Top 5 R-Datentypen | R-Datentypen, die Sie kennen sollten

Bestimmte Variablen werden benötigt, um die Daten zu speichern, die Sie innerhalb des Programms verwenden, um eine Anwendung zu erstellen oder eine Programmierung in einer beliebigen Programmiersprache zu rendern. Man kann auch bemerken (normalerweise in typischen oder den meisten Programmiersprachen wie C oder C++), dass diese Variablen bestimmten Kategorien zugeordnet sind. Diese Kategorien bezeichnen wir als Datentyp.

Datentypen sind ein sehr wichtiges Konzept, das in fast allen Programmiersprachen verfügbar ist. Wie der Name schon sagt, stellt ein Datentyp eine bestimmte Art von Daten dar, die mit Ihrem Computerprogramm verarbeitet werden können. Erfahren Sie mehr über die verschiedenen Datentypen von Python.

Im Gegensatz zu anderen Programmiersprachen wie C werden die Variablen nicht einfach als irgendein R-Datentyp deklariert , sondern mit R-Objekten belegt. Der Datentyp des R-Objekts wird zum Datentyp der Variablen. Es gibt mehrere Arten von R-Objekten, die am häufigsten vorkommen:

1. Vektoren
2. Matrizen
3. Listen
4. Arrays
5. Faktoren
6. Datenrahmen

Vektoren sind die grundlegendsten R-Datentypen, die Elemente verschiedener Klassen enthalten. Es gibt fünf Hauptdatentypen dieser atomaren Vektoren. Die anderen R-Objekte bauen auf den atomaren Vektoren auf.

Lernen Sie Datenwissenschaftskurse von den besten Universitäten der Welt. Verdienen Sie Executive PG-Programme, Advanced Certificate-Programme oder Master-Programme, um Ihre Karriere zu beschleunigen.

Nachfolgend sind einige der R-Datentypen aufgeführt, die beim Erstellen von Vektoren verwendet werden:

Top R-Datentypen

1. Numerischer Datentyp

In der Programmiersprache R werden Dezimalwerte als Zahlen bezeichnet. Dies ist der Standard -R-Datentyp , der allen Werten in R zugewiesen wird. Lassen Sie uns dies anhand eines Beispiels verstehen:

> y = 11.6 # Weist der y-Variablen einen Dezimalwert zu

> y # gibt den Wert von y aus

[1] 11.6

> class(y) # gibt den Klassennamen von y aus

[1] „numerisch“

Hier wurde der Dezimalwert (11.6) einer Variablen „y“ zugewiesen, deren Datentyp standardmäßig numerisch ist.

Selbst wenn Sie der Variablen einen nicht dezimalen Wert zuweisen, ist ihr Standarddatentyp immer noch numerisch und keine Ganzzahl. Hier ist ein Beispiel für Sie:

> y = 1

> y # gibt den Wert der y-Variablen aus

[1] 1

> class(y) # gibt den Klassennamen von y aus

[1] „numerisch“

Lesen Sie: Variablen und Datentypen in Python [Ein ultimativer Leitfaden für Entwickler]

2. Ganzzahliger Datentyp

Zahlen ohne Dezimalwerte werden in der Programmiersprache R unter dem Datentyp Integer deklariert. Um eine Integer-Variable in R zu erstellen, wird die Integer-Funktion widerrufen. Außerdem kann die Funktion is.integer angewendet werden, um sicherzustellen, dass y tatsächlich eine ganze Zahl ist. Sehen wir uns einige Beispiele an, um den Integer-Datentyp zu verstehen:

> x = as.integer(5)

> x # drucke den Wert von x

[fünfzehn

> Klasse(x)

[1] „Ganzzahl“

> is.integer(x) # Funktion um sicherzustellen, ob x eine ganze Zahl ist oder nicht

[1] WAHR

Eine andere Möglichkeit, eine Ganzzahl zu deklarieren, besteht darin, ein L-Suffix anzuhängen.

> x = 5L

> is.integer(x) # Funktion um sicherzustellen, ob x eine ganze Zahl ist oder nicht

[1] WAHR

Ein Wert mit numerischem Datentyp kann mit der as.integer-Funktion in einen ganzzahligen Datentyp umgewandelt werden.

> as.integer(7.16) # Erzwingen eines numerischen Werts

[1] 7

Eine Zeichenfolge mit Dezimalwerten kann auch mit der as.integer-Funktion analysiert werden.

> as.integer(“7.16”) # Erzwingen einer Dezimalzeichenfolge

[1] 7

Es wäre jedoch falsch, eine nicht dezimale Zeichenfolge in die Integer-Funktion zu parsen.

Checkout: MATLAB-Datentypen

3. Komplexer Datentyp

Ein komplexer Wert in der Programmiersprache R wird über den reinen Imaginärwert i definiert.

> k = 1 + 2i # Erstellen einer komplexen Zahl

> k

[1] 1+2i

> Klasse(k)

[1] „komplex“

4. Logischer Datentyp

Die logischen Datentypen in R nehmen entweder den Wert true oder false an. Dieser Wert wird nach dem Vergleich der beiden Werte generiert. Unten erwähnt ist ein Beispiel für Sie:

> l = 4; m = 2

> n = l > m # ist l größer als y?

