ภาพรวมระบบชนิดข้อมูลของ R
ทำความเข้าใจชนิด double, integer, character, logical และ complex
ภาพรวมระบบชนิดข้อมูลของ R เป็นบทเรียน R Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน R Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส R Academy มีบทเรียนทั้งหมด 4 บทเรียน
ระบบชนิดข้อมูลของ R
R มีระบบชนิดข้อมูลที่หลากหลาย ออบเจ็กต์ทุกตัวมี คลาส (หมวดหมู่ระดับสูง) และ ชนิด (โหมดการจัดเก็บระดับต่ำ) การทำความเข้าใจทั้งสองอย่างช่วยให้คุณเขียนโค้ดที่ถูกต้องและมีประสิทธิภาพ รวมถึงแก้ไขข้อผิดพลาดที่เกี่ยวข้องกับชนิดข้อมูลได้
# Check class and type of various objects
cat('class(42L) :', class(42L), '
')
cat('typeof(42L) :', typeof(42L), '
')
cat('class(3.14) :', class(3.14), '
')
cat('typeof(3.14) :', typeof(3.14), '
')
cat('class(TRUE) :', class(TRUE), '
')
cat('class("hello"):', class('hello'), '
')class() เทียบกับ typeof()
class(x) คืนค่าหมวดหมู่ระดับสูงที่ระบบเชิงวัตถุของ R ใช้ (เช่น 'integer', 'numeric', 'matrix') ส่วน typeof(x) คืนค่าชนิดการจัดเก็บระดับต่ำของภาษา C (เช่น 'integer', 'double', 'closure')
m <- matrix(1:4, nrow = 2)
cat('class(matrix) :', class(m), '
') # matrix array
cat('typeof(matrix) :', typeof(m), '
') # integer
f <- factor(c('a', 'b', 'a'))
cat('class(factor) :', class(f), '
') # factor
cat('typeof(factor) :', typeof(f), '
') # integer (stored as int!)
cat('class(list) :', class(list()), '
') # list
cat('typeof(list) :', typeof(list()), '
') # listis.numeric() — การตรวจสอบค่าตัวเลข
is.numeric(x) คืนค่า TRUE ทั้งสำหรับค่า integer และ double (รวมถึงเมทริกซ์ตัวเลข) ฟังก์ชันนี้ตรวจสอบชนิดข้อมูลตัวเลขระดับกว้าง ไม่ใช่โหมดการจัดเก็บที่เฉพาะเจาะจง
cat('is.numeric(3.14):', is.numeric(3.14), '
') # TRUE (double)
cat('is.numeric(3L): ', is.numeric(3L), '
') # TRUE (integer)
cat('is.numeric(TRUE):', is.numeric(TRUE), '
') # FALSE
cat('is.numeric("3"): ', is.numeric('3'), '
') # FALSE
cat('is.numeric(NA): ', is.numeric(NA), '
') # FALSE (NA is logical)is.integer() เทียบกับ is.double()
is.integer() ตรวจสอบโดยเฉพาะว่าจัดเก็บเป็นจำนวนเต็ม (สร้างด้วยส่วนต่อท้าย L หรือ as.integer()) ส่วน is.double() ตรวจสอบการจัดเก็บแบบเลขทศนิยม (double) ทั้งสองชนิดเป็นประเภทย่อยของ numeric
x_int <- 5L
x_dbl <- 5.0
cat('--- x_int = 5L ---
')
cat('is.integer:', is.integer(x_int), '
') # TRUE
cat('is.double: ', is.double(x_int), '
') # FALSE
cat('is.numeric:', is.numeric(x_int), '
') # TRUE
cat('--- x_dbl = 5.0 ---
')
cat('is.integer:', is.integer(x_dbl), '
') # FALSE
cat('is.double: ', is.double(x_dbl), '
') # TRUE
cat('is.numeric:', is.numeric(x_dbl), '
') # TRUEis.character() — การตรวจสอบสตริง
is.character(x) คืนค่า TRUE หาก x เป็นเวกเตอร์อักขระ (สตริง) ใช้ฟังก์ชันนี้ตรวจสอบอินพุตที่ควรเป็นข้อความ หรือแยกความแตกต่างระหว่างชนิด NA แบบตัวเลขกับแบบอักขระ
