8 R数据类型的性质

8.1 存储模式与基本类型

R的变量可以存储多种不同的数据类型, 可以用typeof()函数来返回一个变量或表达式的类型。比如

## [1] "integer"
## [1] "double"
## [1] "double"
## [1] "logical"
## [1] "character"
## [1] "integer"

注意因子的结果是integer而不是因子。

R还有两个函数mode()storage.mode()起到与typeof()类似的作用, 这是为了提供与S语言兼容所遗留的, 应停止使用。

R中数据的最基本的类型包括logical, integer, double, character, complex, raw, 其它数据类型都是由基本类型组合或转变得到的。 character类型就是字符串类型, raw类型是直接使用其二进制内容的类型。 为了判断某个向量x保存的基本类型, 可以用is.xxx()类函数, 如is.integer(x), is.double(x), is.numeric(x), is.logical(x), is.character(x), is.complex(x), is.raw(x)。 其中is.numeric(x)对integer和double内容都返回真值。

在R语言中数值一般看作double, 如果需要明确表明某些数值是整数, 可以在数值后面附加字母L,如

## [1] FALSE
## [1] TRUE

整数型的缺失值是NA, 而double型的特殊值除了NA外, 还包括Inf, -InfNaN, 其中NaN也算是缺失值, Inf-Inf不算是缺失值。 如:

## [1] -Inf  NaN  Inf
## [1] FALSE  TRUE FALSE

对double类型,可以用is.finite()判断是否有限值, NAInf, -InfNaN都不是有限值; 用is.infinite()判断是否Inf-Infis.na()判断是否NANaNis.nan()判断是否NaN

严格说来, NA表示逻辑型缺失值, 但是当作其它类型缺失值时一般能自动识别。 NA_integer_是整数型缺失值, NA_real_是double型缺失值, NA_character_是字符型缺失值。

在R的向量类型中, integer类型、double类型、logical类型、character类型、还有complex类型和raw类型称为原子类型(atomic types), 原子类型的向量中元素都是同一基本类型的。 比如, double型向量的元素都是double或者缺失值。

除了原子类型的向量, 在R语言的定义中, 向量还包括后面要讲到的列表(list), 列表的元素不需要属于相同的基本类型, 而且列表的元素可以不是单一基本类型元素。 用typeof()函数可以返回向量的类型, 列表返回结果为"list":

## [1] "list"

原子类型的各个元素除了基本类型相同, 还不包含任何嵌套结构,如:

## [1] 1 2 3 4 5

R有一个特殊的NULL类型, 这个类型只有唯一的一个NULL值, 表示不存在。 NULL长度为0, 不能有任何属性值。 用is.null()函数判断某个变量是否取NULL

NULL值可以用来表示类型未知的零长度向量, 如c()没有自变量时返回值就是NULL; 也经常用作函数缺省值, 在函数内用is.null()判断其缺省后再用一定的计算逻辑得到真正的缺省情况下的数值。

要把NULLNA区分开来, NA是有类型的(integer、double、logical、character等), NA表示存在但是未知。 数据库管理系统中的NULL值相当于R中的NA值。

8.2 类型转换与类型升档

可以用as.xxx()类的函数在不同类型之间进行强制转换。 如

## [1] 0 1
## [1] "1"                "1.4142135623731"  "1.73205080756888" "2"

类型转换也可能是隐含的,比如, 四则运算中数值会被统一转换为double类型, 逻辑运算中运算元素会被统一转换为logical类型。 逻辑值转换成数值时,TRUE转换成1, FALSE转换成0。

在用c()函数合并若干元素时, 如果元素基本类型不同, 将统一转换成最复杂的一个,复杂程度从简单到复杂依次为: logical<integer<double<character。 这种做法称为类型升档,如

## [1] "FALSE" "1"     "2.5"   "3.6"

不同类型参与要求类型相同的运算时, 也会统一转换为最复杂的类型, 也称为类型升档, 如:

## [1] 11
## [1] "abc 1"

8.3 属性

除了NULL以外, R的变量都可以看成是对象, 都可以有属性。 在R语言中, 属性是把变量看成对象后, 除了其存储内容(如元素)之外的其它附加信息, 如维数、类属等。 R对象一般都有lengthmode两个属性。

常用属性有names, dimclass等。

8.3.1 attributes函数

对象x的所有属性可以用attributes()读取, 如

## 
## 1 2 3 
## 3 2 1
## $dim
## [1] 3
## 
## $dimnames
## $dimnames[[1]]
## [1] "1" "2" "3"
## 
## 
## $class
## [1] "table"

table()函数用了输出其自变量中每个不同值的出现次数,称为频数。 从上例可以看出, table()函数的结果有三个属性,前两个是dim和dimnames, 这是数组(array)具有的属性; 另一个是class属性,值为"table"。 因为x是数组,可以访问如

## 1 
## 3
## 3 
## 1

也可以用attributes()函数修改属性, 如

## [1] 3 2 1

如上修改后x不再是数组,也不是table。

8.3.2 attr函数

可以用attr(x, "属性名")的格式读取或定义x的属性。 如:

## [1] 1 3 5
## attr(,"theta")
## [1] 0 1

可以让向量x额外地保存一个theta属性, 这样的属性常常成为“元数据”(meta data), 比如, 用来保存数据的说明、模拟数据的真实模型参数,等等。

8.3.3 names属性

有元素名的向量、列表、数据框等都有names属性, 许多R函数的输出本质上也是列表, 所以也有names属性。 用names(x)的格式读取或设定。 如:

##  [1] "coefficients"  "residuals"     "effects"       "rank"         
##  [5] "fitted.values" "assign"        "qr"            "df.residual"  
##  [9] "xlevels"       "call"          "terms"         "model"

对于没有元素名的向量xnames(x)的返回值是NULL

8.3.4 dim属性

dim属性的存在表明对象是矩阵或一维、多维数组。 如:

## [1] 3 4

修改dim属性就将向量转换成矩阵(数组), 或修改了矩阵的性质, 元素按列次序重排填入新的矩阵。如:

##      [,1] [,2]
## [1,]    1    3
## [2,]    2    4

R允许dim仅有一个元素, 这对应于一维向量, 与普通的没有dim属性的向量有区别。 另外要注意, 取矩阵子集时如果结果仅有一列或一行, 除非用了drop=FALSE选项, 结果不再有dim属性, 退化成了普通向量。

8.4 类属

R具有一定的面向对象语言特征, 其数据类型有一个class属性, 函数class()可以返回变量类型的类属, 比如

## [1] "integer"
## [1] "numeric"
## [1] "integer"
## [1] "factor"
## [1] "numeric"

class属性是特殊的。 如果一个对象具有class属性, 某些所谓“通用函数(generic functions)”会针对这样的对象进行专门的操作, 比如, print()函数在显示向量和回归结果时采用完全不同的格式。 这在其它程序设计语言中称为“重载”(overloading)。

class属性用来支撑R的S3风格的类, 常用的有factor, 日期,日期时间, 数据框,tibble。 R还有S4、R6等风格的类。

8.5 str()函数

print()函数可以显示对象内容。 如果内容很多, 显示行数可能也很多。 用str()函数可以显示对象的类型和主要结构及典型内容。例如

##  int [1:100] 101 102 103 104 105 106 107 108 109 110 ...
##  - attr(*, "author")= chr "李小明"
##  - attr(*, "date")= chr "2016-09-12"