在R语言中，对于常用的数据结构：向量、矩阵、数组、数据框和列表，它们在数据处理和分析中各有不同的应用和特点，有时候在理解上会容易搞混，所以打算单独整理下他们的结构对比，用于加深理解
向量（Vector）
向量是R中最基本的数据结构，可存储相同类型的元素
- 格式示例：
# 数值型向量
numeric_vector <- c(1, 2, 3, 4, 5)# 字符型向量
character_vector <- c("Alice", "Bob", "Charlie")
> numeric_vector
[1] 1 2 3 4 5
> character_vector
[1] "Alice" "Bob" "Charlie"
- 特点：
- 只能包含同一种数据类型的元素
- 可以是数值型、字符型、逻辑型等
矩阵（Matrix）
矩阵是由相同数据类型的元素按行列组成的二维数据结构
- 格式示例：
# 创建一个3行2列的数值型矩阵
numeric_matrix <- matrix(1:6, nrow = 3, ncol = 2)# 创建一个2行3列的字符型矩阵
character_matrix <- matrix(c("A", "B", "C", "D", "E", "F"), nrow = 2, ncol = 3)
> numeric_matrix[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
> character_matrix[,1] [,2] [,3]
[1,] "A" "C" "E"
[2,] "B" "D" "F"
- 特点：
- 所有元素必须是相同的数据类型
- 可以通过行和列来访问元素
数组（Array）
数组是由相同类型的元素组成的多维数据结构
- 格式示例：
# 创建一个3维数组，每维度为2x2的数值型数组
numeric_array <- array(1:12, dim = c(2, 2, 3))
> numeric_array
, , 1[,1] [,2]
[1,] 1 3
[2,] 2 4, , 2[,1] [,2]
[1,] 5 7
[2,] 6 8, , 3[,1] [,2]
[1,] 9 11
[2,] 10 12
- 特点：
- 可以有多个维度，每个维度可以有不同的长度
- 所有元素必须是相同的数据类型
数据框（Data Frame）
数据框是R中常用的二维表格型数据结构，类似于数据库中的表格，每列可以是不同类型的数据（例如数值、字符、因子等）
- 格式示例：
# 创建一个数据框
df <- data.frame(name = c("Alice", "Bob", "Charlie"),age = c(25, 30, 28),gender = c("F", "M", "M")
)
> dfname age gender
1 Alice 25 F
2 Bob 30 M
3 Charlie 28 M
- 特点：
- 可以存储不同类型的数据
- 列名可以用来访问列数据
列表（List）
列表是一种复合数据结构，可以包含不同类型的数据对象，每个元素可以是向量、矩阵、数据框或其他列表等
- 格式示例：
# 创建一个列表
my_list <- list(numeric_vector = c(1, 2, 3),character_vector = c("Alice", "Bob", "Charlie"),numeric_matrix = matrix(1:4, nrow = 2),df = data.frame(name = c("Alice", "Bob"),age = c(25, 30))
)
> my_list
$numeric_vector
[1] 1 2 3$character_vector
[1] "Alice" "Bob" "Charlie"$numeric_matrix[,1] [,2]
[1,] 1 3
[2,] 2 4$dfname age
1 Alice 25
2 Bob 30
- 特点：
- 可以包含不同类型和结构的元素
- 可以通过名称或索引来访问每个元素
综合分析和对比
-
存储内容：
- 向量、矩阵和数组主要用于存储数值、字符等基本数据类型
- 数据框用于存储表格型数据，每列可以有不同的数据类型
- 列表则是一种更为灵活的结构，可以混合存储各种数据类型和结构
-
访问方式：
- 向量、矩阵、数组通过索引来访问元素
- 数据框通过列名或列索引来访问列数据
- 列表通过名称或索引来访问每个元素，元素可以是任意R对象
-
应用场景：
- 使用向量、矩阵和数组进行数值计算和统计分析
- 使用数据框进行数据整理、分析和可视化
- 使用列表对复杂的数据结构进行管理和操作，适合于存储和传递不同类型的数据对象
