5 R的数据类型

5.1 本章学习目标(🐼)

理解 R 语言支持的基础数据类型（numeric、integer、complex、logical、character、factor）及其适用场景
掌握 typeof()、mode() 与 class() 的区别，理解底层存储类型与抽象类别的不同含义
理解数值型默认采用 double 存储的原因，并区分 1 与 1L 的差异
掌握复数型、逻辑型、字符型的创建方式及基本操作（如类型转换、字符串处理、逻辑运算）
理解逻辑型在运算中的隐式数值转换机制（TRUE = 1，FALSE = 0）
掌握字符型数据的常见处理方法（拼接、截取、转义、类型转换）
理解因子型的本质（整数 + levels 属性），掌握其在分类数据分析中的作用
能够控制因子的水平顺序、处理未观测水平，并区分有序因子与无序因子
建立数据类型与数据结构之间的联系，为后续数据分析与建模打下基础

5.2 为什么要学习R的数据类型？

在现代科研中，数据就是研究对象。

无论是

环境数据
农业数据
遥感数据
实验数据

最终都会变成 R中的对象（object）。

因此学习R语言的第一步就是理解：

数据在R中是如何被存储和组织的

简单来说：

数据 → 数据类型 → 数据结构 → 分析

5.3 R语言支持的数据类型

R的基础数据类型主要包括：

数值型（numeric）
复数型（complex）
逻辑型（logical）
字符型（character）
因子型（factor）

这些类型是 R语言一切数据结构的基础。

5.4 查看类型的函数 typeof()、mode() 与 class() 的区别

在 R 中，一个对象往往同时具有 底层存储类型（type） 和 抽象类别（class）。
typeof()、mode() 和 class() 三个函数分别从不同角度描述对象。

函数	主要功能	关注层面	典型用途	示例结果
`typeof()`	查看对象在R内部的存储类型	底层实现	了解对象在内存中的数据类型	`typeof(2)` → `"double"`
`mode()`	S语言遗留函数，表示对象的存储模式	历史兼容层	较少使用，主要用于兼容旧代码	`mode(2)` → `"numeric"`
`class()`	查看对象的抽象类别	面向对象系统	决定函数调用的方法（S3/S4）	`class(2)` → `"numeric"`

5.5 数值型（numeric）

数值型是R中最常见的数据类型。

例如：

Code

x <- 2
typeof(x)

[1] "double"

Code

mode(x)

[1] "numeric"

Code

class(x)

[1] "numeric"

Code

y <- 1L
typeof(y)

[1] "integer"

Code

class(y)

[1] "integer"

L 是 integer literal suffix（整数常量后缀）。

通常会看到：

x <- 1 的 typeof(x) 是 "double"
y <- 1L 的 typeof(y) 是 "integer"

这说明：

1 在 R 里默认按 双精度数值（double） 存储
1L 才是 整数（integer）

为什么 R 默认把 1 当作 double？

这是因为 R 继承自 S 语言的统计计算体系。
在统计分析中，大多数数值运算都需要浮点数，例如：

均值
方差
回归
概率计算

因此 R 统一把普通数字当作 double。

5.6 复数型

复数型是 R 语言中用于表示复数的数据类型。复数通常表示为 \(z = a + bi\) 的形式，其中 \(a\) 是实部，\(b\) 是虚部，\(i\) 是虚数单位（\(i^2 = -1\)）。

在 R 中，复数必须显式定义。如果只输入实数，R 会将其视为数值型，除非通过特定函数或格式明确指定其为复数。

我们可以使用 complex() 函数来创建复数，或者直接使用虚数单位 i（注意：直接输入时，虚数单位 i 必须紧跟在数字后面，如 2i）。

Code

# 方法一：使用 complex 函数构造 
x <- 1 
y <- 1 
z <- complex(real = x, imaginary = y)
z

[1] 1+1i

Code

# 查看类型 
typeof(z)

[1] "complex"

Code

# 方法二：直接赋值（注意 'i' 的写法）
z2 <- 3 + 2i 
z2

[1] 3+2i

5.7 逻辑型

逻辑型是 R 语言中最基础的数据类型之一，主要用于表示真值。它只有两个有效取值：TRUE（真）和 FALSE（假）。此外，还有一个特殊的逻辑值 NA，用于表示缺失值。

