一、向量（vector）
（一）認識向量
不知道大家聽到向量，會不會回憶起高中時間數學的不好印象，那這邊可以先跟大家掛保證，Ｒ語言裡面應用的向量，不會像高中數學時期那麼複雜，且相當直觀好理解喔～
在我們日常處理資料時，可能會一張完整的表（像是excel那樣的工作表），那麼當我們想要分析某列或是某行的時候，就會分別視為一個向量。而向量是一維資料的表現方式，用c()函數定義，參考以下範例：
vec_sample <- c(‘w’,’x’,’y’,’z’)
vec_sample
在範例當中，w~z視為vec_sample向量中的元素（element），各個元素就像是排列好的乘客，它們依照順序乘坐在該向量列車中！
（二）向量順序
提到了順序這個概念，那麼我們就可以透過選定，來提取向量中第n個元素：
vec_sample[1]
vec_sample[c(2,3)]
第一個程式碼vec_sample[1]是提取在vec_sample向量中的第1個元素，也就是“w”。
注意！而若是同時要提取多個元素，並不是vec_sample[2,3] 喔～而是要vec_sample[c(2,3)]，在提取裡面還需要放一個向量喔！
（三）向量中的資料型態
在同一向量中，有個必須遵守的規則，那就是所有元素的資料型態必須是相同的，也就是我們上一小節介紹的數值（numeric）、字串（character）和布林代數（logic）。
而若是不同型態的資料放進同一向量，則會直接被轉成一樣的：
vec_sample2 <- c(1,300,’yes’,’no’)
vec_sample2
在範例當中，我們將數值（1,300）和字串（yes,no）放進同一個向量中。可以看到最後數值資料都被轉為字串的資料型態了，那麼大家不仿可以試試若是把logic和numeric會被轉為哪個呢？
（四）連續向量
若是要產生一個連續性的向量，例如1,2,3,4 ，我們可以不需要一個一個把元素定義進一個向量裡，而是可以利用：或者seq()
來串起第一元素和最後一元素：
1:100
seq(from=1,to=100,by=1) #1 ~ 100 , 數字間隔1
若是想要列出0~50中雙號：
seq(from=0,to=50,by=2)
（五）向量運算
個別向量或者多個向量之間都是可以做數學運算的，當然若是要進行向量之間的運算，則要向量內的元素數目相等！那就直接來看向量間如何運算：
vec_sample3 <- 10:20
vec_sample4 <- seq(from=1,to=33,by=3)
(vec_sample3 + 100) ^ 2 # 所有元素先＋100再取平方
vec_sample4 – vec_sample3
二、因子（factor）
因子又稱類別變數，舉例：性別（生理男、生理女）、年級（大一、大二、大三、大四）、地區（北部、中部、南部、東部），當我們遇到以上這類變數時，會轉換成 fator 型態來做分析。
school_gender_sample <- c(‘male’,’female’,’male’,’male’,’male’,’female’)
school_gender_sample <- factor(school_gender_sample)
levels(school_gender_sample)
可以看到以上範例，首先我們先將學校學生性別定義為一向量，然後將此向量轉換成factor型態，最後我們即可以用levels()來找出該項目中，存在了哪些類別。
看到這裡可能會有些許同學會有疑問，怎麼factor和向量很像？其實沒錯，只是factor資料型態相較於vector額外多了類別屬性（levels）。
三、列表（list）
介紹列表（list）之前，先幫各位大家回憶一下，在前面介紹向量（vector）時有個必須要遵守的規定，即是在一向量當中，所有變數的資料型態必須要相同，否則Ｒ會自動幫我們轉化成同一個型態。
然而我們有時候想儲存或分析一資料時，資料裡往往存在著許多不同資料類型，那麼我們就將使用列表list()函數來儲存！！舉例某賣場要建立會員資料時，裡面資料可能就包含性別（character）、年齡（numeric）、居住地（character）等等。
首先將顧客資料建立好：
consumer_1 <- list(gender=’male’,
age=18,
region=’Taipei’)
consumer_2 <- list(gender=’female’,
age=23,
region=’Tainan’)
接著我們可以先使用str()函數查看列表內資料型態有哪些：
＊小補充：那麼我們將資料儲存進去之後，如果想要隨時查看，當然也要可以提取出來才行，例如我們想看某個顧客的性別或居住地，只要使用Ｒ語言裡最特別的程式碼＄就可以將顧客內的變數提取出來查看！
