当编写任何编程语言程序,需要使用不同的变量来存储各种信息。变量不过是用于保留存储器位置的存储值。这意味着,当创建一个变量,它会保留在内存中的一些空间。
你可能喜欢存储诸如字符以外的数据类型,如:宽字符,整型,浮点型,双浮点型,布尔等信息。基于变量的数据类型,操作系统分配内存,并决定什么可以存储在存储器。
在其他编程语言中,如C和JavaR中的变量没有声明为某些数据类型。变量分配R-对象和R对象的数据类型变为变量的数据类型。有许多类型的R-对象。常用的有:
矢量
列表
矩阵
数组
因子
数据帧
这些对象的是最简单的矢量对象并且这些原子矢量有六种数据类型,也被称为六类向量。另外R-对象是建立在原子向量。
因此,在R语言中的非常基本的数据类型是R-对象,如上图所示占据着不同类别的元素向量。请注意R语言中类的数量并不只限于上述的六种类型。 例如,我们可以使用许多原子向量以及创建一个数组,它的类将成为数组。
向量
当您希望使用多个元素创建向量,应该使用c()函数,这意味着元素结合成一个向量。
# Create a vector.
apple <- c('red','green',"yellow")
print(apple)
# Get the class of the vector.
print(class(apple))
当我们上面的代码执行时,它产生以下结果:
[1] "red" "green" "yellow"
[1] "character"
列表
列表是R-对象,它里面可以包含多个不同类型的元素,如向量,函数,甚至是另一个列表。
# Create a list.
list1 <- list(c(2,5,3),21.3,sin)
# Print the list.
print(list1)
当我们上面的代码执行时,它产生以下结果:
[[1]]
[1] 2 5 3
[[2]]
[1] 21.3
[[3]]
function (x) .Primitive("sin")
矩阵
矩阵是一个二维矩形数据集。它可以使用一个向量输入到矩阵函数来创建。
# Create a matrix.
M = matrix( c('a','a','b','c','b','a'), nrow=2,ncol=3,byrow = TRUE)
print(M)
当我们上面的代码执行时,它产生以下结果:
[,1] [,2] [,3]
[1,] "a" "a" "b"
[2,] "c" "b" "a"
数组
尽管矩阵限于两个维度,数组可以是任何数目的尺寸大小。数组函数使用它创建维度的所需数量的属性-dim。在下面的例子中,我们创建了两个元素数组,这是3×3矩阵。
# Create an array.
a <- array(c('green','yellow'),dim=c(3,3,2))
print(a)
当我们上面的代码执行时,它产生以下结果:
, , 1
[,1] [,2] [,3]
[1,] "green" "yellow" "green"
[2,] "yellow" "green" "yellow"
[3,] "green" "yellow" "green"
, , 2
[,1] [,2] [,3]
[1,] "yellow" "green" "yellow"
[2,] "green" "yellow" "green"
[3,] "yellow" "green" "yellow"
因子
因子是使用向量创建的R对象。它存储随同该向量作为标记元素的不同值的向量。 标签始终是字符,而不论它在输入向量的是数字或字符或布尔等。它们在统计建模有用。
运用 factor() 函数创建因子。nlevels 函数给出级别的计数。
# Create a vector.
apple_colors <- c('green','green','yellow','red','red','red','green')
# Create a factor object.
factor_apple <- factor(apple_colors)
# Print the factor.
print(factor_apple)
print(nlevels(factor_apple))
当我们上面的代码执行时,它产生以下结果:
[1] green green yellow red red red yellow green
Levels: green red yellow
# applying the nlevels function we can know the number of distinct values
[1] 3
数据帧
数据帧是表格数据对象。不像在数据帧的矩阵,每一列可以包含不同的数据的模型。第一列可以是数字,而第二列可能是字符和第三列可以是逻辑。它与向量列表的长度相等。
数据帧所使用 data.frame()函数来创建。
# Create the data frame.
BMI <- data.frame(
gender = c("Male", "Male","Female"),
height = c(152, 171.5, 165),
weight = c(81,93, 78),
Age =c(42,38,26)
)
print(BMI)
当我们上面的代码执行时,它产生以下结果:
gender height weight Age
1 Male 152.0 81 42
2 Male 171.5 93 38
3 Female 165.0 78 26
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14