概念

数值型（Numeric）：用于存储数值数据，包括整数和浮点数。例如：x <- 5。

字符型（Character）：用于存储文本数据，以单引号或双引号括起来。例如：name <- “John”。

逻辑型（Logical）：用于存储布尔值，即TRUE或FALSE。用于表示逻辑条件的真假。例如：is_student <- TRUE。

因子型（Factor）：用于存储分类变量，比如性别、教育程度等。因子型数据在统计建模中很常见。例如：gender <- factor(“Male”, levels=c(“Male”, “Female”))。

向量（Vector）：是R中最基本的数据结构，可以存储相同类型的多个元素。向量可以是数值型、字符型、逻辑型等。例如：numbers <- c(1, 2, 3, 4)。

列表（List）：用于存储不同类型的元素，类似于Python中的列表。列表中的元素可以是向量、矩阵、数据框等。例如：my_list <- list(name=“John”, age=30, is_student=TRUE)。

矩阵（Matrix）：是二维的数值型数据结构，其中所有元素必须具有相同的数据类型。例如：my_matrix <- matrix(c(1, 2, 3, 4), nrow=2, ncol=2)。

数据框（Data Frame）：用于存储类似表格的数据，每一列可以是不同的数据类型，类似于数据库中的表。数据框常用于处理实际数据集。例如：

my_data <- data.frame(name=c("John", "Jane", "Bob"),age=c(30, 25, 22),is_student=c(TRUE, FALSE, TRUE))

数组（Array）：类似于矩阵，但可以包含多于两个维度的数据。数组的维度需要相同，所有元素具有相同的数据类型。

因子（Factor）：用于存储分类变量，可以带有预定义的水平。

时间序列（Time Series）：用于存储按照时间顺序排列的数据点。

空值（NA）：表示缺失值的特殊值。