"向量是一个常用并且非常简单的数据结构，主要需要注意一下向量元素的索引（R语言的数据结构的下标是从1开始的）以及数据类型转换：
# 创建向量 > a = c(1,2,3,4,5) > b = c(1:5) > c_ = c("1","2","3","4","5") > d = c(T,F,T,T,F) # 数据类型相关操作 > typeof(a) [1] "double" > mode(a) [1] "numeric" > class(a) [1] "numeric" > is.numeric(a) [1] TRUE > is.double(a) [1] TRUE > as.character(a) [1] "1" "2" "3" "4" "5" > as.character(a) == b [1] TRUE TRUE TRUE TRUE TRUE # 索引向量元素 > a[1] [1] 1 > a[2:4] [1] 2 3 4 > a[c(2,4)] [1] 2 4矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型），可通
过函数matrix创建矩阵。一般使用格式为：
mymatrix <- matrix(vector, nrow,ncol,byrow=T, dimnames=list( char_verctor_rownames,char_vector_colnames ))其中vector包含了矩阵的元素，nrow和ncol用以指定行和列的维数，dimnames包含了可选的、
以字符型向量表示的行名和列名。选项byrow则表明矩阵应当按行填充（byrow=TRUE）还是按
列填充（byrow=FALSE） ，默认情况下按列填。
> nums = 1:4 > rnames = c('r1','r2') > cnames = c('c1','c2') > matrix_obj = matrix(nums,nrow=2,dimnames=list(c(),cnames)) > matrix_obj c1 c2 [1,] 1 3 [2,] 2 4 > matrix_obj = matrix(nums,nrow=2,dimnames=list(rnames,cnames) + ) > matrix_obj c1 c2 r1 1 3 r2 2 4可以使用下标和方括号来选择矩阵中的行、列或元素。X[i,]指矩阵X中的第i 行，X[,j]
指第j 列，X[i, j]指第i 行第j 个元素，选择多行或多列时，下标i 和j 可为数值型向量。
> a = matrix(1:20,nrow=5) > a [,1] [,2] [,3] [,4] [1,] 1 6 11 16 [2,] 2 7 12 17 [3,] 3 8 13 18 [4,] 4 9 14 19 [5,] 5 10 15 20 # 索引单个数据 > a[1] integer(1) > a[7] [1] 7 # 索引行 > a[1,] [1] 1 6 11 16 > matrix_obj['r1',] c1 c2 1 3 # 索引列 > a[,1:2] [,1] [,2] [1,] 1 6 [2,] 2 7 [3,] 3 8 [4,] 4 9 [5,] 5 10 > matrix_obj[,'c1'] r1 r2 1 2 # 综合 > a[1:2,2:3] [,1] [,2] [1,] 6 11 [2,] 7 12数组（array）与矩阵类似，但是维度可以大于2。数组可通过array函数创建，形式如下：
myarray <- array(vector,dimensions,dimnames)其中vector包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大
值，而dimnames是可选的、各维度名称标签的列表：
> dim1 = c('A1','A2') > dim2 = c('B1','B2','B3') > dim3 = c('C1','C2','C3','C4') > z = array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3)) # 由此创建了一个2*3*4的数组这里特别需要注意的是这些数在空间上的延伸顺序，此数组可以看作4个2*3的矩阵，各个矩阵中依次按列延伸。因此，该矩阵如下：
> z , , C1 B1 B2 B3 A1 1 3 5 A2 2 4 6 , , C2 B1 B2 B3 A1 7 9 11 A2 8 10 12 , , C3 B1 B2 B3 A1 13 15 17 A2 14 16 18 , , C4 B1 B2 B3 A1 19 21 23 A2 20 22 24与前面相同，我们需要关注数组的索引操作，基本和向量、矩阵如出一辙：
# 索引元素 > z[1,1,3] [1] 13 # 综合索引 > z[1:2,1:3,2] B1 B2 B3 A1 7 9 11 A2 8 10 12 > z[c('A1','A2'),c('B1','B2','B3'),'C2'] B1 B2 B3 A1 7 9 11 A2 8 10 12变量可以归结为以下几种：
名义型
名义型变量是没有顺序之分的类别 变量。糖尿病类型Diabetes（Type1、Type2）是名义型变量的一例。即使在数据中Type1编码为1而Type2编码为2，这也并不意味着二者是有序的。
有序型
有序型变量表示一种顺序关系，而非数量关系。病情Status（poor, improved, excellent）是顺序型变量的一个上佳示例。我们明白， 病情为poor（较差）病人的状态不如improved（病情好转）的病人，但并不知道相差多少。
连续型
连续 型变量可以呈现为某个范围内的任意值，并同时表示了顺序和数量。年龄Age就是一个连续型变
量，它能够表示像14.5或22.8这样的值以及其间的其他任意值。
类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor），函数factor()以一个整数向量的形式存储类别值，整数的取值范围是[ 1 … k ]（其中k 是名义型变量中唯一值的个数） ，同时一个由字符串（原始值）组成的内部向量将映射到这些整数。
因子主要有以下几种情况：
名义型变量因子
> diabetes = c("Type1","Type2","Type1","Type2") > diabetes = factor(diabetes) > diabetes [1] Type1 Type2 Type1 Type2 Levels: Type1 Type2 > str(diabetes) Factor w/ 2 levels "Type1","Type2": 1 2 1 2 > summary(diabetes) Type1 Type2 2 2有序型变量因子
> status = c("Poor","Imporved","Excellent","Poor") > status = factor(status,ordered=TRUE) > status [1] Poor Imporved Excellent Poor Levels: Excellent < Imporved < Poor > str(status) Ord.factor w/ 3 levels "Excellent"<"Imporved"<..: 3 2 1 3 > summary(status) Excellent Imporved Poor 1 1 2自定义因子水平顺序
