对于那些有一点编程经验的人来说，vector，matrix，array，list，data.frame就相当于编程语言中的容器，因为只是将R看做数据处理工具所以它们的底层是靠什么实现的，内存怎么处理的具体也不要深究。
R语言很奇怪的是它是面向对象的语言，所以经常会调用系统的方法，而且更奇怪的是总是调用“谓语”的方法，用起来像是写句子一样，记起来真是让人费解。比如is.vector(),read.table(),as.vector()、、
直接开始吧：(由于习惯，大部分用"="代替"<-")
一、向量vector，
1.是最基本的数据容器，里面的数据必须是同一类型，先看基本用法：
a<-c(1,2,3,4,5,6,7,8,9)
或者赋值函数assign，
assign（"a",c(1,2,3,4,5,6,7,8,9)) > is.vector(a) [1] TRUE > is.matrix(a) [1] FALSE > is.array(a) [1] FALSE > is.list(a) [1] FALSE
或者利用随机分布函数，rnrom(n,mean,sd),runif(n,min,max)、、、
> b=runif(20,min=1,max=20) > b [1] 2.181016 18.417605 9.748379 2.122849 1.281871 4.099617 [7] 14.162348 18.034863 7.464664 9.599227 18.973259 1.900773 [13] 8.995223 11.048916 11.667131 3.859275 17.992988 1.089552 [19] 13.490061 12.864029
或者按照一定的步长：
> a=seq(1,20,by=3) > a [1] 1 4 7 10 13 16 19
或者重复：
> s=rep(a,times=3) > s [1] 1 4 7 10 13 16 19 1 4 7 10 13 16 19 1 4 7 10 13 16 19
逻辑向量：
> b=a>8;b [1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE
缺失数据用大写NA表示，数据不确定用NaN表示，数据是无穷用Inf表示（一会全大写，一会大写加小写，一会首字母大写，真是醉了），判断是否为空数据用函数is.na()，判断是否不确定用函数is.nan()，数据是否有限用is.finite()，数据是否为无穷用函数is.infinite()：
> z=c(1:3,Na);z Error: object 'Na' not found > z=c(1:3,NA);z [1] 1 2 3 NA > is.na(z) [1] FALSE FALSE FALSE TRUE
将缺失的数据赋值为0：
> z[is.na(z)]=0;z [1] 1 2 3 0
下面将这几个有问题的数据放在一个向量中：
> z=c(0/1,0/0,1/0,NA);z [1] 0 NaN Inf NA > is.na(z) [1] FALSE TRUE FALSE TRUE > is.nan(z) [1] FALSE TRUE FALSE FALSE > is.finite(z) [1] TRUE FALSE FALSE FALSE > is.infinite(z) [1] FALSE FALSE TRUE FALSE
2.vector中元素的下标引用.
> a=round(runif(9,min=1,max=9)) > a [1] 3 8 8 8 2 7 3 5 3
可以看见，与容器不同，vector的下标是从1开始的：
> a[0] numeric(0) > a[1] [1] 3
选取第2和第3个数，引用非常方便：
> a[c(2,3)] [1] 8 8
引用除了第一个值的所有数，用了减号"-"：
> a[-c[1]] [1] 8 8 8 2 7 3 5 3
3.vector作为R语言工具，需要了解vector的各种运算。
①+-×÷，其他运算如log，exp，cos，sqrt等也相似。其意义是对应的向量的每个元素分别做运算，
> x=c(1,2,3) > y=c(2,3,4) > z=2*x+y-1 > z [1] 3 6 9 > x^2 [1] 1 4 9 > cos(x) [1] 0.5403023 -0.4161468 -0.9899925 > sqrt(x) [1] 1.000000 1.414214 1.732051
②与向量有关的函数,min(x),max(x), sum(x),range(x)，太简单就不在细说，需要强调的是which.min(x)，这个还是蛮重要的。
> a=rnorm(10,mean=5,sd=2) > a [1] 5.914559 2.604346 5.342572 9.006863 6.547221 7.519781 7.330211 [8] 8.322956 6.875491 5.883626 > which.max(a) [1] 4 > which.min(a) [1] 2 > a[which.max(a)] [1] 9.006863 > a[which.min(a)] [1] 2.604346
其他的如sd(a),var(a),length(a),sort(a)，分别是求方差，标准差，长度，排序。与python不同R语言的vector所有操作都不会改变vector本身的值。
4.由于R是一种基于对象的语言，R的对象分为单纯对象和复合对象两种，单纯对象的所有元素都是同一数据类型（数值、字符串），元素不再是对象。复合对象的元素可是是不同的类型，每个元素是一个对象。
R的对象都有两个基本的属性：mode和length，向量的类型为：logical（逻辑型）、numeric（数值型）、complex（复数型）、character（字符型）。
> b=c(0:9) > b [1] 0 1 2 3 4 5 6 7 8 9 > is.numeric(b) [1] TRUE > is.character(b) [1] FALSE > c=as.character(b) > c [1] "0" "1" "2" "3" "4" "5" "6" "7" "8" "9" > is.numeric(c) [1] FALSE > is.character(c) [1] TRUE
二、数组array
多维的同一类型集合（字符型、数值型、逻辑型、复数型），R可以很容易地生成和处理数组，特别是矩阵matrix是一个二维数组。
1.可以通过定义dim(维度)将向量变成matrix。
a=c(1,3,4,5,6,7,8,9,3) > dim(a)=c(3,3) > a [,1] [,2] [,3] [1,] 1 5 8 [2,] 3 6 9 [3,] 4 7 3
或者：
> a=array(a,dim=c(3,3)) > a [,1] [,2] [,3] [1,] 1 5 8 [2,] 3 6 9 [3,] 4 7 3
或者：
> a=matrix(a,nrow=3,ncol=3);a [,1] [,2] [,3] [1,] 1 5 8 [2,] 3 6 9 [3,] 4 7 3 > is.vector(a) [1] FALSE > is.matrix(a) [1] TRUE > is.array(a) [1] TRUE > is.list(a) [1] FALSE
可以发现，a已经通过定义维度将其变成了一个矩阵（matrix）和数组（array)，下面将讲matrix其实是一个二维的array。
2.下标引用
> a=c(1:24) > dim(a)=c(2,3,4) > a[2,1,2] [1] 8 > a[1,2:3,2:3] [,1] [,2] [1,] 9 15 [2,] 11 17 > a[1, , ] [,1] [,2] [,3] [,4] [1,] 1 7 13 19 [2,] 3 9 15 21 [3,] 5 11 17 23