在 R 语言中，逻辑型变量在底层实际上是作为32位整数存储的。虽然我们看到的是 TRUE 和 FALSE，但在内存中它们分别对应整数 1 和 0。我们可以通过 typeof() 和 class() 函数来验证这一点。

Code

# 定义逻辑变量
x <- TRUE
y <- NA
 
# 查看底层存储类型
typeof(x)

[1] "logical"

Code

# 查看 NA 的类型 
# 注意：R 中的 NA 默认是逻辑型 NA，但也存在 NA_integer_ 等其他类型
typeof(y)

[1] "logical"

Code

# 验证逻辑值与数值的关系 
as.numeric(TRUE)

[1] 1

Code

as.numeric(FALSE)

[1] 0

从上面的代码可以看出： * typeof(x) 返回 "logical"，表明其官方类型。 * as.numeric(TRUE) 返回 1，as.numeric(FALSE) 返回 0。这意味着在数学运算中，R 会自动将逻辑值强制转换为数值进行计算。

逻辑运算是对逻辑值进行操作的核心方式，主要包括“与”、“或”、“非”三种基本运算。R 语言提供了两套运算符：

单目运算符 (&, |)：向量化运算，对向量的每一个元素进行比较。
双目运算符 (&&, ||)：非向量化运算，仅比较向量的第一个元素，常用于 if 条件判断。

Code

a <- TRUE
b <- FALSE 
 
# 1. 逻辑与：只有两者都为 TRUE 时才返回 TRUE
a & b

[1] FALSE

Code

# 2. 逻辑或：只要有一个为 TRUE 就返回 TRUE
a | b

[1] TRUE

Code

# 3. 逻辑非：取反
!b

[1] TRUE

5.8 字符型

字符型用于存储文本数据（字符串）。在 R 中，字符型数据需要用双引号 "" 或单引号 '' 括起来。即便内容是数字，只要加上引号，它就被视为字符型。

R 中的字符型向量存储的是字符串。typeof() 返回 "character"，这表示底层的 C 语言类型是指向字符数组的指针（在 R 内部通过 CHARSXP 和 STRING 指针管理）。

Code

x <- "1"
 
# 查看底层存储类型 
typeof(x)

[1] "character"

Code

# 查看面向对象的类 
class(x)

[1] "character"

Code

# 查看长度（向量中元素的个数）
length(x)

[1] 1

Code

# 查看字符串的实际字符数 
nchar(x)

[1] 1

注意区别： * length(x) 返回的是向量中元素的个数（这里 x 只有一个元素 “1”，所以返回 1）。 * nchar(x) 返回的是字符串内容本身的长度（“1” 只有一个字符，所以返回 1）。

R 提供了丰富的函数来处理字符型数据，主要包括拼接、截取、查找和替换。

5.8.1 字符串拼接

使用 paste() 或 paste0() 函数。paste() 默认以空格分隔，paste0() 则无分隔符，效率更高。

Code

id <- "001"
name <- "R Language"
 
# paste 自动转换类型并拼接 
paste("ID:", id, "Name:", name)

[1] "ID: 001 Name: R Language"

Code

# paste0 紧密拼接 
paste0(id, "_", name)

[1] "001_R Language"

5.8.2 字符串截取与长度

使用 substr() 或 substring() 提取部分字符串。

Code

text <- "Data Science"
 
# 从第 1 位到第 4 位截取 
substr(text, start = 1, stop = 4)

[1] "Data"

5.8.3

在字符串中，某些特殊字符需要使用反斜杠 \ 进行转义。

Code

# \n 换行符 
cat("Line 1\nLine 2")

Line 1
Line 2

Code

# \" 输出双引号本身 
cat("He said, \"Hello World\".")

He said, "Hello World".

