--- disqus: ahb0222 GA : G-CQ4L16KHK4 --- R 變數類型 === > [color=#40f1ef][name=LHB阿好伯, Jan 30, 2019 06:48 PM][:earth_africa:](https://www.facebook.com/LHB0222/) ###### tags: `R` [TOC] 判斷變數類型函數 `class()` --- R內建的`class(x)`可以用來判斷資料類型 首先可以分為下面6種資料類型 | Data Type | Example | 備註 | | :---: | :---: | :---: | | Logical 邏輯值 |TRUE, FALSE | 邏輯判斷結果 |　 | Numeric 浮點數| 1, 2.3, 4567890 | 多數數字為浮點數，為計算機儲存數字資料所產生的 | | Integer 整數| 1L, 2L, 34L | 避免浮點數就在整數後面加上大寫L | | Coplex 複數 | 3 + 2i | | Charater 字串 | 'a', "TURE", "12.3" |字串都由兩個雙引號或單引號所包覆| | Raw 原始| "Hello" = 48 65 6c 6c 6f | 16 進制表示法 | |data.frame 資料框架 | ![](https://i.imgur.com/vSiBlj3.png) | 可以儲存不同變數類型的資料的資料結構，多為矩陣類型，一行為一變數資料| |factor因子||| |list列表||| |matrix矩陣|| |functione公式|![](https://i.imgur.com/OtW1swE.png)|| R 處理數值的限制 --- 在R內建的數值運算上是有限制的 R 的 `.Machine` 這個內建變數中有一些關於數值資料的資訊 這些資訊可能會因為不同的電腦而有不同（不過對大多數的電腦而言，通常都是一樣的） 以下是跟一般使用者比較相關的數值。 `.Machine$double.xmax` 與 `.Machine$double.xmin` 分別表示目前 R 所能處理的最大浮點數與最小正浮點數： ```R= .Machine$double.xmax # [1] 1.797693e+308 .Machine$double.xmin # [1] 2.225074e-308 .Machine$integer.max 則是 R 可以處理的最大整數值： .Machine$integer.max [1] 2147483647 ``` 2147483647 這個值就等於 2^31^ −1 如果需要更高精度的數值運算可以使用 Rmpfr 這個套件 而如果是大數運算，則可以使用 brobdingnab 套件。 浮點數陷阱 --- 而浮點數大家可以去查看看，對他了解是一種電腦存檔所產生問題 在某些運算時可能回造成與我們預期解果不同 多數程式語言都會有問題 但也都有解決方法 看是使用套件Rmpfr或是換個方式判斷結果 例如用R計算`((0.81 * 0.1) + (0.09 * (-0.9)))` 理論上是0但結果會得到1.387779e-17 那這時可以像是以有效位數的方式擷取到小數點後兩位 或是做判斷是不是 -0.01 < x < 0.01 一個可以接受的誤差範圍去做區分 Data Frames資料框架 --- data frame 是一個用來儲存類似 Excel 表格的變數類型它跟矩陣類似 不過 data frame 的每個行（column）可以儲存不同變數類型的資料 甚至非狀巢結構的列表亦可 像是很有名的 iris 資料集就是data frame的資料 ![](https://i.imgur.com/BbvFPGa.png) ### 建立 Data Frames 我們可以使用 `data.frame` 函數來建立 data frame 變數 ```R= test.df <- data.frame( x = letters[1:10], #生成字母串列 y = rnorm(10), #生成常態分佈亂數 z = runif(10) > 0.5 #生成隨機數字後判斷是否大於0.5 ) test.df ``` ![](https://i.imgur.com/dQOsyhS.png) # 簡單資料處理 ## 移除重複值 在EXCEL中可以去除重複值而在R中當然也行只需要使用到unique()即可 先隨機抽樣30個英文字母作為樣本 ```R= (name <- sample(LETTERS,30, replace = T)) ``` ``` [1] "O" "H" "J" "O" "T" "R" "J" "W" "C" "M" "P" "J" "A" "G" "B" "Y" "A" "A" "T" "V" "W" "M" "V" [24] "S" "E" "B" "H" "Q" "O" "F" ``` ```R=+ unique(name) #去除重複值 ``` ## 數據交叉比較 在R中可以快速地進行簡單的數據間交集離集等操作 ```R=+ name1 <- LETTERS[1:15] name2 <- LETTERS[6:20] (intersect(name1, name2)) #交集 (unique(c(name1, name2))) #聯集 ``` ``` [1] "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S" "T" ``` 參考資料 --- >R程式語言的基礎:物件 >>吳漢銘 國立臺北大學 統計學系 >[R的變數與空間](https://blog.gtwang.org/r/r-variables-and-workspace/) >>G. T. Wang >[數字資料表示法](http://www.chwa.com.tw/TResource/HS/book1/ch2/ch2-3-2.htm) >[R语言 诡异的精度](https://d.cosx.org/d/109642-109642) >>統計之都