baseR_vector.Rmd

# 向量 {#baseR-vectors}

向量是R语言最基础的数据类型。



## 向量就像冰糖葫芦

前面，我们把6这个数放入盒子 `x`，

```{r}
x <- 6
```

现在，我们想多装一些数据（有顺序、好取出），比如`3,4,5,6,7`

```{r, eval=FALSE}
x <- 3, 4, 5, 6, 7   # work？
```


为了方便管理，那我们就希望这些数有一定的顺序，并且按照一定的结构组织在一起，我能想到的最好的结构就是---我们小时候吃的冰糖葫芦，中间用一根木棒把水果串起来，有先后顺序，而且当做一个整体方便取出。

```{r, echo=FALSE, out.width = '30%'}
knitr::include_graphics("images/vector_like11.jpg", dpi = 300)
```

对应到R语言里，我们可以用 `c()` 函数实现类似**结构**，一个水果对应一个数值


```{r, echo=FALSE, out.width = '100%'}
knitr::include_graphics("images/vector_like.jpg", dpi = 300)
```


```{r}
x <- c(3, 4, 5, 6, 7)
x
```

我们观察到`c()`函数构造向量的几个要求

- 这里的`c`就是 combine 或 concatenate 的意思
- 它要求元素之间用**英文的逗号**分隔
- 且元素的数据类型是统一的，比如这里都是数值

这样，`c()` 函数把一组数据聚合到了一起，就构成了一个**向量**。


### 聚合成新向量

`c()` 函数还可以把两个向量聚合成一个新的向量。
```{r}
low      <- c(1, 2, 3)
high     <- c(4, 5, 6)
sequence <- c(low, high)
sequence
```


### 命名向量(named vector)

相比与向量`c(5, 6, 7, 8)`， 每个元素可以有自己的名字
```{r}
x <- c('a' = 5, 'b' = 6, 'c' = 7, 'd' = 8)
x
```

或者
```{r}
x <- c(5, 6, 7, 8)
names(x) <- c('a', 'b', 'c', 'd')
x
```


### 单个元素的向量

我们再回头看看之前的

```{r, eval=FALSE}
x <- 6
```

它实际上就是
```{r}
x <- c(6)
```

即长度为 1 的向量，相当于，只有一个草莓的糖葫芦。在我看来，`x <- 6` 是 `x <- c(6)` 偷懒的写法。



我们再来看看向量的两个基本属性**类型**与**长度**

- 类型
```{r}
x <- c(3, 4, 5, 6, 7)
typeof(x)
```

- 长度
```{r}
length(x)
```


```{r, include = FALSE, echo=TRUE, message=TRUE, warning=TRUE}
a <- 2  # a <- c(2)
is.vector(a)
typeof(a)
length(a)

aa <- c(2, 4, 3, 1, 5, 7)
is.vector(aa)
typeof(aa)
length(aa)
```



## 数值型向量

向量的元素都是数值类型，因此也叫数值型向量。数值型的向量，有 integer 和 double 两种：

```{r, eval=FALSE}
x <- c(1L, 5L, 2L, 3L)    # 整数型
x <- c(1.5, -0.5, 2, 3)   # 双精度类型，常用写法
x <- c(3e+06, 1.23e2)     # 双精度类型，科学计数法
```

如果向量元素很多，用手工一个个去输入，那就成了体力活，不现实。**在特定情况下**，有几种偷懒方法:

- `seq()` 函数可以生成等差数列，`from` 参数指定数列的起始值，`to` 参数指定数列的终止值，`by` 参数指定数值的间距：

```{r}
s1 <- seq(from = 0, to = 10, by = 0.5)
s1
```



- `rep()` 是 repeat（重复）的意思，可以用于产生重复出现的数字序列：`x` 用于重复的向量，`times` 参数可以指定要生成的个数，`each` 参数可以指定每个元素重复的次数

```{r}
s2 <- rep(x = c(0, 1), times = 3)
s2

s3 <- rep(x = c(0, 1), each = 3)
s3
```



- `m:n`，如果单纯是要生成数值间距为1的数列，用 `m:n` 更快捷，它产生从 m 到 n 的间距为1的数列
```{r}
s4 <- 0:10  # Colon operator (with by = 1):
s4
```



```{r}
s5 <- 10:1
s5
```

