R语言学习札记一 与C++对比

平时只对C++比较熟悉，在bioinformatics这行，不用R也不是不行，但是开发软件的难度要高一些。学习R，总感觉有点无从下手，于是想从R与C的对比开始学起。

C中内建型别有四种，int; double(float); bool以及char类型。在R中，类型大概有哪些呢？

R中也分内建型别，或者叫做元素，也叫基础类型。为了方便，我们将R中的向量 

vec <- c(1,2,3)

那么大概可以分成, number(int, float,double...), character(char), bool(TRUE or FALSE),复数，NA( is.na( ) )五种类型。其中最后一种我还是勉强把它算成一种类型了，因为在处理数据时候这种情况实在是太常见了。而且我们还不能把NA和NULL当成是一码事，NULL是根本没有至，而NA是一种特殊类型。

对于C中的逻辑运算，在R这样的数学软件中更是常用。C中常用的，放在R中，大概可以写成如下几种形式：左侧是C符号，右侧是R符号

&&       &

||          |

!=         !=

R也是一种面向对象的语言。在C中的对象，或者一种数据类型，是有其本身性质的，类似的，R也会给对象定义这种attributes。这里也是R比较特殊的地方了，相对来说没有上边的那样几句话就能说完。首先我们来谈谈对象的属性。

R中所有对象有两种基本属性，mode和length。向量作为基本内建型别(可以看成C中一个数)，如果用

mode( vec )

那么就会返回四种情况：numeric, logical, complex and character。用判断函数的话，就是前边加上is.就可以用来判断某个向量的类型了。在C中强制类型转换，R中也有，所使用的函数也有固定的写法，当让我们觉得(double)这种强制转化挺好的 。在四种类型前边加上as.就可以转化了。

那么我们知道使用mode和length之后，就能对向量做基本的类型判断了。

如果向量是基本的，那么矩阵应该也是。R语言处理矩阵确实没有MATLAB那样直观。 处理速度上，也要比MATLAB慢一点，不过我记得MATLAB在做矩阵操作时也是调用LAPACK，R应该不至于蛋疼到自己写算法吧。

在属性上， 矩阵要多出来一个维度。当然我们可以简单的将一个向量变成数组，通过修改其维度。

x <- 1:8
dim(x) <- c(2,4)

然后能看出来矩阵将数据按列填满后换行。(没准也是调用BLAS所以才这样吧。。没查过纯瞎猜)

接下来我们要看看构建矩阵的方式了。有两种都可以用来构建矩阵，分别是array和matrix。这两个函数我们具体用的时候再说。