greetings <- c('hello', 'world', 'R')
numbers <- c(1, 2, 3)
numeric_string <- '42'
cat('is.character(greetings): ', is.character(greetings), '
')
cat('is.character(numbers): ', is.character(numbers), '
')
cat('is.character(numeric_string): ', is.character(numeric_string), '
')
cat('is.character(NA_character_): ', is.character(NA_character_), '
')is.logical() — การตรวจสอบค่าบูลีน
is.logical(x) คืนค่า TRUE หาก x มีค่าตรรกะ (บูลีน) โปรดทราบว่า NA ที่ไม่ได้ระบุชนิดจะถือเป็นค่าตรรกะโดยค่าเริ่มต้น
flags <- c(TRUE, FALSE, TRUE, NA)
cat('is.logical(flags): ', is.logical(flags), '
') # TRUE
cat('is.logical(NA): ', is.logical(NA), '
') # TRUE (default NA is logical)
cat('is.logical(1): ', is.logical(1), '
') # FALSE
cat('is.logical("TRUE"):', is.logical('TRUE'), '
') # FALSE
cat('typeof(NA): ', typeof(NA), '
') # logicalลำดับชั้นชนิดข้อมูลของ R
ชนิดข้อมูลอะตอมของ R มีลำดับชั้นจากง่ายที่สุดไปซับซ้อนที่สุดดังนี้: logical < integer < double < complex < character เมื่อผสมชนิดข้อมูลในเวกเตอร์ R จะปรับชนิดของสมาชิกทั้งหมดให้เป็นชนิดที่ซับซ้อนที่สุดที่มีอยู่
# Type hierarchy in action
cat('c(TRUE, 1L) type: ', typeof(c(TRUE, 1L)), '
') # integer
cat('c(1L, 1.5) type: ', typeof(c(1L, 1.5)), '
') # double
cat('c(1.5, 1+0i) type: ', typeof(c(1.5, 1+0i)), '
') # complex
cat('c(1+0i, "a") type: ', typeof(c(1+0i, 'a')), '
') # character
cat('c(TRUE, "x") type: ', typeof(c(TRUE, 'x')), '
') # characterการตรวจสอบชนิดข้อมูลด้วยโปรแกรม
คุณสามารถเขียนฟังก์ชันตรวจสอบชนิดข้อมูลเพื่อประเมินรายการออบเจ็กต์ได้ การใช้ class(), typeof() และ length() ร่วมกันจะให้สรุปโครงสร้างของออบเจ็กต์ใด ๆ ได้อย่างครอบคลุม
describe_type <- function(x, label) {
cat(label, ': class =', class(x), ', typeof =', typeof(x),
', length =', length(x), '
')
}
describe_type(42L, 'integer literal')
describe_type(3.14, 'double literal')
describe_type(TRUE, 'logical')
describe_type('hello', 'character')
describe_type(c(1,2,3), 'numeric vector')
describe_type(list(1,'a'), 'list')storage.mode() และ mode()
storage.mode(x) คล้ายกับ typeof(x) แต่ใช้หลักการตั้งชื่อแบบ S3 (เช่น คืนค่า 'double' แทน 'double') ส่วน mode(x) คืนค่าการจัดกลุ่มที่หยาบกว่าเล็กน้อย โดยจัด integer และ double รวมกันเป็น 'numeric'
x_int <- 5L
x_dbl <- 5.0
cat('mode(5L): ', mode(x_int), '
') # numeric
cat('mode(5.0): ', mode(x_dbl), '
') # numeric
cat('storage.mode(5L): ', storage.mode(x_int), '
') # integer
cat('storage.mode(5.0):', storage.mode(x_dbl), '
') # double
# mode() lumps int+dbl; storage.mode() / typeof() distinguish themการตรวจสอบชนิดข้อมูลสำหรับรายการและดาต้าเฟรม
สำหรับออบเจ็กต์ที่ซับซ้อนขึ้น เช่น รายการและดาต้าเฟรม sapply(df, class) จะใช้ class() กับแต่ละคอลัมน์ ทำให้ได้เวกเตอร์ชนิดคอลัมน์ที่มีชื่อกำกับ ซึ่งเป็นวิธีรวดเร็วในการตรวจสอบโครงสร้างของดาต้าเฟรม
