第三章：R语言基础语法与数据结构归纳总结

学R语言，说白了就是跟数据和函数打交道。我个人习惯先把基础语法和数据结构理清楚，后面做特征统计才不会手忙脚乱。这一章我把最常用的东西串起来，你看完可以直接上手写代码。

3.1 基础语法：那些你每天都用的东西

R的语法其实挺简洁，但也有它自己的脾气。我先说说赋值，这事我刚开始就踩过坑。

x <- 42            # 标准赋值
mean_value <- mean(c(1,2,3))
y = 5                # 也可以，但在函数内部会有歧义

注释：用井号 # 开头。别偷懒，我项目里见过一段没注释的代码，三天后自己都看不懂写了啥。

控制流：if、else、for、while 跟C语言很像，但R里括号可以省略（虽然我不建议这么做）。

if (x > 0) {
  print("正数")
} else {
  print("非正数")
}

for (i in 1:5) {
  print(i ^ 2)
}

3.2 数据结构：R的六种基本类型

R的数据结构大概分六种，但日常搞特征工程，你八成时间都在跟向量、数据框和列表打交道。我整理了一个对比表格，看一眼就清楚。

数据结构	维度	元素类型	典型用法
向量 (vector)	1维	同类型（数字/字符/逻辑）	存储单列特征
矩阵 (matrix)	2维	同类型	数值矩阵运算
数组 (array)	多维	同类型	张量数据（少用）
列表 (list)	1维	可混合不同类型	存储异构特征
数据框 (data.frame)	2维	每列可不同类型	结构化数据集（主力）
因子 (factor)	1维	分类水平	管理类别特征

我个人最常用的就是向量和数据框。向量是R里最基础的原子单位，数据框则对应我们常说的表格数据。

3.3 向量：最核心的一维容器

创建向量的方式很多，c() 是最直接的。我就用这个。

num_vec <- c(1, 3, 5, 7)
char_vec <- c("a", "b", "c")
logi_vec <- c(TRUE, FALSE, TRUE)

# 注意：类型自动统一！
mixed <- c(1, "two")   # 结果全部变成字符型："1", "two"

向量化操作：这是R的杀手锏。写一个 + 就能对整个向量做运算，不用写循环。

a <- 1:5
b <- 6:10
a + b           # 7 9 11 13 15
a * 2           # 2 4 6 8 10
sqrt(a)         # 1 1.414 1.732 2 2.236

为什么快？因为底层用C语言并行算。我项目里处理百万级数据时，向量化能比for循环快几十倍。

3.4 数据框：你的数据分析主战场

几乎所有的特征工程都在数据框上操作。创建数据框用 data.frame()，列名就是变量名。

df <- data.frame(
  id = 1:4,
  score = c(85, 92, 78, 95),
  grade = c("B", "A", "C", "A")
)

# 查看结构
str(df)
# 'data.frame': 4 obs. of  3 variables:
#  $ id   : int  1 2 3 4
#  $ score: num  85 92 78 95
#  $ grade: chr  "B" "A" "C" "A"

常用操作：我列几个你马上会用到的。

• head(df) 看前几行
• dim(df) 看行列数
• names(df) 看列名
• df$score 提取一列（返回向量）
• df[1:3, ] 提取前3行

3.5 列表与因子：两个容易被忽略的利器

列表可以装任何东西，包括数据框甚至另一个列表。在做复杂特征组合时特别有用。

my_list <- list(
  name = "Alice",
  scores = c(90, 85, 92),
  info = data.frame(age = 25, city = "NYC")
)

# 用双中括号或$访问
my_list$name
my_list[["scores"]]

因子本质是整数向量+水平标签，专门处理分类变量。我建议所有分类特征都转成因子，绘图或建模时自动按水平排序，不会乱。

gender <- factor(c("M", "F", "M", "F"))
levels(gender)    # 默认按字母顺序
# 可以手动指定顺序
gender <- factor(gender, levels = c("F", "M"))

3.6 知识结构总览

下面这张图把R语言基础语法和数据结构的脉络串起来。你可以把它当个速查路线图。

图上把基础语法、数据结构和特征统计核心串在了一起。你想想看：数据框的每一列其实就是一个向量，向量化运算又依赖基础语法。整个R语言的数据分析都是在这个环上转的。

3.7 避坑与实操建议

最后我塞几句自己摔过的跟头，你记下来能省不少时间。

• 检查类型：用 class() 确认对象类型，尤其是从文件读进来的数据，经常是字符型而不是数值型。
• 别信默认：read.csv() 默认把字符列转成因子，我建议加上 stringsAsFactors = FALSE。
• 用str()：这是我debug时用得最多的函数，比直接打印整个数据框清晰一百倍。