> n # Ausdruck des logischen Werts

[1] WAHR

> class(n) # gibt den Klassennamen von z aus

[1] „logisch“

5. Zeichendatentyp

Ein Zeichendatentyp wird verwendet, um Zeichenfolgenwerte in der Programmiersprache R darzustellen. Objekte werden mit der Funktion as.character () in Zeichenwerte umgewandelt. Im Folgenden sind einige Beispiele aufgeführt, um ein klares Verständnis des Zeichendatentyps aufzubauen:

> y = als.Zeichen(7.16)

> y # gibt die Zeichenkette aus

[1] „7.16“

> class(y) # gibt den Klassennamen von y aus

[1] „Charakter“

Um zwei Zeichenwerte zu verketten, kann eine Einfügefunktion verwendet werden.

> fname = „Riya“; lname ="Sharma"

> Einfügen (fname, lname)

[1] „Riya Sharma“

Da Sie nun ein Verständnis für die gängigsten Datentypen entwickelt haben, wollen wir uns ansehen, wie wir Vektorobjekte erstellen und die Datentypen zum Deklarieren von Werten verwenden können.

Ein Vektor ist ein Satz von Datenelementen des gleichen Datentyps.

Unten ist ein Vektor angegeben, der die drei numerischen Werte 4, 5 und 6 enthält.

> c(4, 5, 6)

[1] 4 5 6

Und hier ist ein Vektor logischer Werte.

> c(FALSCH RICHTIG FALSCH RICHTIG)

[1] FALSCH RICHTIG FALSCH RICHTIG

Ein Vektor kann auch Zeichenketten enthalten.

> c(„AA“, „BB“, „CC“, „DD“, „EE“)

[1] „AA“ „BB“ „CC“ „DD“ „EE“

Andere R-Objekte

Matrizen

Erstellt einen zweidimensionalen Datensatz. Hier ist ein Beispiel:

Erstellen Sie eine Matrix.

M = matrix( c('q','w','e','r','t','y'), nrow = 2, ncol = 3, byrow = TRUE)

drucken (M)

Ausgabe -

[,1] [,2] [,3]

[1,] „q“ „w“ „e“

[2,] „r“ „t“ „y“

Listen

Eine Liste ist ein Objekttyp, der verschiedene Arten von Elementen enthält: Vektoren, Funktionen und sogar andere Listen.

Beispiel

# Erstellen Sie eine Liste mit Vektoren und numerischen Werten.

Liste1 <- Liste(c(2,5,3),7.9)

# Liste drucken.

drucken(liste1)

Ausgabe -

[[1]]

[1] 2 5 3

[[2]]

[1] 7.9

Arrays

Im Gegensatz zu Matrizen können Arrays n Dimensionen haben. Das in Arrays verwendete dim-Attribut erzeugt die erforderliche Anzahl von Dimensionen. Unten ist ein Beispiel zum Erstellen eines Arrays mit zwei Elementen mit 2X2-Matrizen aufgeführt.

Erstellen Sie ein Array.

a <- array(c('pink','blau'),dim = c(2,2,1))

Druck(a)

Wenn wir den obigen Code ausführen, erzeugt er das folgende Ergebnis −

, , 1

[,1] [,2]

[1,] „rosa“ „blau“

[2,] „blau“ „rosa“

Faktoren

Faktoren sind R-Objekte, die mithilfe eines Vektors erstellt werden. Faktoren speichern die Vektoren mit unterschiedlichen Werten von Elementen im Vektor als Labels. Die Etiketten haben unabhängig vom Datentyp im Eingabevektor immer den Datentyp Zeichen. Faktoren sind äußerst nützlich bei der Durchführung statistischer Modellierungen.

Faktoren können mit der Funktion factor() erstellt werden.

# Erstellen Sie einen Vektor.

Farben <- c('gelb','blau','pink')

# Erstellen Sie ein Faktorobjekt.

Faktor_Farben <- Faktor(Farben)

# Drucke den Faktor.

Druck (Faktor_Farben)

[1] gelb blau rosa

Datenrahmen

Datenrahmen sind tabellarische Datenobjekte. Jede Spalte in einem Datenrahmen kann unterschiedliche Datenmodi enthalten. Alle drei Spalten können unterschiedliche Datentypen haben, sei es eine ganze Zahl, eine Zahl oder ein Zeichen.

Datenrahmen werden mit der Funktion data.frame() erstellt.

# Erstellen Sie den Datenrahmen.

Daten <- data.frame (

Geschlecht = c("männlich", "weiblich"),

Höhe = c(153, 160),

Gewicht = c(80, 78),

Alter = c(40 29)

)

drucken (BMI)

Ausgabe

Geschlecht Größe Gewicht Alter

1 Männlich 153,0 80 40

2 weiblich 160,0 78 29

Lesen Sie auch: R-Entwicklergehalt in Indien: Für Neulinge und Erfahrene

Was als nächstes?

Wenn Sie neugierig sind, mehr über R, Data Science, zu erfahren, schauen Sie sich unser PG-Diplom in Data Science an, das für Berufstätige entwickelt wurde und mehr als 10 Fallstudien und Projekte, praktische Workshops, Mentoring mit Branchenexperten, 1-on- 1 mit Branchenmentoren, mehr als 400 Stunden Lern- und Jobunterstützung bei Top-Unternehmen.