2．1 数据结构
数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量（但不同行业对行和列叫法不同，在R中用观测和变量代表行和列）。
R可以处理的数据类型（模式）包括数值型、字符型、逻辑型（TRUE／FALSE）、复数型（虚数）和原生型（字节）。
R拥有许多用于存储数据的对象类型，包括标量、向量、矩阵、数组、数据框和列表。
1． 标量
标量是只含一个元素的向量，用于保存常量。例如例如 f＜－3 、 g＜－“US” 和 h＜－TRUE。
2． 向量
向量是用于存储数值型、字符型或逻辑型数据的一维数组。执行组合功能的函数c（）可用来创建向量。
a ＜－ c（1， 2， 5， 3， 6， －2， 4） b ＜－ c（＂one＂， ＂two＂， ＂three＂）c ＜－ c（TRUE， TRUE， TRUE， FALSE， TRUE， FALSE）
注意，单个向量中的数据必须拥有相同的类型或模式（数值型、字符型或逻辑型）。
访问向量中的元素：在方括号中给定元素所处位置
a ＜－ c（＂k＂， ＂j＂， ＂h＂， ＂a＂， ＂c＂， ＂m＂）a［3］［1］ ＂h＂a［c（1， 3， 5）］［1］ ＂k＂ ＂h＂ ＂c＂a［2：6］ ＃冒号用于生成一个数值序列［1］ ＂j＂ ＂h＂ ＂a＂ ＂c＂ ＂m＂
3． 矩阵
矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型）。可通过函数matrix（）创建矩阵。一般格式：
myymatrix ＜－ matrix（vector， nrow＝number＿of＿rows， ncol＝number＿of＿columns， byrow＝logical＿value， dimnames＝list（char＿vector＿rownames， char＿vector＿colnames））
vector包含了矩阵的元素
nrow和ncol用以指定行和列的维数
选项byrow则表明矩阵应当按行填充（byrow＝TRUE）还是按列填充（byrow＝FALSE），默认情况下按列填充
dimnames包含了可选的、以字符型向量表示的行名和列名
创建一个5×4的矩阵：
y ＜－ matrix（1：20， nrow＝5， ncol＝4） y ［，1］ ［，2］ ［，3］ ［，4］ ［1，］ 1 6 11 16 ［2，］ 2 7 12 17 ［3，］ 3 8 13 18 ［4，］ 4 9 14 19 ［5，］ 5 10 15 20
创建一个按行填充的2×2矩阵：
cells ＜－ c（1，26，24，68）rnames ＜－ c（＂R1＂， ＂R2＂）cnames ＜－ c（＂C1＂， ＂C2＂）mymatrix ＜－ matrix（cells， nrow＝2， ncol＝2， byrow＝TRUE， dimnames＝list（rnames， cnames）） mymatrix C1 C2 R1 1 26 R2 24 68
创建一个按列填充的2×2矩阵：
mymatrix ＜－ matrix（cells， nrow＝2， ncol＝2， byrow＝FALSE， dimnames＝list（rnames， cnames））mymatrix C1 C2R1 1 24R2 26 68
矩阵下标的使用：
x ＜－ matrix（1：10， nrow＝2） ＃创建了一个内容为数字1到10的2×5矩阵x ［，1］ ［，2］ ［，3］ ［，4］ ［，5］ ［1，］ 1 3 5 7 9 ［2，］ 2 4 6 8 10
x［2，］ ＃选择第二行的元素［1］ 2 4 6 8 10 x［，2］ ＃选择第二列的元素［1］ 3 4 x［1，4］ ＃选择第1行的第4列的元素［1］ 7x［1， c（4，5）］ ＃选择第1行的第4和5列的元素［1］ 7 94． 数组
数组（array）与矩阵类似，但是维度可以大于2。可通过array函数创建，格式如下：
myarray ＜－ array（vector， dimensions， dimnames）
vector包含了数组中的数据
dimensions是一个数值型向量，给出各个维度下标的最大值
dimnames是可选的、各维度名称标签的列表
创建一个三维（2×3×4）数值型数组：
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）） z ， ， C1 B1 B2 B3 A1 1 3 5 A2 2 4 6
， ， C2 B1 B2 B3 A1 7 9 11 A2 8 10 12
， ， C3 B1 B2 B3 A1 13 15 17 A2 14 16 18 ， ， C4 B1 B2 B3 A1 19 21 23 A2 20 22 245． 数据框
数据框是包含了不同模式（数值型、字符型等）的数据的集合。可通过函数data．frame（）创建：
mydata ＜－ data．frame（col1， col2， col3， ．．．）
列向量col1、col2、col3等可为任何类型（如字符型、数值型或逻辑型）
每一列的名称可由函数names指定
创建数据框：
patientID ＜－ c（1， 2， 3， 4）age ＜－ c（25， 34， 28， 52）diabetes ＜－ c（＂Type1＂， ＂Type2＂， ＂Type1＂， ＂Type1＂）status ＜－ c（＂Poor＂， ＂Improved＂， ＂Excellent＂， ＂Poor＂）patientdata ＜－ data．frame（patientID， age， diabetes， status）patientdata patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved 3 3 28 Type1 Excellent 4 4 52 Type1 Poor
每一列数据的模式必须唯一。
选取数据框中的元素：
patientdata［1：2］ patientID age1 1 252 2 34 3 3 284 4 52patientdata［c（＂diabetes＂， ＂status＂）］ diabetes status1 Type1 Poor 2 Type2 Improved 3 Type1 Excellent 4 Type1 Poorpatientdata＄age ＃ ＄用来选取一个给定数据框中的某个特定变量［1］ 25 34 28 52
可以联合使用函数attach（）和detach（）或单独使用函数with（）来简化代码，避免每个变量名前都键入一次patientdata＄。
attach（）、detach（）和with（）
例：mtcars数据框
summary（mtcars＄mpg）plot（mtcars＄mpg， mtcars＄disp）plot（mtcars＄mpg， mtcars＄wt）
以上代码可以写成：
attach（mtcars） ＃函数attach（）可将数据框添加到R的搜索路径中summary（mpg）plot（mpg， disp）plot（mpg， wt）detach（mtcars） ＃函数detach（）将数据框从搜索路径中移除
detach（）并不会对数据框本身做任何处理，可以省略，但其实它应当被例行地放入代码中。
当名称相同的对象不止一个时，这种方法有局限性。
mpg ＜－ c（25， 36， 47）attach（mtcars）The following object（s） are masked ＿by＿ ＇．GlobalEnv＇： mpg
plot（mpg， wt）Error in xy．coords（x， y， xlabel， ylabel， log） ： ＇x＇ and ＇y＇ lengths differ
mpg ［1］ 25 36 47
在数据框mtcars被绑定（attach）之前，环境中已经有了一个名为mpg的对象，原始对象将取得优先权。函数attach（）和detach（）最好在分析一个单独的数据框，并且没有多个同名对象时使用。
函数with（）重写上例：
with（mtcars， ｛ print（summary（mpg）） plot（mpg， disp） plot（mpg， wt）｝）
花括号｛｝之间的语句都针对数据框mtcars执行，如果仅有一条语句（例如summary（mpg）），那么花括号｛｝可以省略。
因此，函数with（）的局限性在于，赋值仅在此函数的括号内生效。
with（mtcars， ｛ stats ＜－ summary（mpg） stats｝）stats错误： 找不到对象＇stats＇
创建在with（）结构以外存在的对象，使用特殊赋值符＜＜－替代标准赋值符（＜－）即可，它可将对象保存到with（）之外的全局环境中。
