R 编程中的数据结构

R 作为一门数据分析和统计编程语言，其数据结构的概念极为重要，掌握不同的数据结构有助于我们在 R 中更高效地操作和处理数据。下面是 R 中常见的数据结构。

向量（Vector）

向量是 R 中最常见的数据结构，可以存储相同类型的元素。向量的创建有多种方式，最常见的是用 c() 函数：

# 创建一个数字类型的向量
my_vector <- c(1, 2, 3, 4)

# 创建一个字符类型的向量
my_vector2 <- c("a", "b", "c")

向量有许多相应的操作符和函数，如 +, -, *, /, sum(), max(), min(), length() 等等。

矩阵（Matrix）

矩阵是一种二维的数据结构，可以存储相同类型的元素。可以使用 matrix() 函数来创建矩阵：

# 创建一个 2x3 的数字类型矩阵
my_matrix <- matrix(c(1, 2, 3, 4, 5, 6), nrow = 2, ncol = 3)

# 创建一个 3x3 的字符类型矩阵
my_matrix2 <- matrix(c("a", "b", "c", "d", "e", "f", "g", "h", "i"), nrow = 3, ncol = 3)

矩阵也有几个常见的函数操作，如 rownames(), colnames(), dim(), rbind(), cbind(), t() 等等

数组（Array）

数组是多维的数据结构，可以存储相同类型的元素。使用 array() 函数来创建数组：

# 创建一个数字类型的 2x3x4 的三维数组
my_array <- array(1:24, dim = c(2, 3, 4))

# 创建一个字符类型的 2x2x2 的三维数组
my_array2 <- array(c("a", "b", "c", "d", "e", "f", "g", "h"), dim = c(2, 2, 2))

数组也有类似矩阵的函数操作，如 dim(), rownames(), colnames(), array(), aperm() 等等。

列表（List）

列表可以存储不同类型的元素，比向量和矩阵更加灵活。使用 list() 函数来创建列表：

# 创建一个数字类型的列表
my_list <- list(name = "John", age = 25, gender = "Male")

# 创建一个混合类型的列表
my_list2 <- list("John", 25, c(1, 2, 3), list("a", "b", "c"))

列表也有相应的函数操作，如 names(), length(), [[ ]], $ 等等。

数据框（Data Frame）

数据框是 R 中最常用的数据结构之一，类似于 Excel 表格，可以存储不同类型的元素。数据框同时有行和列的概念。使用 data.frame() 函数来创建数据框：

# 创建一个简单的数据框
my_data_frame <- data.frame(name = c("John", "Mary", "Bob"), age = c(25, 27, 30), gender = c("Male", "Female", "Male"))

# 创建一个更加复杂的数据框
my_data_frame2 <- data.frame(name = c("John", "Mary", "Bob"), age = c(25, 27, 30), gender = c("Male", "Female", "Male"), 
    grades = list(c(80, 90), c(75, 85), c(90, 95)))

数据框也有相应的函数操作，如 dim(), names(), colnames(), rownames(), head(), tail(), subset(), merge(), cbind(), rbind(), str(), summary() 等等。

以上就是 R 中常见的数据结构，掌握这些数据结构可以帮助我们更好地理解和操作 R 中的数据。