自学教程数据类型指的是用于声明不同类型的变量或函数的一个广泛的系统。
变量的类型决定了变量存储占用的空间，以及如何解释存储的位模式。
R 语言中的最基本数据类型主要有三种：
- 数字
- 逻辑
- 文本
数字常量主要有两种：
| 一般型 | 123 -0.125 |
|---|---|
| 科学计数法 | 1.23e2 -1.25E-1 |
逻辑类型在许多其他编程语言中常称为布尔型（Boolean），常量值只有 TRUE 和 FALSE。
注意：R 语言区分大小写，true 或 True 不能代表 TRUE。
最直观的数据类型就是文本类型。文本就是其它语言中常出现的字符串（String），常量用双引号包含。在 R 语言中，文本常量既可以用单引号包含，也可以用双引号包含，例如：
实例
> 'runoops' == "runoops"
[1] TRUE有关于 R 语言的变量定义，并不像一些强类型语言中的语法规则，需要专门为变量设置名称和数据类型，每当在 R 中使用赋值运算符时，实际上就是定义了一个新的变量：
实例
a = 1
b <- TRUE
b = "abc"按对象类型来分是以下 6 种（后面会详细介绍这几种类型）：
向量
向量（Vector）在 Java、Rust、C# 这些专门编程的的语言的标准库里往往会提供，这是因为向量在数学运算中是不可或缺的工具——我们最常见的向量是二维向量，这种向量在平面坐标系中必然会用到。
向量从数据结构上看就是一个线性表，可以看成一个数组。
R 语言中向量作为一种类型存在可以让向量的操作变得更加容易：
实例
> a = c(3, 4)
> b = c(5, 0)
> a + b
[1] 8 4
>c() 是一个创造向量的函数。
这里把两个二维向量相加，得到一个新的二维向量 (8, 4)。如果将一个二维向量和三维向量做运算，将失去数学意义，虽然不会停止运行，但会被警告。
我建议大家从习惯上杜绝这种情况的出现。
向量中的每一个元素可以通过下标单独取出：
实例
> a = c(10, 20, 30, 40, 50)
> a[2]
[1] 20注意：R 语言中的"下标"不代表偏移量，而代表第几个，也就是说是从 1 开始的！
R 也可以方便的取出向量的一部分：
实例
> a[1:4] # 取出第 1 到 4 项，包含第 1 和第 4 项
[1] 10 20 30 40
> a[c(1, 3, 5)] # 取出第 1, 3, 5 项
[1] 10 30 50
> a[c(-1, -5)] # 去掉第 1 和第 5 项
[1] 20 30 40这三种部分取出方法是最常用的。
向量支持标量计算：
实例
> c(1.1, 1.2, 1.3) - 0.5
[1] 0.6 0.7 0.8
> a = c(1,2)
> a ^ 2
[1] 1 4之前讲述的常用的数学运算函数，如 sqrt 、exp 等，同样可以用于对向量作标量运算。
"向量"作为线性表结构，应该具备一些常用的线性表处理函数，R 确实具备这些函数：
向量排序：
实例
> a = c(1, 3, 5, 2, 4, 6)
> sort(a)
[1] 1 2 3 4 5 6
> rev(a)
[1] 6 4 2 5 3 1
> order(a)
[1] 1 4 2 5 3 6
> a[order(a)]
[1] 1 2 3 4 5 6order() 函数返回的是一个向量排序之后的下标向量。
向量统计
R 中有十分完整的统计学函数：
| 函数名 | 含义 |
|---|---|
| sum | 求和 |
| mean | 求平均值 |
| var | 方差 |
| sd | 标准差 |
| min | 最小值 |
| max | 最大值 |
| range | 取值范围（二维向量，最大值和最小值） |
向量统计实例：
实例
> sum(1:5)
[1] 15
> sd(1:5)
[1] 1.581139
> range(1:5)
[1] 1 5向量生成
向量的生成可以用 c() 函数生成，也可以用 min:max 运算符生成连续的序列。
如果想生成有间隙的等差数列，可以用 seq 函数：
> seq(1, 9, 2) [1] 1 3 5 7 9
seq 还可以生成从 m 到 n 的等差数列，只需要指定 m, n 以及数列的长度：
> seq(0, 1, length.out=3) [1] 0.0 0.5 1.0
rep 是 repeat（重复）的意思，可以用于产生重复出现的数字序列：
> rep(0, 5) [1] 0 0 0 0 0
向量中常会用到 NA 和 NULL ，这里介绍一下这两个词语与区别：
- NA 代表的是"缺失"，NULL 代表的是"不存在"。
- NA 缺失就像占位符，代表这里没有一个值，但位置存在。
- NULL 代表的就是数据不存在。
实例说明：
实例
> length(c(NA, NA, NULL))
[1] 2
> c(NA, NA, NULL, NA)
[1] NA NA NA很显然， NULL 在向量中没有任何意义。
逻辑型
逻辑向量主要用于向量的逻辑运算，例如：
实例
> c(11, 12, 13) > 12
[1] FALSE FALSE TRUEwhich 函数是十分常见的逻辑型向量处理函数，可以用于筛选我们需要的数据的下标:
实例
> a = c(11, 12, 13)
