数据集中的不同变量（murders）

变量在R中也有不同的类型，我们需要区分数字与字符串，表格与简单的数字列表等不同类型。class函数可以帮助我们确定对象的类型，例如，将a赋值为2，再通过class函数查看a的类型，返回的是numeric（数字型）；再比如，通过class函数查看函数ls的类型，返回的是function（函数型）。

01数据框（DataFrames）

除了我们常用到的变量和函数，在R中最为常见的存储数据集的方式是数据框（dataframes）。从概念上来说，我们可将dataframes视为表（tables），其中的行表示观测值（observations），列则是观测值对应的不同变量。

我们可以将不同的数据类型组合成一个对象，因此dataframe对于数据集特别有用。大部分数据分析挑战都是从存储在数据框中的数据开始的。例如，我们可以通过library函数加载dslabs包，再通过data函数获取在dslabs中的数据集；与此同时，我们可以通过class函数查看数据集的类型（应为dataframe）。

如上图所示，我们已加载了一个名为“murders”的数据集或dataframe，作为一个对象，该dataframe具体是什么，有什么样的数据呢？

首先，通过str函数，我们可查看对象（object）的结构，如下：

通过str函数返回的信息，我们可以看到murders数据集有51个观测值和5个变量，并且5个变量的名称分别都列出来了，以符号“$”开始的state、abb、region、population、total。

我们还可通过head函数来查看数据集的前6行数据信息：

02访问数据（Accessingdata）

我们已经通过一些操作获取到所需的数据集，如何来访问其中的数据，或使用其中的数据呢？

就当前的示例而言，我们主要会访问数据集中的不同变量，或者说数据表的不同列，在此会用到存取器$，如下：

以上代码可返回murders数据集中region这一列的数据。在返回的结果中数据条目前用数字“[1]、[4]、[7]……”标注了顺序，此顺序即为数据条目在数据集中的数据顺序。

上面通过str函数可知道数据集有哪些列，另外一个函数可快速获取数据集的列名是names：

03向量（Vectors）

我们把“murders$region”作为对象来看的，此对象并不是单个数字，而是有许多个数据信息组成，我们将这些称之为向量（vector）。

单个的数字（视为一个对象）可说是一个向量，其大小为1；将pop定义为murders$population对象，用length函数查看pop，是一个大小为51的向量，且类型为数字型：

既然有数字型的向量，自然也会有其他类型的向量，因数据集不仅可存储数字型数据，也会有字符型数据等其他类型的数据。

数字型向量中每个数据条目一定是数字，而字符型向量中的所有数据条目则必是字符。

另一向量类型是因子（factors），用于存储分类数据，在murders数据集中，region便是factor类型的向量。这些地区“regions”是按照类别分的，此数据集中有四个类别，通过levels函数可查看：

这些地区名称看上去更像是字符类型，但为何要以分类数据的方式来保存，因为这种方式更具较高的内存使用效率。在R中，我们将这些分类级别存储为整数。从技术上讲，整数在内存方面比字符小。

本示例数据集中还有一个未提及的向量类型——逻辑向量（logicalvectors），如下所示，定义变量z为一个表达式“3==2”，“==”是一个关系运算符，3不等于，其结果为FALSE，因此z返回的就是“FALSE”，其类型为logical。