baseR_operators.Rmd

# 运算符及向量运算 {#baseR-operators}

向量是R语言中最基础的数据结构，自然地我们会很关注向量的运算，事实上，R语言的强大优势就体现在向量运算上。当然，这都归功于R语言强大的**向量化操作**。
在此之前，先介绍常用的有以下几种运算符类型：

- 算术运算符
- 关系运算符
- 逻辑运算符
- 其他运算符

## 算术运算符

- `+` 两个向量相加
```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a + b
```


- `-` 两个向量相减
```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a - b
```


- `*` 两个向量相乘
```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a * b
```


- `/` 将第一个向量与第二个向量相除
```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a / b
```


- `*` 两个向量/矩阵的对应元素相乘

对于向量
```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a * b
```

用于矩阵
```{r}
m <- matrix(c(1:4), ncol = 2)
m %*% m
```
注意：两个矩阵的乘法用`%*%` 

- `^` 将第二向量作为第一向量的指数

```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a ^ b
```


## 循环补齐(recycling)

做算术运算时，当两个向量长度相等的时候，就一一对应的完成计算；当两个向量长度不相等的时候，短的向量会**循环补齐**，保持与长向量的长度一致后，再做运算。

- 长向量的长度正好是短向量的**整数倍**

```{r}
x <- 1
y <- c(10, 20, 30, 40)
x + y
```


```{r}
x <- c(1, 2)
y <- c(10, 20, 30, 40)
x * y
```
为了代码的可读性，**除非某一个向量长度为1**，我们尽可能避免长度不一致的向量之间的运算。


## 关系运算符

将第一向量的每个元素与第二向量的相应元素进行比较，比较的结果是布尔值，布尔值是“真” TRUE 或“假” FALSE 中的一个。

- `>` 检查第一向量的每个元素是否大于第二向量的相应元素。
```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a > b
```

- `!=` 检查第一个向量的每个元素是否不等于第二个向量的相应元素。
```{r}
a <- c(1, 2, 3)
b <- c(4, 5, 6)
a != b
```

## 逻辑运算符

逻辑运算符，一般适用于逻辑类型的向量。

- `&` 元素逻辑AND运算符。 它将第一向量的每个元素与第二向量的相应元素组合，并且如果两个元素都为TRUE，则给出输出TRUE。


```{r}
a <- c(TRUE, FALSE, FALSE)
b <- c(FALSE, TRUE, FALSE)
a & b
```


- `|` 元素逻辑或运算符。 它将第一向量的每个元素与第二向量的相应元素组合，并且如果元素有一个为真，则给出输出TRUE。

```{r eval=FALSE}
a <- c(TRUE, FALSE, FALSE)
b <- c(FALSE, TRUE, FALSE)
a | b
```


- `!` 它被称为逻辑非运算符。 对于向量的每个元素，给出相反的逻辑值。

```{r}
a <- c(TRUE, FALSE, FALSE)
!a
```


逻辑运算符 `&&` 和 `||` 只考虑向量的第一个元素，给出单个元素的向量作为输出。

`&&` 称为逻辑AND运算符。 取两个向量的第一个元素，并且只有两个都为TRUE时才给出TRUE。
```{r eval=FALSE}
a <- c(TRUE, FALSE, FALSE)
b <- c(FALSE, TRUE, FALSE)
a && b
```


## 其他运算符

- `:` 冒号运算符。它按顺序创建一个**整数**序列。
```{r}
a <- 1:10
a
typeof(a)
```

我们在第 \@ref(baseR-vectors) 章向量部分，提到`seq()`函数，也能产生序列
```{r}
b <- seq(from = 1, to = 10, by = 1)
b
typeof(b)
```
注意到`a`是整数类型，而`b`是双精度的数值型。


- `%in%` 此运算符用于判断元素是否属于向量。
```{r}
c(2, 3, 7) %in% c(1, 2, 3, 4, 5)
```

- `is.na()` 判断是否为缺失值，R 里**缺失值**用`NA`表示，`NA`的意思就是 not available 或者 not applicable.

```{r}
is.na(c(1, 2, NA, 4, NA, 6))
```

```{r}
x <- c(1, 2, NA, 4, NA, 6)
!is.na(x)
```


## 特殊值

R 语言里还有一些特殊的值: `Inf`, `NaN`, `NA` 和 `NULL`.

- `Inf`，是**Infinity**的简写，表示无限大；`-Inf`表示无限小，比如我们用1除以0:

```{r}
1/0
```
- `NaN`，是**Not a Number**的简写，表示这个数字没有数学定义，比如

```{r}
0/0
```
- `NA`，是**Not available**的简写，表示缺失状态。在后面章节中，当我们处理数据框或者向量的时候回经常遇到它。


- `NULL`，是**No value**的意思，表示没有值，或者空值的意思，表示变量实际上没有任何值，或者甚至不存在。

```{r}
# NULL: an *entire* vector is absent
c(    )
```


```{r}
# NA: an *element* in a vector is absent
c(1, NA, 3)
```

---

## 习题

- 自己填入向量，并运算
```{md}
___ + ___
___ - ___
___ / ___
___ * ___
___ ^ ___

___ == ___
___ != ___
___ < ___
___ > ___
___ <= ___
___ >= ___

___ & ___
___ | ___

___ %in% ___
is.na(___ )
```


- 说出向量 a 和 b 的差异在什么地方？
```{r, eval=FALSE}
a <- 1:10
b <- seq(from = 1, to = 10, by = 1)
identical(a, b)
```