參考書籍：R語言實戰
數據結構:
1. 向量 : 用於存儲數值型、字符型或邏輯型數據的一維數組
1.1 創建 : a <- c(1, 2, 3, 4)
1.2 訪問 : a[1] : 1
a[c(2, 4)] : 2 4 (向量a中的第二個和第四個元素)
a[1:4] : 1 2 3 4 (向量a中的第一個直到第四個元素)
1.3 注意 :
1) 單個向量中的數據必須擁有相同的類型或模式（數值型、字符型或邏輯型）
2) 標量是只含一個元素的向量，例如f <- 3 、 g <- "US" 和h <- TRUE。它們用於保存常量
2. 矩陣 : 矩陣是一個二維數組，只是每個元素都擁有相同的模式（數值型、字符型或邏輯型）
2.1 創建 : mymatrix <- matrix(vector, nrow=number_of_row, ncol=number_of_col, byrow=logical_value, dimnames=list(char_vector_rownames, char_vector_colnames))
其中vector包含了矩陣的元素， nrow和ncol用以指定行和列的維數， dimnames包含了可選的、以字符型向量表示的行名和列名。選項byrow則表明矩陣應當按
行填充（ byrow=TRUE）還是按列填充（ byrow=FALSE），默認情況下按列填充
2.2 訪問 :
2.3 注意 :
1) 矩陣都是二維的，和向量類似，矩陣中也僅能包含一種數據類型。當維度超過2時，不妨使用數組。當有多種模式的數據時，不妨使用數據框
3. 數組 : 數組（ array）與矩陣類似，但是維度可以大於2
3.1 創建 : myarray <- array(vector, dimensions, dimnames)
其中vector包含了數組中的數據， dimensions是一個數值型向量，給出了各個維度下標的最大值，而 dimnames 是可選的、各維度名稱標簽的列表
3.2 訪問 : 從數組中選取元素的方式與矩陣相同。上例中，元素z[1,2,3] 為15
3.3 注意 :
1) 數組中的數據也只能擁有一種模式
4. 數據框 : 由於不同的列可以包含不同模式（數值型、字符型等）的數據，數據框的概念較矩陣來說更為一般。
4.1 創建 : data.frame(col1, col2, col3 , ...)
4.2 訪問 : $
為避免過多使用$，可用attach(),detach()和with()/within()來簡化代碼
1) attach()和detach() : 函數attach() 可將數據框添加到R的搜索路徑中, 函數detach() 將數據框從搜索路徑中移除
attach(dataframe)
#省略$的代碼
detach(dataframe)
缺點 : 同名對象會被屏蔽
2) with()
with(dataframe,
{
#省略$的代碼
}
)
缺點 : 函數with() 的局限性在於，賦值僅在此函數的括號內生效
如果你需要創建在with() 結構以外存在的對象，使用特殊賦值符<<-替代標准賦值符（ <-）即可，它可將對象保存到with() 之外的全局環境中。
3) within()
within(dataframe,
{
#省略$的代碼
}
)
函數within() 與函數with() 類似，不同的是它允許你修改數據框
5. 列表 : 列表就是一些對象（或成分，component）的有序集合
5.1 創建 : list(name=object1, name=object2,...)
5.2 訪問 :
5.3 注意 :
1) 由於兩個原因，列表成為了R中的重要數據結構。首先，列表允許以一種簡單的方式組織和重新調用不相干的信息。其次，許多R函數的運行結果都是以列表的形式返回的。需要取出其中哪些成分由分析人員決定。
數據框操作 :
1. 添加列 merge(dataframe1, datafrme2, by=c())
cbind(df1, df2) (橫向合並對象1和對象2。為了讓它正常工作，每個對象必須擁有相同的行數，且要以相同順序排序。)
2. 添加行 rbind(df1, df2)
3. 取子集
myvars <- c("q1", "q2", "q3", "q4", "q5")
newdata <- leadership[myvars] (即選取了五列 : q1, q2, q3, q4, q5)
4. 丟棄變量
myvars <- names(leadership)%in%c("q3", "q4")
newdata <- leadership[!myvars] (丟棄q3, q4列)
5. 選入觀測
newdata <- leadership[1:3, ] (選擇了第一到第三行的所有列)
newdata <- leadership[which(leadership$gender=='M' & leadership$age > 30), ]
6. subset()函數
newdata <- subset(leadership, age>=35 | age < 24, select = c(q1, q2, q3, q4))
newdata <- subset(leadership, gender == 'M' & age > 25, select=gender:q4)