##R語言-數據類型|數據結構|對象類型
##### R是一種基於對象(Object)的語言，所以你在R語言中接觸到的每樣東西都是一個對象，一串數值向量是一個對象，一個函數是一個對象，一個圖形也是一個對象。基於對象的編程(OOP)就是在定義類的基礎上，創建與操作對象。
##### 對象中包含了我們需要的數據，同時對象也具有很多屬性(Attribute)。其中一種重要的屬性就是它的類(Class)，R語言中最為基本的類包括了數值(numeric)、邏輯(logical)、字符(character)、列表(list)，在此基礎上構成了一些復合型的類，包括矩陣(matrix)、數組(array)、因子(factor)、數據框(dataframe)。除了這些內置的類外還有很多其它的，用戶還可以自定義新的類，但所有的類都是建立在這些基本的類之上的。
#常用函數
class(x)
typeof(x)
mode(x)
storage.mode(x)
attributes(x)
str(x)
unclass(x)
函數 class 返回R對象的類（基本類|復合型的類|其他類（lm函數）|自定義類）,如果要消除對象的類則可用unclass()。
class() unclass()R語言特有的函數 typeof 返回R對象的類型。注意在 R 底層的 C 代碼中，所有對象都是指向一個有類型定義 SEXPREC的結構體（structure）的指針；不同的R數據類型在 C 里面用 決定結構體各部分信息的 SEXPTYPE 表示。
typeof()typeof 可能的返回值和涵義 返回值 涵 義 NULL 空 symbol 一個變量名字 pairlist 成對列表對象 closure 一個函數 environment 一個環境 promise 一個用於實現悠閑賦值的對象 language 一個 R 語言構建 special 一個不可針對參數求值的內置函數 builtin 一個可針對參數求值的內置函數 logical 含邏輯值的向量 integer 含整數值的向量 double 含實數值的向量 complex 含復數值的向量 character 含字符值的向量 ... 特定變量長度參數 *** any 一個可以匹配任何類型的特殊類型 *** expression 一個表達式對象 list 一個列表 externalptr 一個外表指針對象 weakref 一個弱引用對象（a weak reference object） raw 一個字節元素向量
我認為用戶不用深入以'***'標記的條目，至少沒有想象的那么容易, 但是可以多看一些例子。
R 在計算過程中，對象常常需要強制轉換成不同的類型（type）。 有許多函數可用於顯式的強制轉換。 在僅僅用 R 語言編程的時候，一個對象的類型通常不會影響計算結果， 但是當混合使用外部編程語言或不同的操作系統時， 常常需要保證對象類型的正確。
函數 mode 返回對象的模式信息
mode()函數storage.mode返回其參數的存儲模式（storage mode）
attributes()舉例1
> > x <- 1:3 > class(x) [1] "integer" > typeof(x) [1] "integer" > mode(x) [1] "numeric" > storage.mode(x) [1] "integer" > unclass(x) [1] 1 2 3 > attributes(x) NULL > str(x) int [1:3] 1 2 3 > ##說明： ##如果運行attributes(x)，會發現返回了空值。 ##這是因為x是一個向量，對於向量這種內置的基本類，attributes是沒有什么好顯示的。舉例2
> > x <- runif(10) > y <- rnorm(10)+10*x > model <- lm(y ~ x) > class(model) [1] "lm" > typeof(model) [1] "list" > mode(model) [1] "list" > storage.mode(model) [1] "list" > unclass(model) $coefficients (Intercept) x -0.701304 10.104148 $residuals 1 2 3 4 5 0.98690445 -0.86301894 0.04973016 -1.32000648 0.57173416 6 7 8 9 10 -0.66068807 1.39675119 -0.08431814 -0.31170431 0.23461598 $effects (Intercept) x -14.5796672 -7.6233656 -0.1266812 -1.2665738 0.4738679 -1.0809453 1.7945956 0.2192125 -0.0512103 -0.2297554 $rank [1] 2 $fitted.values 1 2 3 4 5 6 7 0.569911 3.881950 4.073688 5.717006 4.635263 2.330260 8.179452 8 9 10 7.505135 7.197435 2.014856 $assign [1] 0 1 $qr $qr (Intercept) x 1 -3.1622777 -1.66242471 2 0.3162278 -0.75447882 3 0.3162278 0.05692437 4 0.3162278 0.27248772 5 0.3162278 0.13058931 6 0.3162278 -0.17177094 7 0.3162278 0.59550060 8 0.3162278 0.50704667 9 0.3162278 0.46668400 10 0.3162278 -0.21314423 attr(,"assign") [1] 0 1 $qraux [1] 1.316228 1.031773 $pivot [1] 1 2 $tol [1] 1e-07 $rank [1] 2 attr(,"class") [1] "qr" $df.residual [1] 8 $xlevels named list() $call lm(formula = y ~ x) $terms y ~ x attr(,"variables") list(y, x) attr(,"factors") x y 0 x 1 attr(,"term.labels") [1] "x" attr(,"order") [1] 1 attr(,"intercept") [1] 1 attr(,"response") [1] 1 attr(,".Environment") <environment: R_GlobalEnv> attr(,"predvars") list(y, x) attr(,"dataClasses") y x "numeric" "numeric" $model y x 1 1.556815 0.1258112 2 3.018931 0.4536012 3 4.123418 0.4725774 4 4.397000 0.6352154 5 5.206997 0.5281560 6 1.669572 0.3000316 7 9.576203 0.8789218 8 7.420817 0.8121851 9 6.885731 0.7817324 10 2.249472 0.2688164 > attributes(model) $names [1] "coefficients" "residuals" "effects" [4] "rank" "fitted.values" "assign" [7] "qr" "df.residual" "xlevels" [10] "call" "terms" "model" $class [1] "lm" > str(model) List of 12 $ coefficients : Named num [1:2] -0.701 10.104 ..- attr(*, "names")= chr [1:2] "(Intercept)" "x" $ residuals : Named num [1:10] 0.9869 -0.863 0.0497 -1.32 0.5717 ... ..- attr(*, "names")= chr [1:10] "1" "2" "3" "4" ... $ effects ##內容太多次數省略 ############################################ ##說明： ##可以看到這個對象的類是“lm”，這意味着什么呢？我們知道對於不同的類有不同的處理方法，那么對於model這個對象，就有專門用來處理lm類對象的函數， ##例如plot.lm()。但如果你用普通的函數plot()也一樣能顯示其圖形， ##Why？因為plot()這種函數會自動識別對象的類，從而選擇合適的函數來對付它，這種函數就稱為泛型函數（generic function）。 ##你可以用methods(class=lm)來了解有哪些函數可適用於lm對象。 ############################################