5 Basic: element type

由于 R 是以统计分析见长的一门计算机编程语言，所以处理变量类的 object 是 R 的日常。在变量中储存的通常是统计分析所使用的数据信息。根据日常生活经验可知，数据信息可以是不同类型，数字（比如被试在五点计分量表上的作答，数字 1-5），也可以是文字（例如被试的背景信息，学历、出生地、性别、毕业院校，等等）。

如果将日常处理的数据中每一个单独的记录视作是元素，那么这些不同数据信息类型在 R 中就对应着不同的元素类型（element type）。

element type之所以重要是因为不同的element type在处理的时候适用的操作有所不同，数字类型的元素适用于数学计算，字符串类型的元素适用于分割、拼接等操作。

R 有 4 种基础和 4 种特殊的 element types：

基础	特殊
`logical`（逻辑）	`NA`（缺失值）
`integer`（整型）	`NULL`（空）
`double`（双整）	`raw`（原始型）
`character`（字符串）	`expression`（表达式）

5.1 Four basic types

分别是logical，integer，double，还有character，其中integer和double均是numeric（数值型）。

numeric对应着数值类型的数据信息，character对应着文本类型的数据信息。logical则是专门用来储存“是或否”类型的 2 值数据信息，比如“10月21日是否核酸检测（是或否）”。

一般情况下，使用读取数据的 function 将本地数据文件读入 R 时，function 会自动根据读进来的数据信息来判断哪一部分是numeric、哪一部分是character、哪一部分是logical，不太需手动指定。那么什么情况下才需要？按需。听起来像是废话，看几个例子。

生成 4 种 element type 下的常量 scalar（单个元素）。

# 现有一张核酸检测情况登记表，记录了 9 位同学的核酸情况，
#  将该表读入 R 中，命名为 data_covid_test
#  得知又新增了一位同学，需要记录 ta 的姓名、是否检测、体温等信息
data_covid_test$name[10] <- "小明"  # character
data_covid_test$is_covid_test[10] <- TRUE  # logical
data_covid_test$temperature[10] <- 36L  # integer
data_covid_test$temperature[10] <- 36  # double

在上面的例子中，数字包括10和36，一个是该同学在列表中的位置排序信息，另一个是该同学的体温信息。这两个信息根据常识判断肯定是数字，所以在代码中涉及到这两个信息的地方需要手动生成numeric的 anonymous object。类似的，因为该同学的姓名必然是character，所以涉及到姓名的地方需要手动生成character的 anonymous object。而该同学是否检测只有两种情况，检测或未检测，属于天然logical信息，所以涉及到检测情况的地方需要手动生成logical的 anonymous object。以上，即为在写代码的过程中按需手动生成指定element type的 anonymous object。

其中，integer和double型的 object 在 Console 输出时没有区别。例如：

var_int <- 1L
var_dbl <- 1
var_int
#> [1] 1
var_dbl
#> [1] 1

只有在 Environment 里面可以看得出来区别：

因此，绝大多数场景下，使用double就够了，如data_covid_test$temperature[10] <- 36。

5.1.1 Caveats

logical obejct 必须使用全部大写的TRUE、FALSE，或首字母简写T、F；
double既可以是日常生活中常用的 10 进制小数，也可以是科学计数法（scientific notation，1.99E10==1.99*10^10==19900000000），除此之外，double还有 3 种特殊的值，Inf(正无穷)，-Inf（负无穷），NaN（非数）；

1/0
#> [1] Inf
0/0
#> [1] NaN
1/0 + 1/0
#> [1] Inf
1/0 - 1/0
#> [1] NaN
sin(Inf)  # sin() 为正铉函数
#> Warning in sin(Inf): NaNs produced
#> [1] NaN
log(-1)  # log() 为自然对数函数
#> Warning in log(-1): NaNs produced
#> [1] NaN

当看到Inf、-Inf、NaN时，就要反应过来，是数据可能存在问题，导致出现了违背计算规律的事情发生，此时最好是检查一下原始数据，看看问题出在哪。

手动生成integer型的 anonymous object 时必须以L结尾，并且不能包括小数；

a <- 1.1L
#> Warning: integer literal 1.1L contains decimal; using numeric value

考虑到绝大多数情况下都建议使用double类型，并且出现这种错误时会有明确的警告warning，所一般不用担心。

字符串请一定要用双引号""包括起来，否则会被识别为object的name；

var_name <- "fruit"
var_name <- fruit
#> Error: object 'fruit' not found

一些特殊的字符，则需要使用\来转义，如换行符（\n），详细的特殊字符列表请使用?Quotes查看。

x <- "1\n1"
cat(x)
#> 1
#> 1

5.2 Four special types

5.2.1 `NA`(not available)

missing data 是数据收集过程中经常会碰到的事情，所以大多数统计分析方法中会有专门针对缺失数据的处理。首先需要知道在 R 中，缺失数据有专门的标记，NA。NA是一个长度为 1 的logical常数，包含一个缺失值（missing value）指示指标（indicator）。

NA # there should be something here but no, let's mark it
#> [1] NA
length(NA)  # length() 会返回 object 的长度
#> [1] 1

大多数运算中如果有NA，通常会返回NA，NaN、Inf和-Inf也是如此。

NA + 5
#> [1] NA
NA - 10
#> [1] NA
#---
NaN + 5
#> [1] NaN
NaN - 10
#> [1] NaN
#---
Inf + 5
#> [1] Inf
Inf - 10
#> [1] Inf
#---
-Inf + 5
#> [1] -Inf
-Inf - 10
#> [1] -Inf

