1.原子对象
R语言有5类最基本的原子对象：
1) 字符型character
字符型对象用” ”包括。
2) 数值型numeric(real numbers)
数字对象在R中默认为数值型（numeric），如果你需要指定一个数据为整数型，需要在改数字后加上L。如：数字123默认为numeric型，如果需要其为integer型，可表示为123L。
3) 整数型integer
4) 复数型complex
复数的实部用实数表示，虚部用实数+i表示。如：3+2i，2+1i等。
5) 逻辑型logical(True/False)
注：R语言中还有几类特殊对象:
- Inf\-Inf（infinity）表示正负无穷大
<span style="font-size:18px;"><span style="font-size:18px;">> 1/0 [1] Inf > -1/0 [1] –Inf</span></span>
- Na（not available）表示缺失值
NaN(not anumber)表示无意义值
<span style="font-size:18px;"><span style="font-size:18px;">> 0/0 [1] NaN</span></span>
2.赋值与注释
R中赋值采用指向符号“<-”表示，很形象，但是需要按住shift键才能打出符号“<”，并且赋值符号由两个字符组成，因此写代码时非常不方便。
R语言用两个“##”进行注释，##后的代码不被执行，作用域在改行内有效。
<span style="font-size:18px;"><span style="font-size:18px;">> x<-c(1,2,3)##y<-4 > x [1] 1 2 3 > y 错误: 找不到对象'y'</span></span>
3.向量（vector）
R中向量可以用函数c()（concatenate）创建向量，同一向量内的对象类型必须相同：
<span style="font-size:18px;"><span style="font-size:18px;">> x <- c(0.5, 0.6) ## numeric
> x <- c(TRUE, FALSE) ## logical
> x <- c(T, F) ## logical
> x <- c("a", "b", "c") ## character
> x <- 9:29 ## integer
> x <- c(1+0i, 2+4i) ## complex</span></span>
也可以用函数vector()初始化向量：vector(“datatype”, length=length_of_vector)
<span style="font-size:18px;"><span style="font-size:18px;">> x<-vector("integer",length=5)
> x
[1] 0 0 0 0 0
> y<-vector("character",length=5)
> y
[1] "" "" "" "" ""</span></span>
4.最低共有特性（least common denominator）
在同一个向量中，如果有不同类型的对象，R不会报错，而是遵守低共有特性，将高类型的对象向低类型转换。
<span style="font-size:18px;">> x<-c(TRUE,2,1.2,3+2i,"Hello") > x [1] "TRUE" "2" "1.2" "3+2i" "Hello"## > x<-c(TRUE,2,1.2,3+2i) > x [1] 1.0+0i 2.0+0i 1.2+0i 3.0+2i > x<-c(TRUE,2,1.2) > x [1] 1.0 2.0 1.2 > x<-c(TRUE,2) > x [1] 1 2</span>
由上例可以看出，基本对象等级由高至低排序为：logic、integer、numeric、complex、character。
5.类型强转
R通过as.datatype(object)函数将对象类型进行强制转换，转换原则也遵循高等级对象可转换为低等级，而低等级对象不能转换为高等级（转换时会丢失数据信息）。
<span style="font-size:18px;">> x <- 0:6 > class(x) [1] "integer" > as.numeric(x) [1] 0 1 2 3 4 5 6 > as.logical(x) [1] FALSE TRUE TRUE TRUE TRUE TRUE TRUE > as.character(x) [1] "0" "1" "2" "3" "4" "5" "6" > as.numeric(x) [1] NA NA NA 警告信息： 强制改变过程中产生了NA > x<-3+2i > as.numeric(x) [1] 3 警告信息： 强制改变时丢弃了虚数部分</span>
6.矩阵
矩阵是二维数组，矩阵中的对象具有相同的类型，可以通过函数matrix创建矩阵，格式为：
m<-matrix(vector,nrow=number_of_rows,ncol=number_of_columns，byrow=logic_value)
<span style="font-size:18px;">> m<-matrix(nrow=2,ncol=3)
> m
[,1] [,2] [,3]
[1,] NA NA NA
[2,] NA NA NA
> m<-matrix(1:6,nrow=2,ncol=3)
> m
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6</span>
