1、矩阵
在R语言中，矩阵是二维的，包括行和列，其中分为数值型、字符型、逻辑型三种，在每个矩阵中的矩阵元素的类型必须一致，可以通过matrix函数创建矩阵。
R
m <- matrix(1:20, nrow = 4, ncol = 5)
# 创建一个四行五列的数组，值为1到20，元素个数和行列必须对应
# 可以省略nrow和ncol，如：m <- matrix(1:20, 4, 5)
m <- matrix(1:20, nrow = 4, ncol = 6)
# 元素不够，循环使用数值
# 报错：数据长度[20]不是矩阵列数[6]的整倍
m <- matrix(1:20, nrow = 4, ncol = 4)
# 元素过多，取前16个元素载入
m <- matrix(1:20, nrow = 3, ncol = 3)
# 元素过多，取前 9 个元素载入
# 报错：数据长度[20]不是矩阵列数[3]的整倍
# 矩阵默认是按列进行排列的，上述也可省略为：
m <- matrix(1:20, 4)
# 会自动分为四行五列的矩阵进行排列
m <- matrix(1:20, 4,byrow = T)
# 按行进行四行五列的矩阵分配。byrow = F则设置为按列排列可以通过rnames函数和cnames函数分别对行和列进行命名
R
# 设置行名
rnames <- c("R1","R2","R3","R4")
# 设置列名
cnames <- c("C1","C2","C3","C4","C5")
dimnames(m) <- list(rnames,cnames)
# 为上述矩阵命名，后续可用名称访问矩阵元素通过维度的添加，可以把向量转变为矩阵
R
x <- 1:20
# 创建一个向量x
dim(x) <- c(4,5)
# 为向量x添加维度（四行五列）
# 操作之后x的类型转变为矩阵矩阵的访问可以通过索引、名称等方式进行
R
# 其中矩阵m的创建通过上述的代码展示
m[1,2]
# 通过索引访问第一行第二列的元素，也可以通过名称访问，如：m["R1","C2"]
m[c(2:4),c(2:3)] # 访问矩阵的一个子集
m[2,] # 访问矩阵的第二行
m[,2] # 访问矩阵的第二列
m[2] # 访问第二行的第一个元素
m[-1,2] # 访问除了第一行外的第二列元素矩阵的运算类似与向量的运算，需要保证行和列的关系
R
colSums(m,m) # 计算每一列的和
rowSums(m) # 计算每一行的和
#假设两个三行三列的向量
x <- matrix(1:9.3,3)
y <- matrix(2:10.3,3)
x*y # 矩阵的内积，即矩阵的点乘，对应位置相乘
x %*% y # 矩阵的外积，即矩阵的叉乘
diag(x)
# 输出一个向量，值依次返回矩阵的对角线的值，要求矩阵x的行数列数相同
t(x) # 输出x的转置矩阵2、数组
不同于其他编程语言，在R语言中，数组表示多为矩阵 。数组是多维的、数值或字符的数据集，可以看作是矩阵的推广。
数组可以有多个维度，并且每个维度的大小可以不同。
可以使用 array() 函数创建数组。
R
x <- 1:20
dim(x) <- c(2,2,5)
# 为向量x添加三个维度
# 利用array()函数创建数组
# 假设三个维度的标签值：
dim1 <- c("A1","A2")
dim2 <- c("B1","B2","B3")
dim3 <- c("C1","C2","C3","C4")
z <- array(1:24,c(2,3,4),dimnames = list(dim1,dim2,dim3))
# 设置一个数组，数据为1到24，维度类型为(2,3,4)，每个维度的名称为(dim1,dim2,dim3)其他的内容可参考矩阵的内容
3、列表
列表是R中非常灵活的数据结构，可以包含不同类型的元素。
列表是存储很多内容的一个集合，是一些对象的有序集合，可以存储若干向量、矩阵、数据框、其他列表，即可以存储任何数据结构，是一维数据的结合。
R
mlist <- list(a,b,c,d)
# 创建列表
mlist <- list(first = a, second = b, third = c , forth = d)
# 创建列表并给每一部分命名
mlist[1]
class(mlist[1])
# 利用索引访问列表的第一个列表元素
# 返回mlist[1]的数据类型，一个[ ]的输出类型仍为列表
mlist[[1]]
class(mlist[[1]])
