R语言自学笔记：向量、矩阵及dataframe基础
概要
记录一下在学习和练习过程中所遇到的一些细节问题
一. 向量
1.向量的基础
（1）R语言中，向量元素从一开始标号，vector[0] 用于储存向量的类型
（2）向量的嵌套，在R语言中向量之间是可以以嵌套的形式来指定对应元素，例如：
x <- c(2, 4, 6, 8)
y <- c(TRUE, TRUE, FALSE, TRUE)
print(x[y])结果为：
> print(x[y])
[1] 2 4 8（3）选取向量的部分。除了基本的可以使用数字坐标来选择向量的部分 ，也可以如上，在[ ]内输入对应坐标构成的向量来一口气选择多个目标：
> m[c(1,4,5)]
[1] "1" "5" "6"2.向量的计算
（1）四则运算
在R语言里向量的基本计算与大多数语言的规则相同，所有的运算法针对于每一个单独的元素来进行，甚至包括逻辑运算符，例如：
p <- c(1,2,3)
p+3所得的结果为：
[1] 4 5 6比较通俗易懂。
（2）向量之间的运算
维度相同的向量可以直接地在对应的位置进行运算。针对维度不同的向量，运算会采取类似于循环处理的方法：
p <- c(4,5,6,7)
q <- c(2,3,4)
p/q
q/p所得结果为：
> p/q
[1] 2.000000 1.666667 1.500000 3.500000
Warning message:
In p/q : longer object length is not a multiple of shorter object length
> q/p
[1] 0.5000000 0.6000000 0.6666667 0.2857143
Warning message:
In q/p : longer object length is not a multiple of shorter object length二.矩阵
1.矩阵的基础
（1）对于一个矩阵，matrix[0,0]储存了表示变量为矩阵的表示，打印出来的为：
<0 x 0 matrix>第0行和第0列分别储存了的矩阵的行名和列名，由[0,]和[,0]调用出来。但需要注意的是，matrix[0,x]和matrix[0]储存的仍然是每一列（向量）的数据类型。
（2）创建矩阵时，若元素无法被规定的行数和列数整除或者无法填满目标大小的矩阵，则元素会自动地进行重复，填满矩阵为止：
> m <- matrix(1:7,nrow=3)
Warning message:
In matrix(1:7, nrow = 3) :
data length [7] is not a sub-multiple or multiple of the number of rows [3]
> m
[,1] [,2] [,3]
[1,] 1 4 7
[2,] 2 5 1
[3,] 3 6 2此为R语言的特色之一，在dataframe中也应用同样的规则。
（3）选中某行并进行操作。R语言中，可以通过数字坐标以及行名和列名选择矩阵中的某个元素或某行。对于选中的行列可以直接用 <- 来赋值以达到替换的目的。
三. dataframe
1.dataframe 基础
（1）表头的创建方法
df2 <- data.frame( x = character(), y = integer(), z = double() , stringsAsFactors = FALSE );（2）dataframe的创建方法
基本的方法是使用data.frame() 这个函数来创建，在括号中依次输入列向量即可，若向量的已经进行了每个元素的命名，则会直接成为dataframe的row_name。
（3）表的合并
可以用cbind和rbind函数分别依照列和行对dataframe进行合并。当变量行数不同时，采取自动填充的规则；变量的列数或列名不同时，会直接接报错：
df4 <- data.frame( data = 1:10, group = c("A","B") );
df6 <- data.frame( length = sample(1:100, 5), width = sample(1:100, 5) );
df7 <- cbind(df4,df6)
df5 <- data.frame( data = 1)
df8 <- rbind(df4,df5)
df7运行结果：
> df4 <- data.frame( data = 1:10, group = c("A","B") );
> df6 <- data.frame( length = sample(1:100, 5), width = sample(1:100, 5) );
> df7 <- cbind(df4,df6)
> df5 <- data.frame( data = 1)
> df8 <- rbind(df4,df5)
Error in rbind(deparse.level, ...) : 变量的列数不对
> df7
data group length width
1 1 A 2 87
2 2 B 61 54
3 3 A 82 47
4 4 B 21 32
5 5 A 35 17
6 6 B 2 87
7 7 A 61 54
8 8 B 82 47
9 9 A 21 32
10 10 B 35 17（4）dataframe的 [0,x]储存每一列的数据类型，而一旦x为一个向量，eg.1：3 ，输出变为对应位置的行名字。
（5）在R语言里默认行为个体，列为不同属性。
（6）一种删除某个变量的方法，直接令dataframe的某一列为NULL
2.tibble
(1) tibble相当于dataframe的升级版，由tibble这个包来提供。其创建方法同dataframe，由tibble() 直接完成；
(2)tibble表头创建：
tb <- tibble( x = character(), y = integer(), z = double() );
dim(tb);
## [1] 0 3注意维度的结果；
(3)可以使用add_row() 函数向tibble里面添加行，但tibble本身不能直接插入到另一个tibble里面；完成tibble的合并可以使用bindrow()函数，同理到列相关的函数。
(4)tibble与dataframe的不同：
其一：
tibble evaluates columns sequentially
rm(x,y); ## 删除可能存在的 x , y
tibble(x = 1:5, y = x ^ 2); ## 可以用 tibble 这样做
## # A tibble: 5 x 2
## x y
## <int> <dbl>
## 1 1 1
## 2 2 4
## 3 3 9
## 4 4 16
## 5 5 25
data.frame(x = 1:5, y = x ^ 2); ## 但 data.frame 不行
## Error in data.frame(x = 1:5, y = x^2): 找不到对象'x'其二：
取部分时，tibble的部分永远是tibble，而dataframe的部分可能是dataframe或向量（取单行时）；
其三：
tibble循环时，仅长度为1或登场时可以进行循环，对于例如3个元素需要填充4行的情况会判定失败；
其四：
dataframe在取某一列时，输入列的名可以进行局部匹配，从而找到对应列，而tibble不行。
3.读取和写入
(1)使用到readr这个包，类似于python中的pandas这个包，内含有read_csv()等函数。在读取时还可以预设读取时所采取的数据形式：
myiris2 <- read_csv("data/talk03/iris.csv", col_types = cols(
Sepal.Length = col_double(),
Sepal.Width = col_double(),
Petal.Length = col_double(),
Petal.Width = col_double(),
Species = col_character()
));写入的例子：
Comma delimited file: write_csv (x, path, na = “NA”, append = FALSE, col_names = !append)