## 字符串型向量

字符串（String）数据类型，实际上就是文本类型，必须用单引号或者是双引号包含，例如：


```{r}
x <- c("a", "b", "c")    
x <- c('Alice', 'Bob', 'Charlie', 'Dave')    
x <- c("hello", "baby", "I love you!") 
```

需要注意的是，`x1`是字符串型向量，`x2`是数值型向量
```{r}
x1 <- c("1", "2", "3")
x2 <- c(1, 2, 3)
```



## 逻辑型向量

逻辑型常称为布尔型（Boolean）， 它的常量值只有 `TRUE` 和 `FALSE`。注意 `TRUE` 和 `FALSE` 是在R语言中的保留词汇，所谓保留词汇，就是专用词，类似圆周率$\pi$(`pi`)，特指某个含义，请勿将保留词汇用作变量名。

```{r}
x <- c(TRUE, TRUE, FALSE, FALSE)
x <- c(T, T, F, F)            # Equivalent, but not recommended
```

`TRUE`和`FALSE`必须都大写，不能写成下面这些形式
```{r, eval=FALSE}
x <- c(True, False)          
x <- c(true, false)          
```


注意以下两者不要混淆，`x1`是逻辑型向量，`x2`是字符串型向量
```{r}
x1 <- c(TRUE, FALSE)             # logical
x2 <- c("TRUE", "FALSE")         # character
```

因为`TRUE`和`FALSE`是专用词，不加引号，如果加了引号，就是字符串型向量。


## 因子型向量

因子型可以看作是字符串向量的增强版，它是带有层级（Levels）的字符串向量。比如这里四个季节的名称，他们构成一个向量

```{r}
four_seasons <- c("spring", "summer", "autumn", "winter")
four_seasons
```

我们使用 `factor()` 函数可以将这里的字符串向量转换成因子型向量

```{r}
four_seasons_factor <- factor(four_seasons)
four_seasons_factor
```

查看因子型向量的时候，也会输出了层级信息，默认的情况，它是按照字符串首字母的顺序排序，当然也可以指定顺序，这个时候，我们就需要指定层级信息，比如指定我对四个季节喜欢的顺序为c("summer", "winter", "spring", "autumn")

```{r}
four_seasons <- c("spring", "summer", "autumn", "winter")
four_seasons_factor <- factor(four_seasons, 
                              levels = c("summer", "winter", "spring", "autumn")
                              )
four_seasons_factor
```


再比如，General上将；Colonel上校；Captain上尉, 如果没有指定层级levels，`c("Colonel", "General", "Captain")`就是一个常规的字符串向量，若指定了层级levels，这个字符串就多了军衔信息.

```{r}
soldier <- factor(c("Colonel", "General", "Captain"), 
                 levels = c("General", "Colonel", "Captain")
       )
soldier
```




## 小结

```{r, out.width = '100%', echo = FALSE}
knitr::include_graphics("images/create_vectors.png")
```



```{r, include = FALSE}
c(1, 0.5, 3, 7)
c("Alice", "love", "30", "dog")
c(TRUE, FALSE, TRUE, FALSE)
factor(c("a", "c", "c", "b"))
```

## 强制转换

矢量中的元素必须是相同的类型，但如果不一样呢，会发生什么？
这个时候R会**强制转换**成相同的类型。这就涉及数据类型的转换层级

- character > numeric > logical
- double > integer

比如这里会强制转换成字符串类型
```{r}
c(1, "foo", TRUE)
```

这里会强制转换成数值型
```{r}
c(7, TRUE, FALSE)
```

这里会强制转换成双精度的数值型
```{r}
c(1L, 2, pi)
```

## 习题

- 请说出fun3的结果
```{r, eval=FALSE}
fun <- c("programming", "in", "R") 
fun2 <- c("Have", "fun")
fun3 <- c(fun2, fun)
fun3

```

- 数据类型必须一致是构建向量的基本要求，如果数值型、字符串型和逻辑型写在一起，用`c()`函数构成向量，猜猜会发生什么？

```{r, eval=FALSE}
x <- c(1, "USA", TRUE)
x
```

- 形容温度的文字
```{r, eval=FALSE}
temperatures <- c("warm", "hot", "cold")
```

要求转换成因子类型向量，并按照温度从高到低排序

```{r, eval=FALSE, include=FALSE}
temp_factors <- factor(temperatures, ordered = TRUE, levels = c("cold", "warm", "hot"))
temp_factors
```