R Language
Классы
Поиск…
Вступление
Класс объекта данных определяет, какие функции будут обрабатывать его содержимое. class
атрибут является символьным вектором, а объекты могут иметь нуль, один или несколько классов. Если атрибута класса нет, все равно будет неявный класс, определяемый mode
объекта. Класс может быть проверен с помощью class
функций, и его можно установить или изменить с помощью class<-
function. Система классов S3 была создана в начале истории S. Более сложная система класса S4 была установлена позже
замечания
Существует несколько функций для проверки «типа» объекта. Наиболее полезной такой функцией является class
, хотя иногда необходимо изучить mode
объекта. Поскольку мы обсуждаем «типы», можно подумать, что typeof
будет полезен, но в целом результат из mode
будет более полезен, потому что объекты, у которых нет явного атрибута «class», будут иметь функцию диспетчеризации, определяемую определяемым «неявным классом» по их режиму.
векторы
Самая простая структура данных, доступная в R, является вектором. Вы можете создавать векторы числовых значений, логических значений и символьных строк с помощью функции c()
. Например:
c(1, 2, 3)
## [1] 1 2 3
c(TRUE, TRUE, FALSE)
## [1] TRUE TRUE FALSE
c("a", "b", "c")
## [1] "a" "b" "c"
Вы также можете присоединиться к векторам, используя функцию c()
.
x <- c(1, 2, 5)
y <- c(3, 4, 6)
z <- c(x, y)
z
## [1] 1 2 5 3 4 6
Более подробное описание того, как создавать векторы, можно найти в теме «Создание векторов»
Осмотреть классы
Каждому объекту в R присваивается класс. Вы можете использовать class()
чтобы найти класс объекта и str()
чтобы увидеть его структуру, включая классы, которые она содержит. Например:
class(iris)
[1] "data.frame"
str(iris)
'data.frame': 150 obs. of 5 variables:
$ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
$ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
$ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
$ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
$ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 ...
class(iris$Species)
[1] "factor"
Мы видим, что iris имеет класс data.frame
и использование str()
позволяет нам исследовать данные внутри. Переменная Species в кадре данных радужки имеет фактор класса, в отличие от других переменных, которые относятся к классу числовых. Функция str()
также предоставляет длину переменных и показывает первую пару наблюдений, а функция class()
предоставляет только класс объекта.
Векторы и списки
Данные в R хранятся в векторах. Типичным вектором является последовательность значений, все из которых имеют один и тот же режим хранения (например, векторы символов, числовые векторы). См. « ?atomic
для получения подробных сведений о атомных неявных классах и их соответствующих режимах хранения: "logical", "integer", "numeric" (synonym "double"), "complex", "character"
и "raw"
. Многие классы - это просто атомный вектор с атрибутом class
сверху:
x <- 1826
class(x) <- "Date"
x
# [1] "1975-01-01"
x <- as.Date("1970-01-01")
class(x)
#[1] "Date"
is(x,"Date")
#[1] TRUE
is(x,"integer")
#[1] FALSE
is(x,"numeric")
#[1] FALSE
mode(x)
#[1] "numeric"
Списки представляют собой особый тип вектора, в котором каждый элемент может быть любым, даже другим списком, поэтому термин R для списков: «рекурсивные векторы»:
mylist <- list( A = c(5,6,7,8), B = letters[1:10], CC = list( 5, "Z") )
Списки имеют два очень важных применения:
Поскольку функции могут возвращать только одно значение, обычно возвращать сложные результаты в список:
f <- function(x) list(xplus = x + 10, xsq = x^2) f(7) # $xplus # [1] 17 # # $xsq # [1] 49
Списки также являются базовым классом для фреймов данных . Под капотом кадр данных представляет собой список векторов, имеющих всю длину:
L <- list(x = 1:2, y = c("A","B")) DF <- data.frame(L) DF # x y # 1 1 A # 2 2 B is.list(DF) # [1] TRUE
Другим классом рекурсивных векторов являются R-выражения, которые являются «языковыми» объектами