R语言-数据类型|数据结构|对象类型

  R是一种基于对象(Object)的语言，所以你在R语言中接触到的每样东西都是一个对象，一串数值向量是一个对象，一个函数是一个对象，一个图形也是一个对象。基于对象的编程(OOP)就是在定义类的基础上，创建与操作对象。

  对象中包含了我们需要的数据，同时对象也具有很多属性(Attribute)。其中一种重要的属性就是它的类(Class)，R语言中最为基本的类包括了数值(numeric)、逻辑(logical)、字符(character)、列表(list)，在此基础上构成了一些复合型的类，包括矩阵(matrix)、数组(array)、因子(factor)、数据框(dataframe)。除了这些内置的类外还有很多其它的，用户还可以自定义新的类，但所有的类都是建立在这些基本的类之上的。

    #常用函数
    class(x)
    typeof(x)
    mode(x)
    storage.mode(x)
    attributes(x)
    str(x)
    unclass(x)

• 函数 class 返回R对象的类（基本类|复合型的类|其他类（lm函数）|自定义类）,如果要消除对象的类则可用unclass()。

  class()
  unclass()

• R语言特有的函数 typeof 返回R对象的类型。注意在 R 底层的 C 代码中，所有对象都是指向一个有类型定义 SEXPREC的结构体（structure）的指针；不同的R数据类型在 C 里面用 决定结构体各部分信息的 SEXPTYPE 表示。

  typeof()

  typeof 可能的返回值和涵义

  返回值	涵 义
  NULL	空
  symbol	一个变量名字
  pairlist	成对列表对象
  closure	一个函数
  environment	一个环境
  promise	一个用于实现悠闲赋值的对象
  language	一个 R 语言构建
  special	一个不可针对参数求值的内置函数
  builtin	一个可针对参数求值的内置函数
  logical	含逻辑值的向量
  integer	含整数值的向量
  double	含实数值的向量
  complex	含复数值的向量
  character	含字符值的向量
  …	特定变量长度参数 ***
  any	一个可以匹配任何类型的特殊类型 ***
  expression	一个表达式对象
  list	一个列表
  externalptr	一个外表指针对象
  weakref	一个弱引用对象（a weak reference object）
  raw	一个字节元素向量

我认为用户不用深入以’***’标记的条目，至少没有想象的那么容易, 但是可以多看一些例子。

R 在计算过程中，对象常常需要强制转换成不同的类型（type）。 有许多函数可用于显式的强制转换。 在仅仅用 R 语言编程的时候，一个对象的类型通常不会影响计算结果， 但是当混合使用外部编程语言或不同的操作系统时， 常常需要保证对象类型的正确。

• 函数 mode 返回对象的模式信息

  mode()

• 函数storage.mode返回其参数的存储模式（storage mode）

  attributes()

• 举例1

  > 
  > x <- 1:3
  > class(x)
  [1] "integer"
  > typeof(x)
  [1] "integer"
  > mode(x)
  [1] "numeric"
  > storage.mode(x)
  [1] "integer"
  > unclass(x)
  [1] 1 2 3
  > attributes(x)
  NULL
  > str(x)
   int [1:3] 1 2 3
  >
  ##说明：
  ##如果运行attributes(x)，会发现返回了空值。
  ##这是因为x是一个向量，对于向量这种内置的基本类，attributes是没有什么好显示的。

• 举例2

  > 
  > x <- runif(10) 
  > y <- rnorm(10)+10*x
  > model <- lm(y ~ x)
  
  > class(model)
  [1] "lm"
  
  > typeof(model)
  [1] "list"
  
  > mode(model)
  [1] "list"
  
  > storage.mode(model)
  [1] "list"
  
  > unclass(model)
  $coefficients
  (Intercept)           x 
    -0.701304   10.104148 
  
  $residuals
            1           2           3           4           5 
   0.98690445 -0.86301894  0.04973016 -1.32000648  0.57173416 
            6           7           8           9          10 
  -0.66068807  1.39675119 -0.08431814 -0.31170431  0.23461598 
  
  $effects
  (Intercept)           x                                     
  -14.5796672  -7.6233656  -0.1266812  -1.2665738   0.4738679 
  
   -1.0809453   1.7945956   0.2192125  -0.0512103  -0.2297554 
  
  $rank
  [1] 2
  
  $fitted.values
         1        2        3        4        5        6        7 
  0.569911 3.881950 4.073688 5.717006 4.635263 2.330260 8.179452 
         8        9       10 
  7.505135 7.197435 2.014856 
  
  $assign
  [1] 0 1
  
  $qr
  $qr
     (Intercept)           x
  1   -3.1622777 -1.66242471
  2    0.3162278 -0.75447882
  3    0.3162278  0.05692437
  4    0.3162278  0.27248772
  5    0.3162278  0.13058931
  6    0.3162278 -0.17177094
  7    0.3162278  0.59550060
  8    0.3162278  0.50704667
  9    0.3162278  0.46668400
  10   0.3162278 -0.21314423
  attr(,"assign")
  [1] 0 1
  
  $qraux
  [1] 1.316228 1.031773
  
  $pivot
  [1] 1 2
  
  $tol
  [1] 1e-07
  
  $rank
  [1] 2
  
  attr(,"class")
  [1] "qr"
  
  $df.residual
  [1] 8
  
  $xlevels
  named list()
  
  $call
  lm(formula = y ~ x)
  
  $terms
  y ~ x
  attr(,"variables")
  list(y, x)
  attr(,"factors")
    x
  y 0
  x 1
  attr(,"term.labels")
  [1] "x"
  attr(,"order")
  [1] 1
  attr(,"intercept")
  [1] 1
  attr(,"response")
  [1] 1
  attr(,".Environment")
  <environment: R_GlobalEnv>
  attr(,"predvars")
  list(y, x)
  attr(,"dataClasses")
          y         x 
  "numeric" "numeric" 
  
  $model
            y         x
  1  1.556815 0.1258112
  2  3.018931 0.4536012
  3  4.123418 0.4725774
  4  4.397000 0.6352154
  5  5.206997 0.5281560
  6  1.669572 0.3000316
  7  9.576203 0.8789218
  8  7.420817 0.8121851
  9  6.885731 0.7817324
  10 2.249472 0.2688164
  
  
  > attributes(model)
  $names
   [1] "coefficients"  "residuals"     "effects"      
   [4] "rank"          "fitted.values" "assign"       
   [7] "qr"            "df.residual"   "xlevels"      
  [10] "call"          "terms"         "model"        
  
  $class
  [1] "lm"
  
  
  
  > str(model)
  List of 12
   $ coefficients : Named num [1:2] -0.701 10.104
    ..- attr(*, "names")= chr [1:2] "(Intercept)" "x"
   $ residuals    : Named num [1:10] 0.9869 -0.863 0.0497 -1.32 0.5717 ...
    ..- attr(*, "names")= chr [1:10] "1" "2" "3" "4" ...
   $ effects   
  ##内容太多次数省略
  
  ############################################
  ##说明：
  ##可以看到这个对象的类是“lm”，这意味着什么呢？我们知道对于不同的类有不同的处理方法，那么对于model这个对象，就有专门用来处理lm类对象的函数，
  ##例如plot.lm()。但如果你用普通的函数plot()也一样能显示其图形，
  ##Why？因为plot()这种函数会自动识别对象的类，从而选择合适的函数来对付它，这种函数就称为泛型函数（generic function）。
  ##你可以用methods(class=lm)来了解有哪些函数可适用于lm对象。
  ############################################

  

转载请注明：数据分析 » R语言-数据类型|数据结构|对象类型