HoRain云--R语言核心：数据结构与向量化思维精要

• 创建方式：c(1, 2, 3)或seq(1, 5)。
• 关键特性：支持向量化运算（如c(1,2,3)*2直接返回c(2,4,6)），避免显式循环可大幅提升效率。

• 矩阵是二维同质数据结构，通过matrix(data, nrow, ncol)创建。
• 数组是多维扩展（如三维数组），用array(data, dim=c(2,3,4))定义。
• 所有元素类型必须一致，否则自动强制转换（如混合数值与字符时，全部转为字符型）。

• 创建方式：data.frame(name=c("A","B"), value=c(10,20))。
• 核心用途：存储观测数据（行=样本，列=变量），是统计分析的默认输入格式。

• 创建方式：list(a=1:3, b="text", c=matrix(1:4, nrow=2))。
• 关键优势：无类型限制，适合存储复杂结果（如模型输出）。

• 创建方式：factor(c("男","女","男"), levels=c("男","女"))。
• 重要性：在统计建模中自动处理分类变量（如方差分析、回归），避免误作数值计算。

• 例如：sqrt(c(4,9,16))返回c(2,3,4)，无需逐元素循环。
• 循环性能通常比向量化操作慢 10-100 倍，应优先使用apply族函数（lapply,sapply）或向量化函数。

• class(x)：返回对象的高层次类别（如"numeric","data.frame"）。
• typeof(x)：返回底层存储类型（如"double","integer"）。
• is.numeric(x)：判断是否为数值型（返回TRUE/FALSE）。

• 混合类型时按logical < integer < double < character优先级自动升阶。
• 例如：c(1, "a")会全部转为字符型c("1", "a")。

• NA：表示缺失数据（Not Available），参与运算时结果仍为NA。
• NaN：非数值（如0/0），Inf：无穷大（如1/0）。

• is.na(x)：检测缺失值。
• na.omit(x)：删除含NA的行（数据框中常用）。
• ifelse(is.na(x), 0, x)：用 0 替换缺失值。

• read.csv("data.csv")：读取 CSV 文件。
• readxl::read_excel("data.xlsx")：读取 Excel 文件（需安装readxl包）。

• 处理缺失值：na.omit(df)或插补法。
• 类型转换：as.numeric(df$col)。
• 筛选子集：df[df$age > 30, ]（逻辑索引）。

• summary(df)：快速输出各列的最小值、四分位数、均值、最大值。
• mean(df$col, na.rm=TRUE)：计算均值（na.rm=TRUE忽略缺失值）。

• t.test(x, y)：两组均值差异的 t 检验。
• chisq.test(table)：卡方检验（需先用table()生成列联表）。

• plot(x, y)：散点图（自动根据数据类型选择图形）。
• hist(df$col)：直方图。
• boxplot(df$col ~ df$group)：分组箱线图（~表示按分组变量绘图）。

• ggplot2包：基于图层语法，高度可定制化（推荐学习路径：先掌握基础绘图，再进阶ggplot2）。

result <- numeric() for (i in 1:1000) { result[i] <- i^2 # 低效：动态扩展向量 }

result <- (1:1000)^2 # 向量化操作，速度提升 50 倍以上

df$gender <- factor(df$gender, levels=c("男", "女")) # 显式声明为因子

mean(df$col, na.rm = TRUE) # 显式忽略缺失值