R学习：R for Data Science 向量（1）
R学习往期回顾：
R学习 从Tidyverse学起，入门R语言 dplyr合并数据
R学习 从Tidyverse学起，入门R语言（tidyr和stringr）
R学习 从Tidyverse学起，入门R语言（tibble，readr和dplyr）
向量基础
向量的类型主要有两种 · 原子向量，其共有 6 种类型：逻辑型、 整型、 双精度型、 字符型、 复数型和原始型。整型和双精度型向量又统称为数值型向量。
· 列表，有时又称为递归向量，因为列表中也可以包含其他列表。
原子向量与列表之间的主要区别是，原子向量中的各个值都是同种类型的，而列表中的各个值可以是不同类型的。NULL 是一个与向量相关的对象，用于表示空向量（与表示向量中的一个值为空的 NA 不同），通常指长度为 0 的向量。
每个向量都有两个关键属性
· 类型。你可以使用 typeof() 函数来确定向量的类型：
library(tidyverse)typeof(letters)#> [1] "character"typeof(1:10)#> [1] "integer"· 长度。你可以使用 length() 函数来确定向量的长度 ：
x <- list("a", "b", 1:10)length(x)#> [1] 3还可以向向量中任意添加额外的元数据，这些元数据称为特性。特性可以用来创建扩展向量，以执行一些新的操作。比较重要的扩展向量有 4 种类型。
· 基于整型向量构建的因子。
· 基于数值型向量构建的日期和日期时间。
· 基于列表构建的数据框和 tibble。
重要的原子向量
4 种最重要的原子向量类型是逻辑型、整型、双精度型和字符型。
逻辑型
1:10 %% 3 == 0#> [1] FALSE FALSE TRUE FALSE FALSE#> [2] TRUE FALSE FALSE TRUE FALSEc(TRUE, TRUE, FALSE, NA)#> [1] TRUE TRUE FALSE NA数值型
整型与双精度型向量统称为数值型向量。R 中默认数值是双精度型的。如果想要创建整型数值，可以在数字后面加一个 L
整型和双精度型之间的区别一般并不重要，但你需要注意其中两个重要区别。
· 双精度型是近似值。双精度型表示的是浮点数，不能由固定数量的内存精确表示。这意味着你应该将所有双精度数当成近似值。例如， 2 的平方根的平方是多少？
x <- sqrt(2) ^ 2x#> [1] 2x - 2#> [1] 4.44e-16在处理浮点数时，这种现象非常普遍：多数计算都包括一些近似误差。在比较浮点数时，不能使用 ==，而应该使用 dplyr::near()，后者可以容忍一些数据误差
整型数据有 1 个特殊值 NA，而双精度型数据则有 4 个特殊值：NA、 NaN、 Inf 和 -Inf。其他 3 个特殊值都可以由除法产生：
c(-1, 0, 1) / 0#> [1] -Inf NaN Inf不要使用 == 来检查这些特殊值，而应该使用辅助函数 is.finite()、 is.infinite() 和is.nan()
字符型
字符向量是最复杂的一种原子向量，因为其每个元素都是一个字符串，而字符串可以包含任意数量的数据。
缺失值
每种类型的原子向量都有自己的缺失值
NA # 逻辑型#> [1] NANA_integer_ # 整型#> [1] NANA_real_ # 双精度型#> [1] NANA_character_ # 字符型#> [1] NA公众号“生信小课堂”