date（）函数 返回当前星期 月 日 时间 年份，class（x）类型为character

Sys.Date()， 返回年月日，class（x2）类型为date

存储为date类型： as.Date(“2018-09-12”)函数, class(x3)类型为date

weekdays（x3），输出当前x3是星期几

month（x3），输出x3是几月

quarters（x3），输出x3是第几季度

julian（x3），距离1970-1-1日过去了多少天。

x4<-as.date("2019-01-01")

x4-x3 得到时间差

强制转化成num类型：as.numeric(x4-x3)

时间类型： POSIXct：存储整数，用于存入data.frame

POSIXlt: 列表list，包含星期，年月日等

x<-Sys.time()，获取当前系统时间，class（）类型是POSIXct，

p<-as.POSIXlt(x)，强制转成POSIXlt

names（unclass(p)）查看lt类型里存储了哪些变量：

[1] "sec"    "min"    "hour"   "mday"   "mon"    "year"  

 [7] "wday"   "yday"   "isdst"  "zone"   "gmtoff"

p$sec 得到当前的秒数

as.POSIXct(p), 转化回去

x1<-"Jan 1,2015 01:01"

strptime（x1, "%B %d, %Y %H%M"）

B表示月份，d表示日期，Y年份，H小时，M分钟

data frame数据框：主要用于存储表格数据（tabular data）

可以把data frame当成一种列表形式，各个元素长度相同，

每个元素对应data frame中每一列数据，每个元素长度代表行数，元素类型可以不同

df<-data.frame(id=c(1,2,3,4), name=c("a","b","c","d"), gender= c(TRUE,TURE,FALSE，FALSE))

dataframe 和矩阵非常像，matrix每一列每一个元素 类型都一样，但是dataframe的类型是不一样的，可以把它理解成一个列表， 第一列是列表的第一个元素，名字是id， 第二列是列表的第二个元素，名字是name，

如果把data.frame改成list，生成的就是一个列表

特殊形式： 如果数据框类型都一样，可以用data.matrix()，把数据框转换成矩阵

NaN表示数字的缺失值，

NA可表示数字缺失值，字符的缺失值，NA有类型属性，例如：integer NA, character NA

判断是否有缺失值，有两种方式： is.na()/ is.nan()

NaN属于NA

缺失值是数据预处理中非常重要的一部分

分类数据分为: 有序和无序

有序分类数据：年级分为低 中 高，可以比较大小

无序分类数据：性别，不能比较大小

factor因子：整数型向量+标签，例如：

把性别存成1/2, 1代表男性，2代表女性

factor优于整数向量，存成因子，可以对1,和2进行描述，经常用于线性模型

x<-factor(c("female","female","female","male","female"))

输出：levels：female male

x<-factor(c("female","female","female","male","female"), levels=c("male","female"))

输出：levels：male female

#可以通过levels设定，你的因子中谁是基线水平，非常重要

对你当前的因子有一个整体性的描述 ，可以用table()函数

table（x）

输出：female male

          3           2

levels是因子的一个属性，可以去掉因子的属性，来看因子的内容，用unclass()函数，输出：11221

class（unclass（x）） #变成一个integer的向量

向量，矩阵，数组的共性：可以包含多个元素，并且元素类型必须一致

list列表：可以包含不同类型的对象:

l<-list("a", 2, 10L, 3+4i, TRUE)

可以给列表里的元素命名:  l2<- list(a=1, b=2, c=3)

列表中每个元素内容大于1：

l3<-list(c(1,2,3), c(4,5,6))

引入矩阵维度：

x<-matrix(1:6, nrow:2, ncol=3)

给矩阵的维度命名：

dimnames(x)<- list(c("a", "b"), c("c","d","e"))

矩阵matrix

向量+维度属性（整数向量：nrow,ncol）

x<-matrix(nrow:2,ncol:3)

在行数列数前添加矩阵内容

x<-matrix(1:6, nrow=2, ncol=3)

矩阵维度的属性：dim

dim（x）  #可以查看当前矩阵x有多少行，多少列

矩阵属性：attributes

attributes(x)

运行之后得到dim

【1】3 2

#当前这个矩阵的属性是维度

第二种创建矩阵的办法：

y<-1:6,

dim(y)<c(2,3)

#运行之后，y成功便成一个矩阵

如何拼接两个矩阵

y2<-matrix(1:6,nrow=2, ncol=3)

rbind(y,y2) #按照行拼接 行数相加得到2+2行，3列矩阵

cbind(y,y2) #按照列拼接 列数相加得到2行，3+3列矩阵

数组 array ，维度可以大于2，矩阵只能等于2

x<-array(1:24, dim=c(4,6))

x1<-array(1:24, dim=c(2,3,4))

x<-vector("元素类型","元素个数")

x1<-1:4

#包换4个元素的整型向量

x2<-c(1,2,3,4)

x3<-c(TRUE, 1, "a") 强制转换成chr

x4<-c("a","b","c")

as.numeric(x4)  #把x4从chr强制转换成数值型，引入缺失值NA NA NA

as.logical()

as.charater()

class()

给向量添加名称：

names(x1)<-c("a","b","c","d")

a b c d

1 2 3 4

第一个元素名称是a,数值是1，第二个元素名称是b,数值是2.....

levels:代表标签

class （）查看变量类型

R对象的属性

在R语言中怎么赋值

数据结构：

对象的5种接班类型：

——字符（character）

——数值(numeric:real numbers)

——整数（integer）

——复数(complex):1=2i

——逻辑（logical:true/false）

R数据类型

> object.size(airquality)
5632 bytes
> print(object.size(airquality),units = "Kb")
5.5 Kb