接着上一篇来介绍。第一周课的内容还没有总结完，争取有所收获。关于如何安装R以及可选安装的RStudio等，这里不做介绍了。市面上有很多中英文教材了，我也是看着那些教材教程过来的，网络上的资源更是丰富，我遇到的很多偏门的问题都可以搜索到，所以我只是在踏着前辈们走过的路再走一遍而已。我写这个教程的目的：
- 为上课做好笔记
- 梳理R相关的基础知识
- 分享自己的学习心得体会
- 与其他初学者一起交流
R 基础知识
四则运算
# Basic mathematical operations
3 + 4
5 * 5
12 / 3
5^5
这几行代码就充分展现出了R的优势之一，即时互动。大家只要在console中输入以上一行代码，就可以直接得到结果，省去了传统语言编译的过程（并不是说R中不存在编译）。
> 3 + 4
[1] 7
> 5 * 5
[1] 25
> 12 / 3
[1] 4
> 5^5
[1] 3125
以上就是运行结果。
R object (R 的对象)
vector (向量)
向量（vector）是R中最基本的对象。R的对象中大部分能且只能包含同一类的若干个元素，但是list除外，可以包含若干类的若干个元素，这也是为什么要有list的原因。常见的向量有：
- 字符向量
- 数值向量
- 整数向量
- 复数向量
- 逻辑向量
下面来创建一个含有数值1,3,5,7的向量
> v <- c(1,3,5,7) #c() 是combine，集合的意思
> x <- c(0.5, 0.6) ## numeric
> x <- c(TRUE, FALSE) ## logical
> x <- c(T, F) ## logical
> x <- c("a", "b", "c") ## character
> x <- 9:29 ## integer
> x <- c(1+0i, 2+4i) ## complex
但，如果把两种向量c()到一起，会得到什么样的向量集合呢？
> y <- c(1.7, "a") ## character
> y <- c(TRUE, 2) ## numeric
> y <- c("a", TRUE) ## character
你会发现，这时向量集会被强制（coercion）转成同一类，为了符合向量的定义。这时，如果你需要提取其中的假向量用于运算，那就需要as.functions，其中可以是numericlogicalcharactercomplex等。如下，
> x <- 0:6
> class(x) #class()用于查看向量的类
[1] "integer"
> as.numeric(x)
[1] 0 1 2 3 4 5 6
> as.logical(x)
[1] FALSE TRUE TRUE TRUE TRUE TRUE TRUE
> as.character(x)
[1] "0" "1" "2" "3" "4" "5" "6"
> as.complex(x)
[1] 0+0i 1+0i 2+0i 3+0i 4+0i 5+0i 6+0i
如果使用as.function把某类向量转化为另一类，则会得到NAs。如，
> x <- c("a", "b", "c")
> as.numeric(x)
[1] NA NA NA
Warning message:
NAs introduced by coercion
> as.logical(x)
[1] NA NA NA
有时你可能还需要空白向量，可以用vector()来创建，例如创建一个长度为10的数值向量x，
> x <- vector("numeric", length = 10)
> x
[1] 0 0 0 0 0 0 0 0 0 0
matrix （矩阵）
矩阵（pl. matrices）具有维度（dimension）属性（attribute）的向量。该维度属性本身是一个长度为2的整数向量（nrow,ncol），行数和列数。
> m <- matrix(nrow = 2, ncol = 3)
> m
[,1] [,2] [,3]
[1,] NA NA NA
[2,] NA NA NA
> dim(m)
[1] 2 3
> attributes(m)
$dim
[1] 2 3
在R中建矩阵是遵从列优先（column-wise）的原则，即，优先按照顺序从左上角开始向右一列一列地填充。如，
> m <- matrix(1:6, nrow = 2, ncol = 3)
> m
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
在了解了这个特性之后，我们就可使用dim()来为向量集创建矩阵了，大家只要注意列优先原则即可，如，
> m <- 1:10
> m
[1] 1 2 3 4 5 6 7 8 9 10
> dim(m) <- c(2, 5)
> m
[,1] [,2] [,3] [,4] [,5]
[1,] 1 3 5 7 9
[2,] 2 4 6 8 10
此外，在R中，你也可以使用cbind()（column-binding）和rbind()（row-binding）functions来创建矩阵。如，
> x <- 1:3
> y <- 10:12
> cbind(x, y)
x y
[1,] 1 10
[2,] 2 11
[3,] 3 12
> rbind(x, y)
[,1] [,2] [,3]
x 1 2 3
y 10 11 12
好了，今天就到这里吧，可能这种方式对那些以结果为导向的初学者来说，进度太慢，而且枯燥乏味吧。但是，我想对于想要学好R的零基础同学来说，这样会给大家一个更全面完整的认识吧。我个人认为，还是好好了解这些基础知识更好点，因为我之前就是结果导向，有时为了除bug，会耗费很长时间，其实就是类似的对对象、向量等基础知识一知半解造成的。如今，返回来再看这个会给自己建立一个体系，饶有趣味。