consumer_1$gender #查看顧客1的性別
consumer_2$age #查看顧客2的年齡
四、矩陣（matrix）和資料框架（data frame）
（一）矩陣（matrix）
Ｒ語言中列出矩陣的方式也相當直觀簡單，通常直接使用matrix() 函式定義，可以跟著以下範例練習：
matrix_sample <- matrix(c(1:8),
nrow = 4,
ncol = 2)
matrix_sample
範例中欲建立一 4×2之矩陣，可以看到變數 nrow＝ 代表列數，而ncol＝ 則代表行數，接著建立數字1~8之向量放在此4×2矩陣之中。
而在學習向量時，有提到因向量之元素具有順序的特性，因此可以將某特定位置之元素提取出來查看。那麼在矩陣當中，每個元素也都有自己專屬的位置，例如（1,1）(2,3)，而當元素具有固定座位時，我們當然也能將它提取出來檢視囉：
matrix_sample[4,1] #使用的是[]
matrix_sample[3,2]
matrix_sample[2,] #檢視第二列，因此在行的欄位空白
matrix_sample[,1]
矩陣也可以做運算，在單一個矩陣當中做數學運算就和在單一向量中方法相同，大家可以動手試試看喔！而在多個向量中做相乘就有個特別的符號%*% 要記一下囉～相信大家在高中也學過怎麼樣的兩個向量才能做運算吧，不要全部都還給高中數學老師喔～
#另外定義一個2×6矩陣
matrix_sample2 <- matrix(c(21:32),
nrow = 2,
ncol = 6,)
matrix_sample2
matrix_sample%*%matrix_sample2 #兩矩陣相乘
（二）資料框架（data frame）
1.認識資料框
Ｒ語言中data frame可以直接理解成我們平常在excel中作業的sheet表，以下範例使用Ｒ語言內建鐵達尼號存活資料來呈現給大家看：
install.packages(“titanic”) #安裝並啟動鐵達尼套件
library(titanic)
View(titanic_train) #使用View()函數查看完整鐵達尼訓練資料
在使用View()此函數後，會跑出類似sheet表單，也就是Ｒ語言的data frame ！
2.製作資料框
如同先前的向量以及矩陣，資料框在Ｒ語言裡當然也能運用特定函數 data.frame() ，那麼就一起來創造獨特的資料框吧：
View(dataframe_sample)
3.閱讀資料框
不管是Ｒ語言內建、我們自己建立的或者從外部匯入的資料框，可能都具有相當龐大的資訊量。那麼要未來如果想使用它或者分析它，就必須先完全理解它所有變數的資料型態、資料量等等資訊。除了上述所提到的View() 函數，我們還可以利用以下函數檢視不同資訊：
(1) head() 函數
首先，能取代View() 的一函數，由於每次使用View函數都會大量運用到電腦資源，因此我們找到能代替其並且閱覽功能相差不遠之函數，而head() 函數特色就是顯示前6項資料，可看作縮小版的View函數：
head(dataframe_sample)
(2)str()函數
論檢視變數資料型態，幾乎沒有比str()函數更好用的了，它不僅僅可以看出每個定義出來資料的資料結構（向量、矩陣、列表、資料框），更可以顯示每個資料集合的所有變數的資料型態（數值、字串、布林代數）：
str(dataframe_sample)
可以看到以上範例，會直接顯示此資料集合：data frame結構，8筆資料數和5個變數。另外在每個變數裡會顯示資料型態，例如在gender變數，是屬於factor類型且分為兩種levels 。
(3)summary()函數
最後一個summary()函數，是一個能夠檢視每個變數內的描述性統計（平均數、中位數、個數等等）功能：
summary(dataframe_sample)
4.調整資料框變數
常見資料框都會有缺少變數或者擁有多餘用不到之變數問題，而為了使用以及分析上方便，我們常會透過新增以及刪除變數來調整原有資料框：
新增變數相當簡單，只要另外指派新的向量給原本資料框即可：
dataframe_sample$live_region <- c(“Taipei”,
“Tainan”,
“Taichung”,
“Keelung”,
“Miaoli”,
“Taoyuan”,
“Yilan”,
“Chiayi”)
而刪除變數，只要將欲刪除之變數指派給NULL即可：
dataframe_sample$payment_method <- NULL
＊小結：恭喜各位到這裡也已經學會Ｒ語言最基本也是最重要的資料結構了，在理解完這章節的資料結構和上章節的資料類型，接下來我們就可以開始學習如何整理資料結構和資料清洗了！
