序列的產生

R 有一系列的方式可產生常用的序列(sequence),例如要產生 c(1, 2, 3, ..., 100),則可使用冒號運算子(:):

seq <- 1:100

以下是一些相關的用法,讀者可以比較其中的差異。

seq1 <- 30:1
seq2 <- 1:10 * 2 + 1
n <- 10
seq3 <- 1:n-1
seq3 <- 1:(n-1)

seq() 函數是在產生數列時最為常用的工具,前兩個參數分別指定所產生數列的首尾,如果只是給定這兩個值,則和冒號運運算子的結果完全一樣,例如:seq(2, 10) 就等同於 2:10

seq() 的參數和其他許多 R 函數的參數一樣都可以用指定名稱的方式給定,在這情況下,參數的順序可以是任意改變的,所以前兩個參數就可以用 from=valueto=value 的方式設定,因此以下幾種寫法是完全一樣的:

seq(1, 30)
seq(from = 1, to = 30)
seq(to = 30, from = 1)
1:30

seq() 接下來的兩個參數是 by=valuelength=value,它們分別表示這個序列的步長和長度,如果二者都沒有設定,那麼預設值就是 by=1(步長為 1)。例如

seq1 <- seq(-5, 5, by = 0.2)

所得到的 seq1c(-5.0, -4.8, -4.6, ..., 4.6, 4.8, 5.0),類似的用法

seq2 <- seq(length = 51, from = -5, by = 0.2)

得到的 seq2seq1 相同。

還有一個相關的函數是 rep()。它可以用各種複雜的方式重複一個物件,簡單的方式就是

rep1 <- rep(x, times = 3)

這種方式會先把 x 複製三次並保持 x 的序列順序,逐一放在 rep1 中,得到 c(1, 2, 3, 1, 2, 3, 1, 2, 3)。另一種方式是

rep2 <- rep(x, each = 3)

這是把 x 中的每個元素都重複三次,然後將重複三次的元素逐一放入,得到 c(1, 1, 1, 2, 2, 2, 3, 3, 3)

邏輯向量

邏輯向量(logical vector)就是由邏輯元素所構成的向量,每個元素可以被賦予的值有 TRUEFALSENA(見下一小節)。

TRUEFALSE 可以分別簡寫為 TF,但要注意的是 R 對 TF 的處理方式只是預設將他們設為 TRUEFALSE 的變數,它們不是系統保留字(reserved word),可以被使用者複寫,因此建議使用者儘量使用 TRUEFALSE,避免產生不必要的困擾。

指定一個邏輯向量的方式與一般數值向量一樣是使用 c(),例如:

b <- c(TRUE, FALSE, TRUE)

邏輯向量亦可以由條件式(conditions)產生,例如:

x <- c(1, 2, 3, 4)
bseq <- x < 3

得到的 bseq 是一個長度與 x 一致的向量,其中每個元素就是 x 向量中每個元素經過邏輯運算的結果,亦即 c(TRUE, TRUE, FALSE, FALSE)

R 的比較運算子包含:

  • <:小於。
  • <=:小於或等於。
  • >:大於。
  • >=:大於或等於。
  • ==:等於。
  • !=:不等於。

假設 b1b2 是兩個邏輯向量,以下是 R 的邏輯運算子與使用方式:

  • &:AND 邏輯運算子,如 b1 & b2
  • |:OR 邏輯運算子,如 b1 | b2
  • !:NOT 邏輯運算子,如 !b1

若將邏輯變數使用於一般的算術運算中,邏輯變數將會被強制轉換成數值變數,FALSE 轉換為 0,而 TRUE 轉換為 1

遺失值

在某些情況下,向量的某些元素有可能無法得知,當一個元素或是數值在統計上無法獲得(not available)或是遺失(missing value)的時候,則此元素或數值就會以一個特定的值 NA 來表示,任何含有 NA 資料的運算結果都將是 NA,會這樣假設的道理很簡單,如果計算用的資料都是未知的,那麼結果也必然是不可預期的,因此也是不可得到的。

is.na(x) 函數返回一個和 x 同樣長度的邏輯向量,若其某個元素值為 TRUE 則表示在 x 中對應元素為 NA

z <- c(1:3, NA)
ind <- is.na(z)
這裡特別要注意的一點,邏輯運算式 x == NAis.na(x) 是完全不同的,因為 NA 不是一個真實的值,而是一個表示某個資料值無法得知的符號,因此 x == NA 得到的是一個長度和 x 一樣的向量,而它的所有元素的值都是 NA,因為該邏輯運算式本身就包含 NA,所以運算結果也都是 NA

另外還要注意數值計算會產生第二種遺失值,也稱為非數值(Not a Number)NaN,例如:

0/0

或者

Inf - Inf

二者都得到 NaN,這是因為它們的結果都無法定義。其中 Inf 代表數學上的無窮大。

若用 is.na() 檢查 NANaN 的話,結果都會是 TRUE,若需要區分它們,可以使用 is.nan() 來檢查,is.nan() 只有對 NaN 元素會產生 TRUE