数据结构与转换
内容提要
本文介绍R语言的数据结构：向量为一维数组，可存数值、字符或逻辑数据，用c()等创建；因子用于分类变量，分名义和有序；矩阵为二维数组，支持乘法、转置、行列式等运算；数组为多维结构；列表最灵活，可混合不同类型对象；数据框为二维结构，行表示观测、列表示变量，各列类型可不同，是医学数据分析最常用的结构。此外还介绍了is.和as.系列类型判断与转换函数。
延伸解读
因子水平顺序决定统计参考组
在R中，因子变量的第一个水平默认作为统计模型的参考组。文章指出，可以通过两种方式改变参考组：一是在factor()函数中调整levels和labels参数的顺序；二是使用relevel()函数指定新的参考水平。这对于医学研究中的回归分析尤为重要，因为参考组的选择会影响系数解释。例如，将性别因子的参考组从“男性”改为“女性”，模型中其他水平的系数含义会相应变化。
向量化运算与循环补齐规则
R的向量化运算允许直接对向量进行逐元素计算，如BMI计算中weight / height^2。但当两个向量长度不一致时，R会自动循环补齐较短向量，并发出警告。文章示例中，长度为5的向量a与长度为3的向量b相加，b被循环使用，结果长度为5，同时提示“longer object length is not a multiple of shorter object length”。这提醒读者在运算前应检查向量长度，避免意外结果。
数据框：医学数据分析的核心结构
数据框是二维结构，行表示观测，列表示变量，且各列可存储不同类型的数据（如数值、字符、因子）。文章强调，大多数结构化医学数据集都以数据框形式呈现，因此它是R中最常处理的数据结构。数据框本质上是列表，可用$符号访问列，例如patients$age。许多矩阵操作也适用于数据框，如子集选择，但数据框的列类型可以不同，这比矩阵更灵活。
类型判断与转换函数的使用场景
R提供了一系列is.和as.函数用于判断和转换数据类型。is.函数返回TRUE或FALSE，as.函数将对象转换为目标类型。文章举例：数值向量x经as.character()转为字符向量后，is.numeric()返回FALSE。在数据分析中，明确数据类型至关重要，因为分析方法的选择依赖于数据类型。例如，将字符型数字转换为数值型才能进行数学运算，而将数值型分类变量转换为因子才能用于统计模型。
Q&A
R语言中向量、因子、矩阵、数组、列表和数据框分别是什么？
向量是一维数组，用于存储数值、字符或逻辑数据；因子用于分类变量，分为名义和有序；矩阵是二维数组，元素类型相同；数组是多维结构，维度大于2；列表最灵活，可混合不同类型对象；数据框是二维结构，行表示观测、列表示变量，各列类型可不同。
在R中如何创建向量？有哪些常用函数？
可以使用c()函数创建向量，例如x1 <- c(2, 4, 1, -2, 5)。对于有规律的向量，可以使用冒号运算符（如1:5）、seq()函数（如seq(from=2, to=10, by=2)）和rep()函数（如rep("a", times=4)）。
R中因子有什么作用？如何创建有序因子？
因子用于表示分类变量，分为名义变量（无顺序）和有序变量（有顺序）。创建因子使用factor()函数，指定levels和labels参数。要创建有序因子，需设置ordered=TRUE，例如：factor(status, levels=c(1,2,3), labels=c("Poor","Improved","Excellent"), ordered=TRUE)。
R中矩阵的乘法、转置、行列式和逆矩阵如何计算？
矩阵乘法使用%*%运算符，要求第一个矩阵的列数等于第二个矩阵的行数；转置使用t()函数；行列式使用det()函数；逆矩阵使用solve()函数。例如：mat1 %*% mat2, t(mat1), det(mat3), solve(mat3)。
R中数据框与矩阵有什么区别？如何创建数据框？
数据框是二维结构，行表示观测，列表示变量，各列可以有不同的数据类型；矩阵所有元素类型必须相同。数据框使用data.frame()函数创建，例如：patients <- data.frame(ID, sex, age, pain.f)。数据框是医学数据分析中最常用的结构。
R中如何判断和转换数据类型？
R提供is.系列函数判断类型（如is.numeric()、is.character()），返回TRUE或FALSE；as.系列函数转换类型（如as.numeric()、as.character()）。例如：is.numeric(x)判断x是否为数值型，as.character(x)将x转换为字符型。
