理解数据集

数据集通常是长方形数据矩阵，行代表一个观察值，列代表一个变量，下表提供了一个假想的病人数据集

不同的规则有不同的数据集行列名称。数据统计把它们成为一个观察值和变量，数据库分析员把它们成为一条记录和域，数据挖掘和机器学习把它们成为一个样例和属性。我们将会在本书中用一个观察值和变量这个术语。

你可以分清数据结构（本例中的长方形数组）和包含数据类型的数据内容。在上表所示的数据集中，PatientID是一个行，或者是一个标识符。AdmDate是一个日期变量，Age是一个连续型变量，Diabetes是一个记号变量，Status是一个序级变量。

R语言有很多结构来存储数据，包括标量，向量，数组，数据框架和线性表。上表在R语言里相当于一个数据框架。这个结构的差异给R语言在处理数据时提供了大量的灵活性。

R语言可以处理的数据类型或者模式，包含数字型，字符型，逻辑型（TRUE或FALSE），复数（虚数）和行（字节）。在R语言中，PatientID，AdmDate和Age是数字变量，反之，Diabetes和Status是字符型变量。另外你需要分别告诉R语言PatientID是一个主标识符，AdmDate包含日期，Diabetes和Status是一个名义和序级变量。

R语言把主标识符称作行名称，把分类变量（名义变量和序级变量）称作因素。我们会在下一个章节讲这些。你会在第三章学到日期变量。