一、向量（一维数据）
向量是R语言中最基本的数据类型，是以一维数组管理数据的一种对象类型，可以是数值型、字符型、逻辑值型、复数型。
注意：同一向量不能混杂多种不同类型的数据。
1. 创建向量
通过函数c()实现组合功能，例如
> x1<-c(2,3,5,7,10)
> x1
[1] 2 3 5 7 10
> x2<-c("a","b","c")
> x2
[1] "a" "b" "c"
2. 向量索引
（1） 下标索引（注意：R中下标是从1开始的），例如
x1[1]——返回x1的第1个元素
x1[-1]——返回除第一个元素之外的所有元素
x1[c(2:4)]——返回x1的第2至4个元素
x1[-c(2:4)]——返回x1的除第2至4元素之外的所有元素
（2） 名称索引
先给向量中的每个元素命名，再通过名称访问对应的元素：
> names(x1)<-c("two","three","five","seven","ten")
> x1[c("three","seven")]
three seven
3 7
（3）which元素位置
通过函数which()返回逻辑向量中为TRUE的位置；
which.max(x1)返回向量x1中最大值所在的位置；
which.min(x1)返回向量x1中最小值所在的位置。
> x1<-c(2,3,5,7,10)
> x1[which(x1>3 & x1<8)]
[1] 5 7
> x1[which.max(x1)]
[1] 10
（4）subset生成子集
检索向量中满足条件的元素，提取出来：
subset(x1,x1>3 & x1<8)
[1] 5 7
（5）match匹配
match(x1,x2) 逐个检查向量x1中元素是否在向量x2中，若是则返回该元素，否则返回NA：
> x1<-c(2,3,5,7,10)
> x2=1:4
> match(x1,x2)
[1] 2 3 NA NA NA
（6）%in%检查是否属于
x1 %in% x2 逐个判断向量x1中元素是否属于向量x2：
> x1 %in% x2
[1] TRUE TRUE FALSE FALSE FALSE
3. 向量的编辑
对已创建向量进行增加或删除元素。
（1）增加元素
> x<-1:5
> x
[1] 1 2 3 4 5
> x<-c(x,c(6,7,8))
> x
[1] 1 2 3 4 5 6 7 8
x[10]=10
> x
[1] 1 2 3 4 5 6 7 8 NA 10
length(x)
[1] 10
（2）删除元素
> x=1:8
> x
[1] 1 2 3 4 5 6 7 8
> x<-x[-c(3,5)]
> x
[1] 1 2 4 6 7 8
> x<-x[-1]
> x
[1] 2 4 6 7 8
4.向量排序
函数sort()，基本格式：
sort(x,decreasing=FALSE, na.last= FALSE,...)
其中，x为排序对象（数值型或字符型）；decreasing默认为FALSE即升序，TURE为降序；na.last默认为FALSE，若为TRUE，则将向量中的NA值放到序列末尾。
函数rank()，返回值是该向量中对应元素的“排名”。
函数order(),返回值是对应“排名”的元素所在向量中的位置，例如，
> x<-c(1,5,8,2,9,7,4)
> x
[1] 1 5 8 2 9 7 4
> order(x)
[1] 1 4 7 2 6 3 5
说明：默认按升序，排名第2的元素在原向量的第4个位置。
函数rev(),将序列进行反转，即1,2,3变成3,2,1
5.创建等差序列
函数seq(),基本格式为：
seq(from=...,to=...,by=...,length.out=...,along.with =...)
其中，from设置首项（默认为1）；to设置尾项；by设置等差值（默认为1或-1）；length.out设置序列长度；along.with以该参数的长度作为序列长度。
根据需要设置某几个参数即可，seq(17)同seq(1,17)同1:17
6.创建重复序列
函数rep(),基本格式为：
rep(x,times=...,length.out=...,each=...)
