統計分析：使用 R 入門 / R / 向量

R 中最基礎的物件之一是向量，用於儲存相同型別（例如資料變數）的多個測量值。向量中可以儲存多種資料型別。最常見的是數值向量，其中向量的每個元素只是一個數字。其他常用型別的向量包括字元向量（其中每個元素都是一段文字）和邏輯向量（其中每個元素都是TRUE或FALSE）。在本主題中，我們將使用“datasets”包提供的幾個示例向量，其中包含美國各州的資料（請參閱?state）。R 本身就是一個基於向量的程式；事實上，我們在之前的計算中使用過的數字也被視為只有一個元素的向量。這意味著 R 中的大多數基本函式在被賦予向量作為引數時都會表現得合理，如下所示。

輸入

state.area                #a NUMERIC vector giving the area of US states, in square miles
state.name                #a CHARACTER vector (note the quote marks) of state names 
sq.km <- state.area*2.59  #Arithmetic works on numeric vectors, e.g. convert sq miles to sq km
sq.km                     #... the new vector has the calculation applied to each element in turn
sqrt(sq.km)               #Many mathematical functions also apply to each element in turn 
range(state.area)         #But some functions return different length vectors (here, just the max & min).
length(state.area)        #and some, like this useful one, just return a single value.

結果

> state.area # 一個 NUMERIC 向量，給出美國各州的面積，單位為平方英里

[1]  51609 589757 113909  53104 158693 104247   5009   2057  58560  58876   6450  83557  56400

[14] 36291 56290 82264 40395 48523 33215 10577 8257 58216 84068 47716 69686 147138 [27] 77227 110540 9304 7836 121666 49576 52586 70665 41222 69919 96981 45333 1214 [40] 31055 77047 42244 267339 84916 9609 40815 68192 24181 56154 97914 > state.name # 一個 CHARACTER 向量（注意引號），包含各州名稱

[1] "Alabama"            "Alaska"             "Arizona"            "Arkansas"          
[5] "California"         "Colorado"           "Connecticut"        "Delaware"          
[9] "Florida"            "Georgia"            "Hawaii"             "Idaho"             

[13] "伊利諾伊州" "印第安納州" "愛荷華州" "堪薩斯州" [17] "肯塔基州" "路易斯安那州" "緬因州" "馬里蘭州" [21] "馬薩諸塞州" "密歇根州" "明尼蘇達州" "密西西比州" [25] "密蘇里州" "蒙大拿州" "內布拉斯加州" "內華達州" [29] "新罕布什爾州" "新澤西州" "新墨西哥州" "紐約州" [33] "北卡羅來納州" "北達科他州" "俄亥俄州" "俄克拉荷馬州" [37] "俄勒岡州" "賓夕法尼亞州" "最小的州" "南卡羅來納州" [41] "南達科他州" "田納西州" "德克薩斯州" "猶他州" [45] "佛蒙特州" "弗吉尼亞州" "華盛頓州" "西弗吉尼亞州" [49] "威斯康星州" "懷俄明州" > sq.km <- state.area*2.59 # 標準算術運算適用於數值向量，例如將平方英里轉換為平方公里 > sq.km # ... 給出另一個向量，其中對每個元素都執行了計算

[1]  133667.31 1527470.63  295024.31  137539.36  411014.87  269999.73   12973.31    5327.63
[9]  151670.40  152488.84   16705.50  216412.63  146076.00   93993.69  145791.10  213063.76

[17] 104623.05 125674.57 86026.85 27394.43 21385.63 150779.44 217736.12 123584.44 [25] 180486.74 381087.42 200017.93 286298.60 24097.36 20295.24 315114.94 128401.84 [33] 136197.74 183022.35 106764.98 181090.21 251180.79 117412.47 3144.26 80432.45 [41] 199551.73 109411.96 692408.01 219932.44 24887.31 105710.85 176617.28 62628.79 [49] 145438.86 253597.26 > sqrt(sq.km) # 許多數學函式也適用於每個元素

[1]  365.60540 1235.90883  543.16140  370.86299  641.10441  519.61498  113.90044   72.99062
[9]  389.44884  390.49819  129.24976  465.20171  382.19890  306.58390  381.82601  461.58830