也有一些例外：

NA ^ 0
#> [1] 1
NA | TRUE
#> [1] TRUE
NA & FALSE
#> [1] FALSE
#---
NaN ^ 0
#> [1] 1
NaN | TRUE
#> [1] TRUE
NaN & FALSE
#> [1] FALSE
#---
Inf ^ 0
#> [1] 1
Inf | TRUE
#> [1] TRUE
Inf & FALSE
#> [1] FALSE
#---
-Inf ^ 0
#> [1] -1
-Inf | TRUE
#> [1] TRUE
-Inf & FALSE
#> [1] FALSE

正是因为大多数统计方法的 function 中都会有处理缺失数据的部分，且通常都是通过 function 的某个 argument 来控制的。只不过，不同的统计方法的 function 对于缺失值的处理可能会有区别，argument 也可能会不同，但与缺失数据有关的 argument 通常都会包含na的关键词，可以通过 Help 界面的 Find in Topic 快速查找某个 function 中与缺失数据有关的信息。例如：

# mean
vec_with_missing <- c(1, 2, NA, 3)
mean(vec_with_missing)
#> [1] NA
mean(vec_with_missing, na.rm = TRUE)
#> [1] 2

# t test
x <- c(1, 2, NA, 4, 5, 6, 7, 8, 9, 10)
y <- c(7, 8, 9, NA, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20)
t.test(x, y)  # ?t.test, the "na.action" argument kicks in with default
#> 
#>  Welch Two Sample t-test
#> 
#> data:  x and y
#> t = -5.1338, df = 19.909, p-value = 5.127e-05
#> alternative hypothesis: true difference in means is not equal to 0
#> 95 percent confidence interval:
#>  -11.239510  -4.743396
#> sample estimates:
#> mean of x mean of y 
#>  5.777778 13.769231

5.2.2 `NULL`

NULL表示一个长度为 0 的 vector，可以理解为“空”。

NULL
#> NULL
length(NULL)
#> [1] 0

大多数情况下，涉及到NULL的运算，都会输出一个长度为 0 的相应结果（取决于所使用 function 定义），例如：

NULL * 1L
#> integer(0)
NULL + 1
#> numeric(0)
NULL | TRUE
#> logical(0)

NULL的 3 种常见用法

初始化某个对象（不推荐）

test[1] <- 1  
#> Error: object 'test' not found
# 在环境空间（environment）中并没有叫 test 的 object 时，就无法与其交互。

test <- NULL  # 初始化，创建一个 NULL object，取名 test
test[2] <- 1  # 将 test 的第 2 个位置上的元素替换为 1
test
#> [1] NA  1

和test <- NULL等价的写法是test <- c()。但是由于这种初始化的写法一定会导致test的大小发生变化（例子中由 0 变为 2）， R 在处理的时候会需要不断在内存中复制test，运行效率低下，不推荐这样的初始化写法。更建议的初始化写法详见控制流的for循环小节。

作为 function 的可选 argument 的默认值（default setting），在自编 function 的章节会具体讲。例如，可以使用?t.test查看t.test()的帮助文档，其中的一个可选argument——y的默认值就是NULL，如果不提供y，就默认执行单样本 t 检验，结合mu = 0可知，此时$H_0:\mu=0$。
清空某 object 的 value

test <- c(1, 2, 3)
test <- NULL
test
#> NULL

5.2.3 `raw`

raw因为很少用，所以就不介绍了，感兴趣的同学请使用?raw查看。

5.2.4 `expression` (optional)

expression是一种特殊的 element type，单独的一个expression存储的是一个没有执行的 R 代码。使用expression()来产生expression类型的 object，例如：

1 + 3
#> [1] 4
expression(1 + 3)
#> expression(1 + 3)
length(expression(1 + 3))
#> [1] 1

expression的用途

expression常用于作图时在图片中添加数学公式，例如：

x <- c(
  1, 2, 3, 4, 5, 6, 7, 8, 9, 10,
  11, 12, 13, 14, 15, 16, 17, 18, 19, 20
)
y <- sqrt(x)
plot_title <- expression(y == sqrt(x))
plot(x, y, main = plot_title)

更多支持的公式符号可以使用?plotmath查看。

5.3 Element type detection

在一些情况下，需要检测 object 的element type到底是哪一种，需要使用typeof()：

var_lgl <- c(TRUE, FALSE)
var_int <- c(1L, 6L, 10L)
var_dbl <- c(1, 2.5, 4.5)
var_chr <- c("these are", "some strings")
var_inf <- c(1.3, Inf, -Inf)
var_NaN <- c(1.3, NaN, -Inf)
var_na <- c(NA, NA, NA)
var_null <- c(NULL, NULL, NULL)
typeof(var_lgl)
#> [1] "logical"
typeof(var_int)
#> [1] "integer"
typeof(var_dbl)
#> [1] "double"
typeof(var_chr)
#> [1] "character"
typeof(var_inf)
#> [1] "double"
typeof(var_NaN)
#> [1] "double"
typeof(var_na)
#> [1] "logical"
typeof(var_null)
#> [1] "NULL"

5.4 Recap

element type包括 4 种基础类型和 4 种特殊类型；
NA表示 missing value；
NaN、Inf和-Inf表示违背了运算法则。

5.5 Fun fact: loss of precision

sprintf("%.30f", 5.2)
#> [1] "5.200000000000000177635683940025"

4 Basic: the ubiquitous x <- value

6 Basic: structure type