基本数据类型
数据类型
向量 vector 矩阵 matrix 数组 array 数据框 data frame 因子 factor 列表 list向量
单个数值（标量）没有单独的数据类型，它只不过是向量的一种特例 向量的元素必须属于某种模式（mode），可以整型（integer）、数值型（numeric）、字符型（character）、逻辑型（logical）、复数型（complex） 循环补齐（recycle）：在一定情况下自动延长向量 筛选：提取向量子集 向量化：对向量的每一个元素应用函数 使用seq()创建向量 使用rep()重复向量常数矩阵
矩阵（matrix）是一种特殊的向量，包含两个附加的属性：行数和列数。所以矩阵也和向量一样，有模式的概念，例如数值型或字符型。（但反过来，向量却不能看作是只有一列或一行的矩阵。）
创建矩阵 矩阵运算 索引 增加或删除行（列）数组
数组（array）是R里一个更一般的对象，矩阵是数组的一个特殊情形。数组可以是多维的。例如一个三维的数组可以包含行、列和层（layer），而一个矩阵只有行和列两个维度。
array(data = NA, dim = length(data), dimnames = NULL) as.array(x, ...) is.array(x)
列表
向量的元素要求都是同类型的，而列表（list）与向量不同，可以组合多个不同类型的对象
数据框
数据框类似矩阵，有行和列这两个维度。然而，数据框与矩阵不同的是，数据框的每一列可以是不同的模式（mode）。例如，某列可能由数字组成，另一列可能由字符串组成。
因子
因子的设计思想来源于统计学中的名义变量（nominal variables），或称之为分类变量（categorical variables）。这些变量的值本质上不是数字，而是对应为分类，例如民主党、共和党和无党派，尽管它们可以用数字编码。
算术运算
x + y 加法 x - y 减法 x * y 乘法 x / y 除法 x ^ y 乘幂 x %% y 模运算 x %/% y 整数除法逻辑运算
x == y 判断是否相等 x <= y 判断是否小于等于 x >= y 判断是否大于等于 x && y 标量的逻辑“与”运算 x || y 标量的逻辑“或”运算 x & y 向量的逻辑“与”运算（x、y以及运算结果都是向量） x | y 向量的逻辑“或”运算（x、y以及运算结果都是向量） !x 逻辑非 逻辑值TRUE和FALSE可以缩写为T和F（两者都必须是大写）。而在算术表达式它们会转换为1和0函数
g <- function(x) {
return(x+1)
}
函数也是对象
条件语句
if (r == 4) {
x <- 1
} else {
x <- 3
y <- 4
}
循环语句
for while repeatrepeat没有逻辑判断退出条件，必须利用break（或者类似return()）的语句。当然，break也可以用在for循环中。
代码格式化工具
library(formatR)
