R语言数据类型基础1 数值型、逻辑型与文本型

先扯一下淡

我本科是数学系的，然后学的语言是Matlab,mathematica等等，当然或多或少也自学了点Python(毕竟Python实在是太火了，所以肯定还是去自学了一下)。

不过由于自己惫懒的一批，这几种语言其实都没太学会，也就会做点简单的数值计算和制图，应付一下数学建模诸如此类的比赛。

之后从数学系保送到了统计系硕博连读，我寻思无论是数学还是统计，其实外边人都可能觉得这专业学生编程至少还是会的吧，而我数学系的mathematica和matla都b没怎么整明白，而别的语言也不太好（我可能比较自信的是$\epsilon-\delta$语言？），故而还是应该确定一门语言好好深入一下。

在确定语言的时候，我当然知道Python是现在的主流，并且越来越流行，但是我在转到统计系后看了一些老师自己的博客，包括在统计之都里说话的那些人，哇，发现用R语言这里面的人真的太有意思了，讲话又好听水平又高，简直让我心神往之，有时候在下决定的时候肯定还是会被一些有热情的人所感染，所以我想先把R语言给好好掌握了。

当然，也由于统计系的看家本领是R语言，作为一个现在学统计的人，怎么能不会R呢？（不过我在刚入学那阵思考了许久，最后跳到了偏理论的老师这，尽管编程要求并不是很高，但是我还是挺愿意学一下R的，就算当作个人兴趣爱好我觉得也不错？所以这个博客的建立的目的也是这样，希望能够把自己学R以及课程学习的一些东西分享和记录下来，在微博什么的地方，写东西好像都不如这个方便，而且很容易挨骂，自闭）。

希望自己学了一段时间后，能去统计之都里问出点有水平的问题，目前打算就在这里自娱自乐了。

---

R语言数据类型基础1 数值型、逻辑型与文本型

我看的R语言教材是李东风老师写的，已经跟着写了一周的代码了，但是可能是缺乏练习和总结，我相当于是打了遍字而已。所以现在又回头总结一下，里面一些太过细节的操作我就不再赘述了，只想在此处归纳总结一些最基础和最常用的操作。

众所周知 ，R语言是一个针对向量进行操作的语言，首先说一下R语言中怎么定义一个向量。
最简单的，只需要利用c()函数即可，如下所示：

m1<-c(1,2,3)#生成了一个数值型向量
m2<-c("你好"，"Hello")#生成了一个字符型向量

接下来，针对不同的向量类型，给出一些常用的操作说明。

数值型向量

基本的一些操作

length(x)#这个是用来求向量x的长度
numeric(x)#生成一个长度为x，但每个元素都是0的数值型向量
+ - * / ^ #分别代表加减乘除和乘方

值得注意的点，在R语言中，向量和向量可以进行运算
但是在用如加减乘除等运算时，都是对应元素进行加减乘除，如果想做如内积、外积运算时，得确定一下相应的运算符

另外一些操作

%/% #这是整除符号
%% #这是求余符号
sort() #进行排序
rev() #排列次序反转
order() #返回排序后的**下标**（这个好像也不怎么用？）

基本的一些统计函数

这里的函数可太基本了，感觉哪个语言可能都自带了
sum(求和)
mean(求平均值)
var(求样本方差)
sd(求样本标准差),
min(求最小值)
max(求最大值)
range(求最小值和最大值)
cumprod(累乘)
cumsum(累加)

除了对已经有的向量进行操作，我们当然还得学会如何创造生成一些向量

在这里就记住一个seq得了，当然还有rep，但是也不怎么用到
seq(x,y,by=2)#这就是生成从x到y的序列，步长为2
seq(x,y,length.out=100)#这就是生成从x到y的序列，序列的长度为100
相当于一个是按照步长生成，一个是先确定了长度再进行生成

数值向量还包括了复数向量，但是在此就不赘述了（毕竟也不是很能用到？）

逻辑型向量

逻辑型的取值只有两种，即TRUE和FALSE，当然也可以简写为T和F.
除了这两种之外，其实还可以算有缺失值，在R语言中，我们用NA来表示缺失值。
我们可以如下来得到一个逻辑型向量

m<-c(1,2,3)
a1<-m>=2

在这样一段程序运行完后，我们就得到了一个逻辑型向量a1,它的取值是(FALSE,TRUE,TRUE)
（我发现我还不太会将R语言的结果也放出来，这是不是要用R markdown啊？等我学会了之后写博客肯定会好看且清楚很多）

我觉得还比较有用的函数就是is.na(x)，因为经常会遇见，其作用是判断x向量是否为缺失值。大家都知道，R语言是一个向量型语言，故而它实际上会对x这个向量中的每一个元素进行一下验证。看看里面每一个元素是否是缺失的，然后会返还一个逻辑值，也就是T或者F。
类似的还有：

is.na()#是否是缺失值
is.finite()#是否是Inf值（我到现在学R 还没见过Inf值诶）

逻辑型还有一些其他操作，但是我觉得目前需要消化经常用到的就是这些了。

文本型向量

文本型向量也就是字符型向量，在这里我觉得值得去记忆，最基础的就是取子串、类型转换，不过还需要掌握一下paste()函数和字符串长度。
直接放上代码吧
paste()函数

paste(c("ab","cd"),c("12","34"))#将两个字符串连接，中间由空格分隔
#大家要记住，R语言是向量型的语言，将这两个字符型向量用paste连接后，居然得到的是c("ab 12","cd 34")。这不可不谓之神奇，但我有时候会觉得这个逻辑严谨吗，我总害怕R语言这个特性会在编程时不那么严谨..（我有发现过，但是我感觉是我菜，所以我不说）
还可以有
paste(c("ab","cd"),c("12","34"),sep='')#这样就不会有空格分开了，会连接的非常紧密，另外这是sep不是seq，seq是用来生成向量的哈
另外如果只想对一个字符型向量中的各个元素进行连接呢？
paste(c("ab","cd"),collapse="")#利用collapse参数即可，不用的话对这个字符型向量将不造成任何影响

取子串的操作

substr(x, start, stop)#这是对一个字符串进行操作，而不是对一个字符串向量进行操作噢
#其含义是指，取出x这个字符串的从第start个位置一直取到stop位置。
而substr(x,start,stop)中的x如果是个向量的话，那么很显然，我们是对x的每个元素都进行这种取子串的操作

类型转换

as.numeric()#转换成数值型
as.character()#转换成字符型

还有一个功能，个人感觉比较有用，即子串替换
利用gsub()函数即可实现

x<-"1;3;5;7,9"#生成了一个字符串
gsub(";",",",x,fixed=TRUE)#将分号换成了逗号，不过这个fixed参数是什么意思我也还不知道。

以上就是最基础的三种数据类型的简单操作啦！
总结一下就是数值型我们有排序、简单统计函数、生成序列，逻辑型有判断，文本型有替换子串、取子串、转换类型、连接

这些都不是很难，我感觉真正需要再总结一下的应该是R语言中的各个数据结构。
比如列表list，数据框data.frame(或者说tibble)，因子factor这一些。

如果有大佬愿意带我学习的话就好了