數據結構用於存儲數據，不同的數據結構對應不同的操作方法，對應不同的分析目的，應選擇合適的數據結構。在處理數據時，為了便於檢查數據對象，可以通過函數attributes(x)來查看數據對象的屬性，str(x)函數用於查看R對象的內部結構，通過print(x)函數，顯示數據對象存儲的內容，該函數把數據打印到控制臺上，另外，RStudio提供了一個可視化查看數據的函數View(x)。

一，處理數據的函數

標量通常是常量，每一個標量都有特定的數據類型，常用的數據類型是數值類型，字符類型，邏輯類型和日期類型。

對於邏輯類型，可能的值是TRUE和FALSE，用於邏輯操作的運算符：與（&）、或（|）、非（!）

R語言中經常會遇到一些特殊值：

• 缺失值 NA（Not Avaiable），是不可用的縮寫，通過函數is.na(x)來測試變量的值是否為NA；
• NaN為“不是一個數”，意味著計算沒有數學意義；
• NULL值，空值，表示一個空的變量，不會占用任何空間，通過函數is.null(x)來測試變量的值是否為NULL；
• 特殊的數字：Inf、-Inf 表示正無窮，負無窮；

1，日期類型

日期類型比較特殊，日期值通常以字符串的形式輸入到R中，然後使用as.Date()函數轉換為以數值形式存儲的日期變量，as.Date()函數的語法是：

as.Date(x, input_format)

參數input_format是日期值的輸入格式，默認的輸入格式是"yyyy-mm-dd"：

mydate <- as.Date("2017-01-13")

輸入參數可以自定義日期的輸入格式：

• %d：數字表示的天（0-31）
• %a：縮寫的星期名(Mon、Tue、Wed、Thur、Fri、Sat、Sun）
• %m：月份（00、01、02等）
• %b：縮寫的月份（Jan、Feb、Mar等）
• %B：英語月份（January、February 、March等）
• %y：兩位數的年份
• %Y：四位數的年份

舉個例子，把默認的日期格式轉換為特定類型的日期格式：

as.Date("2018-03-05","%Y-%m-%d")

把日期類型轉換為字符串類型，可以使用format()函數，指定日期的輸出格式：

format(mydate,format="output_format")

例如，把當前日期按照特定的格式輸出：

today<-Sys.Date()
format(today,format("%B %d %Y"))

也可以直接把日期類型轉換為字符串類型：

strdate <- as.character(mydate)

2，字符類型

常用的字符類型的操作：

• 查看字符數量： nchar(x)
• 提取或替換字符的子串： substr(x, start,stop)
• 匹配模式，返回下標：grep(pattern, x, ignore.case=FALSE, fixed=FALSE)，從x中搜索匹配模式的字符的下標
• 匹配模式，並替換：sub(pattern, replacement, x, ignore.case=FALSE, fixed=FALSE)，從x中搜索匹配模式的字符，並以文本replacement替換
• 分割字符： strsplit(x,split,fixed=FALSE)
• 連接字符： paste(...,sep=" ")，把多個字符連接成一個長的字符串，分隔符由參數sep指定
• 字符的大小寫轉換： toupper(x)，tolower(x)

3，數值類型

對於數值類型，常用的數學函數是：

• 絕對值：abs(x)
• 平方根：sqrt(x)
• 不小於x的最小整數：ceiling(x)
• 不大於x的最大整數：floor(x)
• 把x舍入為指定位的小數：round(x,digits=n)
• 把x攝入有效位數的小數：signif(x,digits=n)
• 截取整數部分，舍棄小數部分：trunc(x)

常用的統計函數：

• 平均值：mean(x)
• 中位數：median(x)
• 絕對中位數：mad(x)
• 分位數：quantile(x,probs)
• 標準差：sd(x)
• 方差：var(x)
• 值域：range(x)
• 求和：sum(x)
• 最值：min(x),max(x)
• 標準化：scale(x, center=TRUE, scale=TRUE)

分割區間的函數：

• 把連續型變量分割位有著n個水平的因子：cut(x, n, ordered_result)
• 創建美觀的分割點，通過選取n+1個等間距的取整值，把一個連續型變量分割位n個區間：pretty(x, n)

二，類型判斷和轉換

三，隨機抽樣

從海量的數據抽取一定數量的樣本數據，以創建分析模型，抽樣的函數是：

sample(x, size, replace = FALSE, prob = NULL)

參數註釋：

• x：樣本空間
• size：抽取的樣本數量
• replace：如果為TRUE，表示放回抽樣；如果為FALSE，表示無放回抽樣；

舉個例子，采用放回抽樣，把樣本重復12次，得到一個矩陣，並轉換為數據框類型：

> d <-data.frame(matrix(sample(c(NA, 1:4), 12, replace = TRUE), 4))
> d
  X1 X2 X3
NA  4  1
 1  2 NA
 1  4  2
NA NA  4

四，偽隨機數

函數runif()用於生成服從正態分布的偽隨機數，n是生成隨機數的個數，min和max是隨機數的最值。

runif(n, min = 0, max = 1)

在每次生成隨機數時，函數都會使用一個不同的種子，因此會產生不同的結果，通過函數set.seed(n)顯式指定種子，讓結果可以重現。

舉個例子，設置隨機數種子，使用runif()函數生成0-1區間上服從均勻分布的偽隨機數：

set.seed(n)
runif(5)

設置R會話的小數點數量，生成整數偽隨機數：

> options(digits=0)
> set.seed(1)
> runif(10,min=1,max=100)
 [1] 27 38 58 91 21 90 95 66 63  7

五，控制流

常用的控制流是循環和條件執行

1，for循環結構

for循環重復執行一個語句，直到叠代變量的值不再包含序列seq中為止：

for( var in seq) 
{statement}

舉個例子，叠代一個序列，打印出叠代器的計算值：

for( i in 1:10)
{
print(i^i)
}

2，條件執行

if (condition) statement
if (condition) statement1 else statement2

第二個條件執行語句可以簡寫為ifelse結構：

ifelse(condition,statement1,statement2)

六，創建自定義函數

參考我的博客《R語言學習 第四篇：函數，分支和循環》

R實戰 第三篇：數據處理（基礎）