# 访问列表的第一个列表元素，且每次只能访问一个列表元素
# [[ ]]的输出类型为a,b,c,d的类型
mlist[c(1,4)] # 利用索引访问多个列表元素需要通过向量的方式
mlist[c("first","forth")] # 通过名称访问对应的列表元素
mlist$first
# 通过$符号对列表元素和名称进行访问，且数据类型等同于mlist[[1]]，即原本向量的数据类型
mlist[[5]] <- iris
# mlist[[5]]可以直接赋值。iris 是内置数据库
# mlist[5]是一个列表，不能直接赋值
mlist <- list(mlist[-5])
# 删除第五个列表元素可以通过[-5]不显示第五个列表元素的方式进行赋值
mlist[[5]] <- NULL
#空白赋值进行删除第五个列表元素4、数据框
数据框实际上是一个列表，列表元素是向量，向量构成列，因此每列的长度必须相同，且每列必须命名，每列必须同一类型，每一行不必。
表格式数据结构，由数据集合构成的矩形数组，行表示观测，列表示变量。
R
state <- data.frame(state.name,state.abb,state.region,state.x77)
# 数据框的创建，其中数据都是内置数据集，关于美国五十个州的，每一列长度相同
# 数据框是个列表，调出每一列方式同列表
state[1] # 调出数据框第一列，数据类型为列表
state$state.name # 调出数据框第一列，数据类型为矩阵
plot(women$height,women$weight)
# women是内置数据，可通过plot绘图，x轴为height，y轴为weigh
lm(weight ~height ,data = women)
# 拟合线性模型： weight 是响应变量（因变量）作为左侧的项
# height 是预测变量（自变量）作为右侧的项
# 用~连接，并且数据来自名为 women 的数据框
attach(mtcars)
# 加载数据框，可以直接输入行名或者列名作为对象进行访问数据，不需要索引或者$符号等方式
detach(mtcars)
# 删除加载，无法继续使用上述访问方法
with(mtcars,{mpg})
# 访问内置数据集mtcars中的mpg向量，注意是大括号5、因子
在R语言中，因子（Factor）是一种特殊的数据类型，用于处理分类数据。因子可以被视为名义型（Nominal，无序）或有序型（Ordinal，有顺序）的类别变量。
在R语言中变量可以分为三个类型：
① 名义型变量：没有内在顺序的类别，比如城市、性别（男/女）、颜色（红/绿/蓝）等相互之间独立的变量。
② 有序型变量：有特定顺序的类别，比如质量评价（好、更好、最好）、教育水平（小学/中学/大学/研究生），不同值之间有顺序关系，但不是连续的数量变换。
③ 连续型变量：在某个范围内的任意值，比如年龄、gdp、具体高度等数据。
factor，其分类变量的可能值称为一个水平，level。水平值构成的向量称为因子
因子的应用： 计算频数、独立性实验、相关性实验、方差分析、主成分分析等。它们在统计分析中非常有用，尤其是在需要对数据进行分组或分类的情况下。
R
table(mtcars$cyl)
# 对因子中的数据进行频数统计
# 其中cyl就是factor，其中的数据值（4，6，8）就是level
f <- factor(c("red","red","green","blue","green"))
# 创建因子，其中 f 就是factor，（"red","green","blue"）就是level
week <- factor(c("Mon","Thu","Fri","Sat","Sun","Tue","Wed"))
# 创建的因子的level是按照输入的顺序来的
w1 <- c("Mon","Thu","Fri","Sat","Sun","Tue","Wed")
w2 <- c("Mon","Tue","Wed","Thu","Fri","Sat","Sun")
week <- factor( w1 , ordered = T , levels = w2 )
# ordered为TRUE定为有序，再通过level设定具体顺序，其中level的设定都需要创建向量的c函数
plot(mtcars$cyl) # 绘制的是散点图
plot(factor(mtcars$cyl)) # 绘制的是柱状图
cut(num,c(0,100,10))
# 假设num <- 1:100，cut函数将数据从1到100每十个进行一次划分，然后就变成因子了