Code

# \t 制表符 
cat("Col1\tCol2")

Col1    Col2

5.8.4 类型转换

字符型与其他类型（如数值型、逻辑型）之间经常需要相互转换。

强制转换为字符型使用 as.character() 函数。

Code

# 数值转字符 
num_val <- 123.45 
as.character(num_val)

[1] "123.45"

Code

# 逻辑转字符 
as.character(TRUE) # 结果为 "TRUE"

[1] "TRUE"

5.9 因子型

因子型是 R 语言中特有的一种数据类型，用于处理分类数据（Categorical Data）。它本质上是一个带有属性（水平和类）的整数向量。因子在统计建模（如线性回归、方差分析）和数据可视化中非常重要，因为它能明确区分“名义变量”（无顺序，如性别）和“有序变量”（有顺序，如等级）。

5.9.1 底层存储机制

虽然因子打印出来像字符，但 typeof() 揭示了它的真面目：它在底层是使用整数存储的。每个整数对应一个“水平”标签。

Code

# Creating a vector 
x <- c("female", "male", "male", "female")
print(x)

[1] "female" "male"   "male"   "female"

Code

# Converting the vector x into a factor 
# named gender 
gender <- factor(x, levels = c("male", "female"))
print(gender)

[1] female male   male   female
Levels: male female

Code

# 查看底层存储类型：整数 
typeof(gender)

[1] "integer"

Code

# 查看面向对象的类 
class(gender)

[1] "factor"

Code

# 查看因子的水平 
levels(gender)

[1] "male"   "female"

代码解析： * typeof(gender) 返回 "integer"，说明因子底层存储的是整数索引。 * levels(gender) 返回 c("male", "female")。在这个例子中，底层的整数映射关系为：1 -> “male”，2 -> “female”。 * 打印 gender 时显示的 Levels 列表清晰地展示了所有可能的取值。

因子的核心在于水平的控制 ,即levels 属性。它不仅定义了允许的取值，还定义了顺序。

5.9.2 自定义水平顺序

默认情况下，水平按字母顺序排列。但在实际分析中，我们经常需要自定义顺序（例如：设置基准组）。

Code

# 默认情况：按字母顺序，Female 在前 
factor(c("High", "Low", "Medium"))

[1] High   Low    Medium
Levels: High Low Medium

Code

# 强制指定顺序：Low < Medium < High 
# 这里的 levels 参数决定了整数映射：Low=1, Medium=2, High=3 
factor(c("High", "Low", "Medium"), 
       levels = c("Low", "Medium", "High"))

[1] High   Low    Medium
Levels: Low Medium High

5.9.2.1 包含未观测值

因子可以包含数据中尚未出现的水平，这在处理训练集和测试集不一致时非常有用。

Code

# 数据中只有 "male" 和 "female"，但我们预设 "unknown" 也是一个有效水平 
gender_full <- factor(c("male", "female"), levels = c("male", "female", "unknown"))
print(gender_full)

[1] male   female
Levels: male female unknown

5.9.3 有序因子

对于像“低、中、高”这样有内在顺序的分类数据，应使用 ordered = TRUE。这允许在因子上进行比较运算。

Code

status <- factor(c("low", "high", "medium", "high"), 
                 levels = c("low", "medium", "high"), 
                 ordered = TRUE)
print(status)

[1] low    high   medium high  
Levels: low < medium < high

Code

# 有序因子支持比较运算 
status[1] < status[2] # low < high 返回 TRUE

[1] TRUE

无序因子不支持比较

gender[1] < gender[2] # 会报错

5.10 R语言数据类型总结

数据类型	R表示方式	typeof()结果	典型取值示例	主要用途
数值型 (numeric)	普通数字	`double`	`1` `3.14` `-5`	存储连续数值，最常见的数据类型
整数型 (integer)	数字后加 `L`	`integer`	`1L` `10L`	存储整数，常用于索引或计数
复数型 (complex)	`a + bi` 或 `complex()`	`complex`	`3+2i`	表示复数，常见于数学和信号处理
逻辑型 (logical)	`TRUE` / `FALSE`	`logical`	`TRUE` `FALSE` `NA`	条件判断、逻辑运算
字符型 (character)	用引号 `" "` 或 `' '`	`character`	`"R"` `"data"`	存储文本数据
因子型 (factor)	`factor()`函数	`integer`（底层）	`factor(c("male","female"))`	表示分类变量

5.11 作业：综合判断与解释

请根据下面代码，填写表格并补充解释。

Code

obj1 <- 25.6
obj2 <- 25L
obj3 <- "25.6"
obj4 <- factor(c("A", "B", "A"))
obj5 <- FALSE
obj6 <- 1 + 4i

请完成下表：

对象	值	typeof()	class()	所属数据类型	你的解释
obj1
obj2
obj3
obj4
obj5
obj6