df <- data.frame(
id = 1:3,
name = c('Alice', 'Bob', 'Carol'),
score = c(88.5, 79.0, 92.3),
passed = c(TRUE, TRUE, TRUE)
)
cat('Column types:
')
print(sapply(df, class))
cat('Column typeof:
')
print(sapply(df, typeof))สรุประบบชนิดข้อมูล
ต่อไปนี้คือข้อมูลอ้างอิงอย่างรวดเร็วสำหรับเครื่องมือตรวจสอบชนิดข้อมูลของ R:
class(x)— ชื่อคลาส S3 ระดับสูงtypeof(x)— ชนิดการจัดเก็บระดับต่ำของภาษา Cis.numeric(x)— TRUE สำหรับ integer หรือ doubleis.integer(x)— TRUE เฉพาะสำหรับการจัดเก็บแบบ integeris.double(x)— TRUE เฉพาะสำหรับ double (เลขทศนิยม)is.character(x)— TRUE สำหรับสตริงis.logical(x)— TRUE สำหรับ TRUE/FALSE/NA
x <- 42L
cat('class(42L): ', class(x), '
')
cat('typeof(42L): ', typeof(x), '
')
cat('is.numeric(42L): ', is.numeric(x), '
')
cat('is.integer(42L): ', is.integer(x), '
')
cat('is.double(42L): ', is.double(x), '
')
cat('is.character(42L):', is.character(x), '
')ตรวจสอบอย่างรวดเร็ว
is.numeric(5L) คืนค่าอะไรใน R
ทบทวน: ระบบชนิดข้อมูลของ R
ทำได้ดีมากครับ/ค่ะ! ประเด็นสำคัญจากบทเรียนนี้มีดังนี้:
class(x)คืนค่าชนิดข้อมูลระดับสูง ส่วนtypeof(x)คืนค่าชนิดการจัดเก็บระดับต่ำis.numeric()เป็น TRUE ทั้งสำหรับจำนวนเต็มและ doubleis.integer()และis.double()ใช้แยกชนิดย่อยของข้อมูลตัวเลขทั้งสองแบบ- ลำดับชั้นชนิดข้อมูลของ R (ต่ำ → สูง): logical → integer → double → complex → character
- การผสมชนิดข้อมูลในเวกเตอร์จะทำให้ R ปรับชนิดข้อมูลโดยอัตโนมัติเป็นชนิดที่สูงที่สุด
sapply(df, class)ใช้ตรวจสอบชนิดข้อมูลของทุกคอลัมน์ในดาต้าเฟรม
# Type audit function
audit_types <- function(x, name = 'x') {
cat(name, ': class=', class(x), ', typeof=', typeof(x),
', is.numeric=', is.numeric(x), '
')
}
audit_types(1L, 'integer')
audit_types(1.0, 'double')
audit_types(TRUE, 'logical')
audit_types('hello', 'character')
audit_types(1+2i, 'complex')เรียนรู้ R ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 43
- บทเรียน
- 159
คำถามที่พบบ่อย
บทเรียน “ภาพรวมระบบชนิดข้อมูลของ R” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “ภาพรวมระบบชนิดข้อมูลของ R” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส R Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส R Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “ภาพรวมระบบชนิดข้อมูลของ R”
ทำความเข้าใจชนิด double, integer, character, logical และ complex คุณปฏิบัติ R Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน R Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน R Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน
บทเรียน “ภาพรวมระบบชนิดข้อมูลของ R” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน R Academy นี้ได้ไหม
ได้ บทเรียน R Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ภาพรวมระบบชนิดข้อมูลของ R
- การแปลงระหว่างชนิดข้อมูลตัวเลข
- การแปลงชนิดตรรกะและอักขระ
- ข้อควรระวังและแนวทางปฏิบัติที่ดีในการบังคับชนิดข้อมูล