> b = a > 12
> print(b)
[1] FALSE FALSE TRUE
> which(b)
[1] 3例如我们需要从一个线性表中筛选大于等于 60 且小于 70 的数据：
实例
> vector = c(10, 40, 78, 64, 53, 62, 69, 70)
> print(vector[which(vector >= 60 & vector < 70)])
[1] 64 62 69类似的函数还有 all 和 any：
实例
> all(c(TRUE, TRUE, TRUE))
[1] TRUE
> all(c(TRUE, TRUE, FALSE))
[1] FALSE
> any(c(TRUE, FALSE, FALSE))
[1] TRUE
> any(c(FALSE, FALSE, FALSE))
[1] FALSEall() 用于检查逻辑向量是否全部为 TRUE，any() 用于检查逻辑向量是否含有 TRUE。
字符串
字符串数据类型本身并不复杂，这里注重介绍字符串的操作函数：
实例
> toupper("Runoops") # 转换为大写
[1] "RUNOOPS"
> tolower("Runoops") # 转换为小写
[1] "runoops"
> nchar("中文", type="bytes") # 统计字节长度
[1] 4
> nchar("中文", type="char") # 总计字符数量
[1] 2
> substr("123456789", 1, 5) # 截取字符串，从 1 到 5
[1] "12345"
> substring("1234567890", 5) # 截取字符串，从 5 到结束
[1] "567890"
> as.numeric("12") # 将字符串转换为数字
[1] 12
> as.character(12.34) # 将数字转换为字符串
[1] "12.34"
> strsplit("2019;10;1", ";") # 分隔符拆分字符串
[[1]]
[1] "2019" "10" "1"
> gsub("/", "-", "2019/10/1") # 替换字符串
[1] "2019-10-1"在 Windows 计算机上实现，使用的是 GBK 编码标准，所以一个中文字符是两个字节，如果在 UTF-8 编码的计算机上运行，单个中文字符的字节长度应该是 3。
R 支持 perl 语言格式的正则表达式：
实例
> gsub("[[:alpha:]]+", "$", "Two words")
[1] "$ $"更多字符串内容参考：R 语言字符串介绍。
矩阵
R 语言为线性代数的研究提供了矩阵类型，这种数据结构很类似于其它语言中的二维数组，但 R 提供了语言级的矩阵运算支持。
首先看看矩阵的生成：
实例
> vector=c(1, 2, 3, 4, 5, 6)
> matrix(vector, 2, 3)
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6矩阵初始化内容是由一个向量来传递的，其次要表达一个矩阵有几行、有几列。
向量中的值会一列一列的填充到矩阵中。如果想按行填充，需要指定 byrow 属性：
实例
> matrix(vector, 2, 3, byrow=TRUE)
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6矩阵中的每一个值都可以被直接访问：
实例
> m1 = matrix(vector, 2, 3, byrow=TRUE)
> m1[1,1] # 第 1 行 第 1 列
[1] 1
> m1[1,3] # 第 1 行 第 3 列
[1] 3R 中的矩阵的每一个列和每一行都可以设定名称，这个过程通过字符串向量批量完成：
实例
> colnames(m1) = c("x", "y", "z")
> rownames(m1) = c("a", "b")
> m1
x y z
a 1 2 3
b 4 5 6
> m1["a", ]
x y z
1 2 3矩阵的四则运算与向量基本一致，既可以与标量做运算，也可以与同规模的矩阵做对应位置的运算。
矩阵乘法运算：
实例
> m1 = matrix(c(1, 2), 1, 2)
> m2 = matrix(c(3, 4), 2, 1)
> m1 %*% m2
[,1]
[1,] 11逆矩阵：
实例
> A = matrix(c(1, 3, 2, 4), 2, 2)
> solve(A)
[,1] [,2]
[1,] -2.0 1.0
[2,] 1.5 -0.5solve() 函数用于求解线性代数方程，基本用法是 solve(A,b)，其中，A 为方程组的系数矩阵，b 方程的向量或矩阵。
apply() 函数可以将矩阵的每一行或每一列当作向量来进行操作：
实例
> (A = matrix(c(1, 3, 2, 4), 2, 2))
[,1] [,2]
[1,] 1 2
[2,] 3 4
> apply(A, 1, sum) # 第二个参数为 1 按行操作，用 sum() 函数
[1] 3 7
> apply(A, 2, sum) # 第二个参数为 2 按列操作
[1] 4 6更多矩阵内容参考：R 矩阵。
分享笔记