其中，x为要重复的序列；times设置序列重复次数；length.out设置产生的序列的长度；each设置每个元素分别重复的次数（默认为1）。
> x=1:3
> x
[1] 1 2 3
> rep(x,2)
[1] 1 2 3 1 2 3
> rep(x,each=2)
[1] 1 1 2 2 3 3
> rep(x,c(2,1,2)) #按照规则重复序列中的各元素
[1] 1 1 2 3 3
> rep(x,each=2,length.out=4)
[1] 1 1 2 2
> rep(x,each=2,times=3)
[1] 1 1 2 2 3 3 1 1 2 2 3 3 1 1 2 2 3 3
二、矩阵（二维数据）
矩阵是二维数组，可以描述二维数据，也要求矩阵内各元素有相同的类型。
1.创建矩阵
函数matrix(),基本格式为：
matrix(x, nrow=..., ncol=..., byrow=..., dimnames=...)
其中，x为数据向量作为矩阵的元素；nrow设定行数；ncol设定列数；byrow设置是否按行填充，默认为FALSE（按列填充）；dimnames用字符型向量表示矩阵的行名和列名。
> x<-1:6
> x
[1] 1 2 3 4 5 6
> a<-matrix(x,nrow=3,ncol=2,byrow=T)
> a
[,1] [,2]
[1,] 1 2
[2,] 3 4
[3,] 5 6
> b<-matrix(x)
> b
[,1]
[1,] 1
[2,] 2
[3,] 3
[4,] 4
[5,] 5
[6,] 6
> dim(b)=c(3,2)
> b
[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
> c<-matrix(x,nrow=3,ncol=2,byrow=F,dimnames=list(c("r1","r2","r3"), c("c1","c2")))
> c
c1 c2
r1 1 4
r2 2 4
r3 3 6
函数as.vector(),可将矩阵转化为向量，元素按列读取。
> as.vector(c)
[1] 1 2 3 4 5 6
2.矩阵索引
a[i,j]——返回矩阵a的第i行，第j列的元素
a[i,]——返回矩阵a的第i行
a[,j]——返回矩阵a的第j列
a[c(i:j),]——返回矩阵a的第i至第j行
a[,j]——返回矩阵a的第i行，第j列的元素
也可按名称索引：
c["r2","c1"]——返回矩阵c的第r2行，第c1列的元素2
3.矩阵的编辑
函数rbind(A,B),纵向合并（增加行），要求列数相同；
函数cbind(C,D),衡向合并（增加列），要求行数相同。
注意：rbind(A,1)相当于给矩阵A增加一行“1”。
a[-1,]，删除矩阵a的第一行
a[,-1]，删除矩阵a的第一列
a[-c(2:4),]，删除矩阵a的第2至4行
4.矩阵的运算
+-*/——四则运算（要求矩阵维数相同）
colSums()——对矩阵的各列求和
rowSums()——对矩阵的各行求和
colMeans()——对矩阵的各列求均值
rowMeans()——对矩阵的各行求均值
t()——对矩阵转置
det()——返回方阵的行列式
crossprod()——返回两个矩阵的内积
outer()——返回矩阵的外积（叉积）
%*%——矩阵乘法（要求左阵的列数=右阵的行数）
diag()——取矩阵对角线元素生成对角矩阵，若对象是向量，则以该向量作为对角元素
solve()——返回逆矩阵（要求矩阵可逆）
eigen()——返回矩阵的特征值与特征向量
三、多维数组（高维数据）
数组与矩阵类似，是矩阵的扩展，维度≥3. 也要求数组中各元素有相同的类型。
1.创建多维数组
函数array(),基本格式为：
array(x,dim=...,dimnames=...)
其中，x为数据向量作为多维数组的元素；dim设置多维数组各维度的维数；dimnames设置多维数组各维度的名称。
> x<-1:30
> dim1<-c("A1","A2","A3")
> dim2<-c("B1","B2","B3","B4","B5")
> dim3<-c("C1","C2")
> a<-array(x,dim=c(3,5,2),dimnames = list(dim1,dim2,dim3))
> a
, , C1
B1 B2 B3 B4 B5
A1 1 4 7 10 13
A2 2 5 8 11 14
A3 3 6 9 12 15
, , C2
B1 B2 B3 B4 B5
A1 16 19 22 25 28
A2 17 20 23 26 29
A3 18 21 24 27 30
2.多维数组索引
第3个维度姑且称为“页”。
a[2,4,2]——返回第2页，第2行，第4列的元素26
或按各维度名称索引
a["A2","B4","C2"]——同a[2,4,2]
a[,,2]——返回第2页
dim(a)——返回多维数组a的各维度的维数3 5 2
