R語言中的vector(向量)，array(數組)使用總結
對於那些有一點編程經驗的人來說，vector，matrix，array，list，data.frame就相當於編程語言中的容器，因為隻是將R看做數據處理工具所以它們的底層是靠什麼實現的，內存怎麼處理的具體也不要深究。
R語言很奇怪的是它是面向對象的語言，所以經常會調用系統的方法，而且更奇怪的是總是調用“謂語”的方法，用起來像是寫句子一樣，記起來真是讓人費解。比如is.vector(),read.table(),as.vector()、、
直接開始吧：(由於習慣，大部分用”=”代替”<-“)
一、向量vector，
1.是最基本的數據容器，裡面的數據必須是同一類型，先看基本用法：
a<-c(1,2,3,4,5,6,7,8,9)
或者賦值函數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
或者利用隨機分佈函數，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
或者按照一定的步長：
> a=seq(1,20,by=3) > a [1] 1 4 7 10 13 16 19
或者重復：
> 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
邏輯向量：
> b=a>8;b [1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE
缺失數據用大寫NA表示，數據不確定用NaN表示，數據是無窮用Inf表示（一會全大寫，一會大寫加小寫，一會首字母大寫，真是醉瞭），判斷是否為空數據用函數is.na()，判斷是否不確定用函數is.nan()，數據是否有限用is.finite()，數據是否為無窮用函數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
將缺失的數據賦值為0：
> z[is.na(z)]=0;z [1] 1 2 3 0
下面將這幾個有問題的數據放在一個向量中：
> 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中元素的下標引用.
> a=round(runif(9,min=1,max=9)) > a [1] 3 8 8 8 2 7 3 5 3
可以看見，與容器不同，vector的下標是從1開始的：
> a[0] numeric(0) > a[1] [1] 3
選取第2和第3個數，引用非常方便：
> a[c(2,3)] [1] 8 8
引用除瞭第一個值的所有數，用瞭減號”-“：
> a[-c[1]] [1] 8 8 8 2 7 3 5 3
3.vector作為R語言工具，需要瞭解vector的各種運算。
①+-×÷，其他運算如log，exp，cos，sqrt等也相似。其意義是對應的向量的每個元素分別做運算，
> 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與向量有關的函數,min(x),max(x), sum(x),range(x)，太簡單就不在細說，需要強調的是which.min(x)，這個還是蠻重要的。
> 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)，分別是求方差，標準差，長度，排序。與python不同R語言的vector所有操作都不會改變vector本身的值。
4.由於R是一種基於對象的語言，R的對象分為單純對象和復合對象兩種，單純對象的所有元素都是同一數據類型（數值、字符串），元素不再是對象。復合對象的元素可是是不同的類型，每個元素是一個對象。
R的對象都有兩個基本的屬性：mode和length，向量的類型為：logical（邏輯型）、numeric（數值型）、complex（復數型）、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、數組array
多維的同一類型集合（字符型、數值型、邏輯型、復數型），R可以很容易地生成和處理數組，特別是矩陣matrix是一個二維數組。
1.可以通過定義dim(維度)將向量變成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
可以發現，a已經通過定義維度將其變成瞭一個矩陣（matrix）和數組（array)，下面將講matrix其實是一個二維的array。
2.下標引用
> 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
到此這篇關於R語言中的vector(向量)，array(數組)使用總結的文章就介紹到這瞭,更多相關R語言向量數組內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！