> status = c("Poor","Improved","Excellent","Poor") > status = factor(status,ordered=TRUE,levels=c("Poor","Improved","Excellent"),labels=c("bad","middle","good")) > status [1] bad middle good bad Levels: bad < middle < good > str(status) Ord.factor w/ 3 levels "bad"<"middle"<..: 1 2 3 1 > summary(status) bad middle good 2 1 1数据框（data.frame）可以理解为二维数据表，每一行代表一条记录，每一列代表一个属性。不同于矩阵，数据框中每一列的数据类型可以不同，更加灵活多变、应用广泛，比如Excel数据导入R中处理一般就采用该种数据类型。数据框的操作稍微更复杂，以下主要例举基本的数据框构建、行列名操作、子集操作、数据类型转换、查询合并等方面。
需要注意的是R语言的下标是从1开始
# 获取列 > students$name [1] jeffery tom kim Levels: jeffery kim tom > students[,2] [1] jeffery tom kim Levels: jeffery kim tom > students[[2]] [1] "jeffery" "tom" "kim" > students[2] name 001 jeffery 002 tom 004 kim > students['name'] name 001 jeffery 002 tom 004 kim > students[c('id','name')] id name 001 1 jeffery 002 2 tom 004 3 kim > students[1:2] id name 001 1 jeffery 002 2 tom 004 3 kim # 获取行 > students[1,] ID Name Gender Birthdate 1 1 jeffery male 1986-10-19 # 获取列和行 > students[2:3,2:4] name gender birth 002 tom male 1997-5-26 004 kim female 1998-9-8在复杂操作时，可以使用以下代码简化代码：
# attach、detach > attach(students) > name<-name > detach(students) > name [1] jeffery tom kim Levels: jeffery kim tom # with > with(students,{ + name<-name + }) > print(name) [1] jeffery tom kim Levels: jeffery kim tom但是上面的with有一种情况需要注意，当要在{}中对存在的全局变量赋值时，需要使用<<-进行赋值：
# 01 name<-c(1,2,3) > with(students,{ + name<-name + }) > name # 你会发现，结果和上面不一样 [1] 1 2 3 # 02 > name<-c(1,2,3) > with(students,{ + name<<-name + }) > name # 此时效果将和上面一样 [1] jeffery tom kim Levels: jeffery kim tom列表（list）是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，
component）的有序集合。列表允许你整合若干（可能无关的）对象到单个对象名下。例如，某个
列表中可能是若干向量、矩阵、数据框，甚至其他列表的组合。可以使用函数list()创建列表:
mylist <- list(obj1,bj2,...) # or mylist <-(name1=obj1,name2=obj2,...)以下展示列表的主要操作，包括构建列表、获取列表元素等：
# 构建 > a = 'My First List' > b = c(1,2,3,4,5) > c = matrix(1:10, nrow=5) > d = c("1","2","3","4","5") > mylist = list(title=a,months=b,c,d) > mylist $title [1] "My First List" $months [1] 1 2 3 4 5 [[3]] [,1] [,2] [1,] 1 6 [2,] 2 7 [3,] 3 8 [4,] 4 9 [5,] 5 10 [[4]] [1] "1" "2" "3" "4" "5" # 索引方式(特别注意他们之间的区别) > mylist[[1]] # 返回list中对应元素 [1] "My First List" > mylist[1] # 返回的是list类型 $title [1] "My First List" > mylist['title'] # 返回的是list类型 $title [1] "My First List" > mylist[['title']] # 返回list中对应元素 [1] "My First List" > mylist$title # 返回list中对应元素 [1] "My First List" # 所以不难推测，构建list的子集可以如下： > mylist[c('title','months')] $title [1] "My First List" $months [1] 1 2 3 4 5上面的示例代码中涉及可能涉及下面这些容易混淆的函数，在此，对这些函数进行总结归纳：
上下文函数
with和attach的区别就是，如果在with上下文中需覆盖全局变量的值，需要使用<<-符号，而attach会默认覆盖；within跟with功能相同，但返回值不同，within会返回所有修改生效后的原始数据结构（列表、数据框等），而with的返回值一般都被忽略。
withattach、detachwithin数据类型函数
在R里面，每一个对象都有一个mode和一个class，前者表示对象在内存中是如何存储的 (numeric, character, list and function)；后者表示对象的抽象类型。
typeof
The Type of an Object
mode
The (Storage) Mode of an Object
class
R possesses a simple generic function mechanism which can be used for an object-oriented style of programming.Method dispatch takes place based on the class of the first argument to the generic function.
