Logbook Evan の Logbook
✨ Updates
🎨 Style Guide
Font · 字体记录手册🧠 Creative Resources
Name · 名以载道🗒️ Mind Notes
Quote · 字里行间🧭 Knowbase
Biorxiv 与预印本
H-1B 签证📘 SOPs
🩺 Medical Research
BioRender 使用与订阅笔记🛠️ Tech Chronicles
自定义 Bash 提示符（PS1）
Linux 系统介绍
Linux grep 工具笔记
Linux sed 工具笔记
Linux awk 工具笔记
CSS 笔记
文件夹前加点的意义
HTML 格式笔记
XML 格式笔记
TOML 格式笔记
PR 模板解读与最佳实践
YAML 格式笔记
JSON 格式笔记
YouTube 使用笔记
Writage 使用笔记
Pandoc 使用笔记
Chrome 使用全攻略
Vibe Coding：一种新的编程氛围？💰 Fortune Blueprint
📈 R Visionary
R 的 future 包（异步与并行）
R 中加载与使用系统字体
R 中的数据类型完整指南
R 与 RStudio 安装笔记
make_date() & make_datetime()：从字段构造时间对象
分类变量处理 - forcats
pmin() & pmax()：向量按元素逐位比较
geom_tile()：构建热图 / 网格图的砖块图层
facet_wrap() 与 facet_grid() 用法解析
三种 geom_smooth() 写法解析
ggplot2 的 shape 限制与解决方案
R语言字符串大小写变换
R语言数字取整与格式化。
gtsummary 回归模型
gtsummary + gt：R语言三线表实践
select()：灵活选择列
dplyr包的distinct()函数
ggthemr：为 ggplot2 一键换肤
ggthemes 常用主题
SMR 共定位分析
R集合操作与典型用法
R apply函数速查与典型用法
R变量命名规范与覆盖机制
R设置CRAN与Bioconductor镜像速查
R版本升级与包迁移实用指南
R查询当前环境和包信息（sessionInfo）
创建文件夹与目录管理基础
RStudio常用快捷键与界面恢复技巧
提取字符向量子串的实用技巧
高效读取表格与大文件：fread与自定义read_table_flex
foreach包批量循环
R基因ID转换与批量注释
R批量获取和筛选文件名
R常用序列与模拟数据生成
R数据框（df）条件筛选实用技巧
R Visionary - Introduction📊 Statistics
Survival Analysis
方差分析（ANOVA）
多因素逻辑回归
单因素逻辑回归
R语言中的常见统计分布及其应用
数据分析的可复现性：原则与实践
如何规范报告统计结果？
相关性检验
多重检验（Multiple Testing）
t 检验（t-test）
置信区间 (Confidence Intervals)
卡方检验（Chi-squared Test）
统计功效（Power）与样本量（Sample Size）
假设检验 & p值
频率表、比例表与列联表
t-test: Principles and Application in R🖼️ BioVis
R 中的数据类型完整指南
type
status
date
slug
summary
tags
category
icon
password
comment
在 R 语言中，数据类型（Data Types）是数据分析的基础。不同的数据类型决定了数据存储方式、可进行的操作以及在建模中的意义。本文将从 基本类型、复合结构、分类变量、数值变量 等角度展开，并在最后提供一张 总结表格。
1. 基本数据类型（Atomic Types）
R 的基本原子类型包括：
- Numeric（数值型）：默认是双精度浮点数。
- Integer（整型）：后缀
L表示整数。
- Character（字符型）：文本字符串。
- Logical（逻辑型）：布尔值 TRUE/FALSE。
- Complex（复数型）：含有虚部的数。
- Raw（二进制型）：低级别字节数据。
2. 特殊值（Special Values）
NA：缺失值（Not Available）
NaN：非数值（Not a Number，例如 0/0）
Inf和-Inf：无穷大与负无穷大
3. 复合数据结构（Composite Structures）
3.1 向量（Vector）
同类型元素的一维数组。
3.2 矩阵（Matrix） & 数组（Array）
矩阵是二维，数组可以是多维。
3.3 列表（List）
可存放不同类型的元素。
3.4 数据框（Data Frame）
表格型数据结构，每列可以是不同类型。
4. 数值变量（Quantitative Variables）
4.1 连续型（Continuous）
可取无限多个值，常见于测量数据。
4.2 离散型（Discrete）
只能取有限或可数的值，常见于计数数据。
5. 分类变量（Categorical Variables）
5.1 名义型（Nominal）
- 无顺序的分类
- 常用于性别、血型等
5.2 有序型（Ordinal）
- 有顺序关系
- 典型例子：教育程度、疼痛等级
⚠️ 有序因子支持比较操作：
6. 类型检查与转换
- 类型检查：
class(),typeof(),is.numeric(),is.factor()
- 类型转换：
as.numeric(),as.character(),as.factor()
7. 总结表格
类型大类 | 子类型/说明 | 示例 | 典型应用 |
基本类型 | Numeric（数值型） | 3.14 | 数学计算 |
ㅤ | Integer（整数型） | 10L | 计数、索引 |
ㅤ | Character（字符型） | "Hello" | 标签、文本 |
ㅤ | Logical（逻辑型） | TRUE/FALSE | 条件判断 |
ㅤ | Complex（复数型） | 2+3i | 数学建模 |
ㅤ | Raw（二进制型） | charToRaw("R") | 字节存储 |
特殊值 | NA, NaN, Inf, -Inf | 0/0, 1/0 | 缺失/无穷 |
结构化类型 | 向量（Vector） | c(1,2,3) | 一维数据 |
ㅤ | 矩阵（Matrix） | matrix(1:6,2,3) | 二维数据 |
ㅤ | 数组（Array） | array(1:8,c(2,2,2)) | 多维数据 |
ㅤ | 列表（List） | list(a=1,b="x") | 混合对象 |
ㅤ | 数据框（Data Frame） | data.frame(x=1:3,y=c("A","B","C")) | 表格数据 |
数值变量 | 连续型（Continuous） | 身高、体重 | 测量数据 |
ㅤ | 离散型（Discrete） | 孩子个数 | 计数数据 |
分类变量 | 名义型（Nominal，无序） | 性别、血型 | 分组变量 |
ㅤ | 有序型（Ordinal，有序） | 教育水平、疼痛等级 | 排序比较 |
8. 小结
- R 的核心是向量化，所有对象都由基本数据类型组合而来。
- 数值型变量可以细分为连续与离散；分类变量可以细分为名义与有序。
- 掌握这些区分，有助于建模时选择合适的统计方法（如：连续变量用回归分析，有序变量可用有序 logistic 回归，分类变量可用卡方检验）。
Prev
R 中加载与使用系统字体
Next
Vibe Coding：一种新的编程氛围？
Loading...