pacman::p_load(magrittr, tibble, data.table)2 数据结构和类型
请记住，Python和R是面向对象（object）的语言，你看到的任何数据，都可以理解为是一个对象。
学语言，一般都会学习语言的数据结构，这是老生常谈。目前看了很多教程，总觉得说的又多又乱，在这里我还是为大家梳理一下。
2.1 数据结构
Tip
我们要从大到小一步一步来描述和理解数据。
我们看到一个对象（变量），首先要知道它是什么样的容器（数据结构），然后再看里面装了什么（数据值）。比如，你看到一个瓶子（结构），里面装了水（值）。
2.1.1 向量
下面，我们看看R中，最基本的数据类型，向量（vector）。
在这段代码中，
a是矩阵（结构），里面有6个数字（11-16）。b是列表（结构），但它也认为其实是向量（vector），里面装的内容五花八门。A是把通过as.vector()函数，将矩阵转化成了向量。c就是一个普通的向量
a <- matrix(11:16, nrow=3, ncol=2)
b <- list(1,"dogs",cars, a)
c <- 5
A <- as.vector(a)
is.vector(a)[1] FALSEis.vector(A)[1] TRUEis.vector(b)[1] TRUEis.vector(c)[1] TRUE
Warning
vector向量，作为R最基本的数据结构，就像哆啦A梦的口袋，什么都可以装，并且任何其他数据类型都可以转化为向量。
2.1.2 其他数据结构
刚刚其实我们已经看到了R的三种数据结构，包括list、matrix和向量。我们可以用 class()函数查看一下
class(a)[1] "matrix" "array" class(b)[1] "list"此外，R里面还有多维数组（array）,其实，刚刚看到的matrix其实也是属于二维数组（array）。下面我们还要重点介绍data.frame和类似数据框的对象，如前面提到的tibble和data.table
2.1.3 再次理解Rectangular Data
统计分析中最常见的原始数据形式是类似于数据库表或Excel数据表的形式。 这样形式的数据在R中叫做数据框(data.frame)。 数据框类似于一个矩阵，有行、列， 但各列允许有不同类型：数值型、因子、字符、日期时间等。 同一列的数据类型一般是相同的。 还是以esoph这个数据对象为例。
head(esoph) data.frame 表
我们查看一下它的类型
class(esoph)[1] "data.frame"我们把它转化成其他的表格对象
as_tibble(esoph) %>% #转化成tibble对象
class()[1] "tbl_df" "tbl" "data.frame"as.data.table(esoph) %>% #转化成data.table对象
class()[1] "data.table" "data.frame"看上去，他们并没有区别，但在后面具体的操作上，会有一些差别，后面具体实践，我们再去理解。
as.data.table(esoph) %>% #输出data.table
head() 2.1.4 数据类型
接下来，我们看看数据框（盒子）里面到底装的是什么。
我们刚刚看到，表格里面是一些数字、文字之类的。在R中将这些数据划分为这些类型
- Numeric (1.2, 5, 7, 3.14159)
- Integer (1, 2, 3, 4, 5)
- Complex (i + 4)
- Logical (TRUE / FALSE)
- Character (“a”, “apple”)
- Factor (以后再探讨)
我们可以看看，这个表格中每个列都是什么类型的数据。
str(esoph)'data.frame': 88 obs. of 5 variables:
$ agegp : Ord.factor w/ 6 levels "25-34"<"35-44"<..: 1 1 1 1 1 1 1 1 1 1 ...
$ alcgp : Ord.factor w/ 4 levels "0-39g/day"<"40-79"<..: 1 1 1 1 2 2 2 2 3 3 ...
$ tobgp : Ord.factor w/ 4 levels "0-9g/day"<"10-19"<..: 1 2 3 4 1 2 3 4 1 2 ...
$ ncases : num 0 0 0 0 0 0 0 0 0 0 ...
$ ncontrols: num 40 10 6 5 27 7 4 7 2 1 ...由于数据类型的文章属于太基础的知识，很多人写了太多文章，这里我就不赘述了。想继续深入了解的移步
R Data types 101, or What kind of data do I have? | R (for ecology)
数据类型也像数据结构那样，可以转变的，比如，我们把表格中alcgp这一列转化成character。
esoph$alcgp <- as.character(esoph$alcgp)
str(esoph)'data.frame': 88 obs. of 5 variables:
$ agegp : Ord.factor w/ 6 levels "25-34"<"35-44"<..: 1 1 1 1 1 1 1 1 1 1 ...
$ alcgp : chr "0-39g/day" "0-39g/day" "0-39g/day" "0-39g/day" ...
$ tobgp : Ord.factor w/ 4 levels "0-9g/day"<"10-19"<..: 1 2 3 4 1 2 3 4 1 2 ...
$ ncases : num 0 0 0 0 0 0 0 0 0 0 ...
$ ncontrols: num 40 10 6 5 27 7 4 7 2 1 ...2.1.5 统计学角度理解数据类型
统计学角度，数据类型不同，则统计分析方法不同。我们可以参考这篇经典的统计学思维数据分类
Chapter 1 Hello data | Introduction to Modern Statistics
简单来说，有如下类型
- Numeric Data that are expressed on a numeric scale.
- Continuous Data that can take on any value in an interval. (Synonyms: interval, float, numeric)
- Discrete Data that can take on only integer values, such as counts. (Synonyms: integer, count)
- Categorical Data that can take on only a specific set of values representing a set of possible categories. (Synonyms: enums, enumerated, factors)
- Binary A special case of categorical data with just two categories of values, e.g., 0/1, true/false. (Synonyms: dichotomous, logical, indicator, boolean)
- nominal Categorical data that has no explicit ordering.
- Ordinal Categorical data that has an explicit ordering. (Synonym: ordered factor)
Note
为什么统计学家要将表格数据这样分类，我们下面就要从tidy data这个难啃的骨头说起。