矩阵是默认按列填充的，如果需要矩阵按行填充，需要将byrow属性设置为TRUE。
<span style="font-size:18px;">> m<-matrix(1:6,nrow=2,ncol=3,byrow=TRUE)
> m
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
</span>
也可以先创建向量，再通过dim()函数将该向量中的对象加入指定矩阵：
<span style="font-size:18px;">> a<-c(2,3)
> a
[1] 2 3
> m<-c(1,2,3,4,5,6)
> dim(m)<-c(2,3)
> m
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
</span>
dim()函数也可以用来查看矩阵的维度：
<span style="font-size:18px;">> dim(m) [1] 2 3 </span>
矩阵也可以通过函数cbind()和rbind()函数将向量合并成矩阵：
<span style="font-size:18px;">> x<-c(1,2,3)
> y<-c(4,5,6)
> z<-c(7,8,9)
> cbind(x,y)
x y
[1,] 1 4
[2,] 2 5
[3,] 3 6
> rbind(x,y)
[,1] [,2] [,3]
x 1 2 3
y 4 5 6
> rbind(x,y,z)
[,1] [,2] [,3]
x 1 2 3
y 4 5 6
z 7 8 9
</span>
7．列表
列表（list）是一种特殊的向量，list可以包含不同类型的对象，甚至包括向量对象和矩阵对象等。列表中每个对象之间用逗号隔开，每个对象索引号用双“[[]]”表示，而每个对象中的元素用单“[]”表示。
<span style="font-size:18px;">> x<-list("hello",1:4L,3.2,4+5i,TRUE)
> x
[[1]]
[1] "hello"
[[2]]
[1] 1 2 3 4
[[3]]
[1] 3.2
[[4]]
[1] 4+5i
[[5]]
[1] TRUE
</span>
8．因子（factor）
因子一般用来表示分类数据，数据既可以是有序的，也可以是无序的。使用factor表示分类标签比较直观，例如使用“male”“female”优于使用1，2这样的数量值去表示。
<span style="font-size:18px;">> x <- factor(c("yes", "yes", "no", "yes", "no"))
> x
[1] yes yes no yes no
Levels: no yes
> table(x)
x
no yes
2 3
</span>
levels中对象的顺序，也可以通过参数levels自定义。
<span style="font-size:18px;">> x <- factor(c("yes", "yes", "no", "yes", "no"),levels=c("yes","no"))
> x
[1] yes yes no yes no
Levels: yes no
</span>
9.缺失值
is.na()用于测试对象是否为NA，is.nan()用于测试对象是否为NaN。NA是NaN，但NaN不是NA，NaN比Na程度更深。
<span style="font-size:18px;">> b<-c(1,2,3,NA,4) > is.na(b) [1] FALSE FALSE FALSE TRUE FALSE > is.nan(b) [1] FALSE FALSE FALSE FALSE FALSE > b<-c(1,2,3,NaN,4) > is.na(b) [1] FALSE FALSE FALSE TRUE FALSE > is.nan(b) [1] FALSE FALSE FALSE TRUE FALSE </span>
10.数据框
数据框用来储存tabular数据，用data.frame()创建。可以将数据框看作特殊的list集合，每个list长度相同且对应位置的数据类型相同。
<span style="font-size:18px;">> x<-data.frame(a=1:4,b=c("a","b","c","d"))
> x
a b
1 1 a
2 2 b
3 3 c
4 4 d
> nrow(x)
[1] 4
> ncol(x)
[1] 2
</span>
11.命名
R可以通过函数names()给想了对象命名，通过dimnames()给矩阵命名，同样也可以给列表命名：
<span style="font-size:18px;">> x<-c(1,2,3,4) ##给向量命名
> names(x)<-c("one","two","three","four")
> x
one two three four
1 2 3 4
> names(x)
[1] "one" "two" "three" "four"
> y<-list(one=1,two=2,three=3) ##给列表命名
> y
$one
[1] 1
$two
[1] 2
$three
[1] 3
> m<-matrix(1:4,nrow=2,ncol=2)
> m
[,1] [,2]
[1,] 1 3
[2,] 2 4
> dimnames(m)<-list(c("one","two"),c("three","four"))
> m
three four
one 1 3
two 2 4
</span>