R语言的数据类型
大家都知道，从变量声明的角度区分，数据类型可以分为静态类型和动态类型。
在编译期间就确定数据类型的语言，叫静态类型语言。该类语言要求在使用任一变量之前必须先声明其数据类型。例如，Java和C就是静态类型语言。
在运行期间才确定数据类型的语言，叫动态类型语言。对于该类语言，不必事先声明其数据类型，而是通过第一次的赋值来定义其数据类型。R和Python为动态类型语言。
从不同数据类型是否可混合使用的角度来区分，语言又可以分为弱类型语言和强类型语言。
在弱类型语言中，不同数据类型间的数据可以混合使用。例如，在VBScript中，可以将字符串'12'和整数3进行连接，从而得到字符串'123'。
在强类型语言中则相反，不同数据类型间的数据不可以混合使用，必须通过类型转化函数处理后才可以。R和Python就是强类型语言。
了解了R语言的数据类型后，再来看看R语言支持的数据类型。通常它支持的数据类型有数值型、字符型、复数型和逻辑型。
数值（numeric）类型的取值是实数，在R环境中使用数字来表示。例如：
a<-9.111 mode(a) [1] "numeric"
复数（complex）类型的取值可以扩展到虚数，并使用<实部数值>+i<虚部数值>来表示。例如：
a<-100+11i mode(a) [1] "complex"
逻辑（logical）类型的取值为TRUE（也可以简写为T）和FALSE（也可以简写为F）。例如：
a<-T mode(a) [1] "logical"
字符（character）类型的取值是字符串，在R语言中，字符串需要使用英文双引号括起来表示。例如：
a<-ttt123
错误:
找不到对象'ttt123'
a<-"ttt123"
mode(a)
[1] "character"
有两种特殊情况不能使用上述4种数据类型来描述：数据的缺失和数据的未知状态。
NA表示数据集中的某数据遗失。在对具有NA样本的变量进行函数操作时，该NA不会被直接剔除。例如，x<-c（10,20,30,NA,40），取mean（x），则结果为NA。如果函数中有na.rm参数，则可以设置为T，以去除NA的影响。虽然NA表示了数据的遗失，但在工作空间数据中（内存中）是记录该数据的，当使用向量长度读取函数length时，返回的向量长度为5。具体代码及结果如下所示：
x<-c(10,20,30,NA,40)
mean(x)
[1] NA
mean(x,na.rm=T)
[1] 25
length(x)
[1] 5
NULL表示未知的状态。在对具有NULL样本的变量进行函数操作（mean是计算平均数的函数）时，NULL样本不会被计算。而使用print函数输出x数据时，也把NULL忽略了。最能说明NULL与NA不同的是当读取向量的长度时，NULL并不占据任何工作空间，length（c（10,20,30,NULL,40））的返回值为4。而NA是占据工作空间的，length（c（10,20,30,NULL,40））的返回值为5。具体代码及结果如下所示：
x<-c(10,20,30,NULL,40)
mean(x)
[1] 25
print(x)
[1] 10 20 30 40
print(paste("x1=",x[1],";x2=",x[2],";x3=",x[3],";x4=",x[4]))
[1] "x1= 10 ;x2= 20 ;x3= 30 ;x4= 40"
length(x)
[1] 4
有时要判断一个数据是否为NA或NULL，这时可以使用is.na和is.null函数。例如：
a<-c(1,2,3,NA,4,NULL,9)
is.na(a)
[1] FALSE FALSE FALSE TRUE FALSE FALSE
is.null(a)
[1] FALSE
在上面的代码中，is.na函数判断向量a的第四个数据（a[4]，R语言中向量下标从1开始）是NA，返回值为TRUE，其余均不是NA，返回值为FALSE。is.null函数判断数据是否为NULL。注意is.na和is.null的区别，is.null在处理向量时不会分别判断内部数据，而是把向量当成一个数据统一判断，其返回值只有一个FALSE。
