#2-1 R的五中数据类型character,numeric,integer,logical,complex

x1 <- "asdf"   #字符型

x2 <- "3.14"   #数值型

x3 <- 2L       #整数型

x4 <- TRUE     #逻辑型

x5 <- 1-2i     #复数型

class(x1)      #查看数据的类型

#2-2 Vector 向量的三种创建方法，两个参数：类型，长度

v1 <- vector("character", length = 10)    #第一次回顾出错：v1 <- vector(1:12,nrow=3,ncol=4)

v2 <- 1:5                                 #出现1到5的整数

v3 <- c("1", "2", "3")                    #出现字符1到3

#如果给向量赋值时元素类型不一致，R就会强制转换，将他们变为同一类型

v4 <- c(TRUE, 1, "asdf")

#强制转换的函数如下：

as.numeric(v3)                            

as.logical(v3)

as.character(v3)

#给向量每一个元素添加名称

names(v2) <- c("a", "b","c", "d", "e")    

#2-3 matrix 矩阵 三个参数：内容（可省），行数，列数

m1 <- matrix(1:12, nrow = 2, ncol = 3)     #matrix 矩阵有三个参数，第一个是内容，第二个，第三个是行列

#维度属性

dim(m1)

#查看矩阵的所有属性

attributes(m1)

#由向量来创建矩阵的方法

m2 <- 1:6

dim(m2) <- c(2,3)

#将两个矩阵按行拼接

rbind(m1, m2)

#将两个矩阵按列拼接

cbind(m1, m2)

#使用列表给矩阵的行列命名

dimnames(m1) <- list(c("a", "b"),c("c", "d", "e"))

#array 数组，两个参数：内容和维度

a1 <- array(1:24, dim = c(4,6))

a2 <- array(1:24, dim = c(2,3,4) )

#2-4 list 列表

l1 <- list(123, 10L, "asdf", 3+4i, TRUE)    #每个元素没有名字

l2 <- list(a=1, b=2, c=3)                   #列表中每个元素名字分别为abc

#生成一个列表，列表中每一个元素大于1

l3 <- list(c(1,2,3), c(4,5,6,7))

#2-5 factor 因子处理分类数据的，有序或者无序，有两个参数:内容，基线水平

f1 <- factor(c("female", "female", "male", "female", "male"))

f2 <- factor(c("female", "female", "male", "female", "male"), levels = c("male", "female"))

#table 对于当前的因子有一个整体的了解

table(f1)

#去掉因子的属性，看因子的内容

unclass(f2)

class(f2)                     #上一步并未去掉因子的属性，f2仍然为因子类型

class(unclass(f2))            #去掉因子的属性，因子变为整型

# 2-6 missing value 缺失值NA和NaN，NA范围大，NaN范围小。NA有类型，可以是整数值的缺失，也可以是字符的缺失。

n1 <- c(1, NA, 2, NA, 3)      #NaN不能识别NA

is.na(n1)

is.nan(n1)

n2 <- c(1, NaN, 2, NaN, 3)    #NA可以识别NaN

is.na(n2)

is.nan(n2)