[17] 323.45487 354.50609 293.30334 165.51263 146.23826 388.30328 466.62203 351.54579 [25] 424.83731 617.32278 447.23364 535.06878 155.23324 142.46136 561.35100 358.33202 [33] 369.04978 427.81111 326.74911 425.54695 501.17940 342.65503 56.07370 283.60615 [41] 446.71213 330.77479 832.11058 468.96955 157.75712 325.13205 420.25859 250.25745 [49] 381.36447 503.58441 > range(state.area) # 但是有些函式會返回不同長度的向量（這裡，只有最大值和最小值）。 [1] 1214 589757 > length(state.area) # 有些函式，像這個有用的函式，只返回單個值。 [1] 50

請注意，您的輸出的第一部分可能與上面的輸出略有不同。根據您螢幕的寬度，每行輸出列印的元素數量可能會有所不同。這就是方括號中數字的原因，它們是在向量列印到螢幕時生成的。這些帶括號的數字給出了該行上第一個元素的位置，這是一種有用的視覺輔助。例如，檢視 state.name 的列印結果，從第二行數過去，我們可以知道第八個州是特拉華州。

您可能偶爾需要從頭開始建立自己的向量（儘管大多數向量是從處理已存在檔案中的資料得到的）。用於構建向量的最常用函式是c()，之所以這樣命名是因為它concatenates（連線）物件在一起。但是，如果您想建立由數字的規則序列組成的向量（例如 2,4,6,8,10,12 或 1,1,2,2,1,1,2,2），您可以使用幾個替代函式，包括seq()、rep() 和: 運算子。

輸入

c("one", "two", "three", "pi")  #Make a character vector
c(1,2,3,pi)                     #Make a numeric vector
seq(1,3)                        #Create a sequence of numbers
1:3                             #A shortcut for the same thing (but less flexible)
i <- 1:3                        #You can store a vector
i
i <- c(i,pi)                    #To add more elements, you must assign again, e.g. using c() 
i                             
i <- c(i, "text")               #A vector cannot contain different data types, so ... 
i                               #... R converts all elements to the same type
i+1                             #The numbers are now strings of text: arithmetic is impossible 
rep(1, 10)                      #The "rep" function repeats its first argument
rep(3:1,10)                     #The first argument can also be a vector
huge.vector <- 0:(10^7)         #R can easily cope with very big vectors
#huge.vector #VERY BAD IDEA TO UNCOMMENT THIS, unless you want to print out 10 million numbers
rm(huge.vector)                 #"rm" removes objects. Deleting huge unused objects is sensible

結果

> c("one", "two", "three", "pi") # 建立一個字元向量

[1] "one" "two" "three" "pi" > c(1,2,3,pi) # 建立一個數值向量 [1] 1.000000 2.000000 3.000000 3.141593 > seq(1,3) # 建立一個數字序列 [1] 1 2 3 > 1:3 # 同樣的操作的簡寫（但不太靈活） [1] 1 2 3 > i <- 1:3 # 可以儲存一個向量 > i [1] 1 2 3 > i <- c(i,pi) # 要新增更多元素，必須再次賦值，例如使用 c() > i [1] 1.000000 2.000000 3.000000 3.141593 > i <- c(i, "text") # 向量不能包含不同資料型別，所以 ... > i # ... R 將所有元素轉換為相同型別 [1] "1" "2" "3" "3.14159265358979" "text" > i+1 # 數字現在是文字字串：算術運算不可能 Error in i + 1 : non-numeric argument to binary operator > rep(1, 10) # "rep" 函式重複其第一個引數

[1] 1 1 1 1 1 1 1 1 1 1

> rep(3:1,10) # 第一個引數也可以是一個向量

[1] 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1

> huge.vector <- 0:(10^7) # R 可以輕鬆處理非常大的向量 > #huge.vector # 除非您想打印出 1000 萬個數字，否則不要取消此註釋 > rm(huge.vector) # "rm" 刪除物件。刪除大型未使用的物件是有意義的