生物信息学生R入门教程–R的数据结构

本教程版权为《糗世界》所有，任何组织或个人不得未经书面许可转载。

在阅读本节前请自测，如果全部都知道正确答案，则可跳过本节。

• 什么是atomic vector的常用基本类型？
• list和atomic vector有哪些不同？
• matrix和data frame有什么不同？
• data frame的列可以保存list吗？
• data frame的每一行或者每一列的长度可以不一致吗？
• 如何将factor正确地转换为数字？

提要

在介绍R的数据类型时，笔者将直接使用其在R中的原名，而不使用翻译名。因为翻译名虽然便于记忆，但非常妨碍对R的理解与应用。

了解R的数据类型对于理解及使用R非常关键。数据类型的模糊认识可能导致错误的结果，这对于科研而言是非常危险的。

数据结构是数据类型的封装方式。R的基本数据结构分为两类（如下表所示），一类是可以存放相同类型数据的(同质的)，一类是可以存放不同类型数据的(异质的)。什么是相同类型数据呢？我们知道，诸如C之类的计算机语言将数据类型化分为char, float (double), int, bool等类型，相应的，在R中，基本的数据类型被分为character, double, integer以及logical。double及integer类型又被统一称为numeric类型。如果数据都为character，或者double，或者integer，或者logical，就被称为同质的(Homogeneous)，否则被称为异质的(Heterogeneous)。

维度	同质的	异质的
1维	Atomic vector	List
2维	Matrix	Data frame
多维	Array

需要注意的是对于1维的Atomic vector，它的长度可以是0。任何单个的数据类型，都被视为atomic vector，其长度为1。

> ## 长度为0的atomic vector
> a <- integer(0)
> length(a)

## [1] 0

> ## 单个的数据，被视为长度为1的atomic vector
> b <- "a"
> length(b)

## [1] 1

> ## 查看R的预存值pi
> pi

## [1] 3.142

> ## 查看a和b的封装类
> class(a)

## [1] "integer"

> class(b)

## [1] "character"

> class(pi)

## [1] "numeric"

> ## 查看a和pi的模式
> mode(a)

## [1] "numeric"

> mode(pi)

## [1] "numeric"

> ## 查看a和pi的存贮模式
> storage.mode(a)

## [1] "integer"

> storage.mode(pi)

## [1] "double"

> ## 查看a和b的类型
> typeof(a)

## [1] "integer"

> typeof(pi)

## [1] "double"

> ## 查看预存数据letters
> str(letters)

##  chr [1:26] "a" "b" "c" "d" "e" "f" "g" "h" "i" ...

下面，将介绍不同维度的数据结构，及其基本操作，比如如何获取维度的基本信息，如何获取数据的名称，如何获得数据的概要等。