5 Proste obiekty

Obiekty w R można podzielić na proste (homogeniczne) i złożone (heterogeniczne). Do podstawowych prostych obiektów należą wektory atomowe (ang. vector) i macierze (ang. matrix), natomiast listy (ang. list) i ramki danych (ang. data frame) to obiekty złożone.

W tym rozdziale skupimy się na wektorach atomowych, dla uproszczenia nazywanych dalej po prostu wektorami. Pozostałe podstawowe typy obiektów są omówione w rozdziale 7. Więcej informacji na temat podstawowych typów obiektów można znaleźć w rozdziale “Vectors” książki Advanced R (Wickham 2014).

5.1 Wektory

Wektory są podstawowymi elementami, które pozwalają na budowanie bardziej złożonych rodzajów obiektów. Wektor może przyjmować jeden z czterech podstawowych typów25:

  1. logiczny (ang. logical)
wek_log = c(TRUE, FALSE)
wek_log
#> [1]  TRUE FALSE
  1. liczba całkowita (ang. integer)
wek_cal = c(5L, -7L)
wek_cal
#> [1]  5 -7
  1. liczba zmiennoprzecinkowa (ang. double)26
wek_zmi = c(5.3, -7.1)
wek_zmi
#> [1]  5.3 -7.1
  1. znakowy (ang. character)
wek_zna = c("kot", "pies")
wek_zna
#> [1] "kot"  "pies"

Wektory przedstawiające liczby stałoprzecinkowe i zmiennoprzecinkowe są często łączone i wspólnie określane jako wektory numeryczne (ang. numeric).

Wiele języków programowania posiada zmienne skalarne (tzw. skalary), czyli takie które mogą przyjmować tylko jedną wartość. W R one nie występują, zamiast nich stosowane są wektory o długości jeden.

Dodatkowo, istnieje wiele dodatkowych, rzadziej spotykanych typów wektorów - czynnikowy (ang. factor), dat (ang. date) i czasu (ang. date-time) (sekcje 5.11, 5.12 i 5.13).

5.2 Właściwości wektorów

Każdy wektor ma trzy właściwości - typ, długość i atrybuty. Typ może być sprawdzony używając funkcji typeof().

# typ
typeof(wek_zmi)
#> [1] "double"

Celem funkcji length() jest sprawdzenie długości wektora, czyli tego z ilu wartości (elementów) się on składa.

# długość
length(wek_zmi)
#> [1] 2

Atrybuty pozwalają na dodawanie nowych informacji do wektorów atomowych, a w efekcie dają też możliwość tworzenia bardziej złożonych struktur (rozdział 7).

# atrybuty
attributes(wek_zmi)
#> NULL

5.3 Podstawowe funkcje

Z racji bycia podstawowym typem obiektu w R, wektory są używane w bardzo dużej liczbie funkcji. Kilka z podstawowych, często przydatnych funkcji jest podana i wyjaśniona poniżej.

Funkcja str() ma na celu wyświetlenie struktury danych. W przypadku wektorów oznacza to skrót od nazwy typu danych (logi - logiczny, int - stałoprzecinkowy, num - zmiennoprzecinkowy (numeryczny), chr - tekstowy), jego długość (np. [1:2] oznacza, że wektor ma dwa elementy), oraz kilka przykładowych wartości tego wektora.

str(wek_cal)
#>  int [1:2] 5 -7

Funkcja names() wyświetla nazwy przypisane kolejnym elementom wektora.

names(wek_zna)
#> NULL

W powyższym przypadku wektor wek_zna nie miał żadnych nazw, w efekcie funkcja names() zwróciła NULL (więcej informacji na temat NULL można znaleźć w sekcji 5.5). Oprócz wyświetlania nazw, funkcja names() daje też możliwość ich nadania.

names(wek_zna) = c("a", "b")
wek_zna
#>      a      b 
#>  "kot" "pies"
names(wek_zna)
#> [1] "a" "b"

Funkcja seq ma na celu generowanie ciągów liczbowych27. Pierwszym jego argumentem jest from czyli początkowa liczba w ciągu a drugi argument to oznacza maksymalną możliwą liczbę w ciągu. Obie te liczby mogą być wektorami o długości jeden. Dodatkowo ta funkcja wymaga zdefiniowania jeszcze jednego argumentu, np. by lub length.out. Argument by określa co ile wartości w ciągu mają rosnąć od wartości początkowej.

seq(1, 365, by = 7)
#>  [1]   1   8  15  22  29  36  43  50  57  64  71  78  85
#> [14]  92  99 106 113 120 127 134 141 148 155 162 169 176
#> [27] 183 190 197 204 211 218 225 232 239 246 253 260 267
#> [40] 274 281 288 295 302 309 316 323 330 337 344 351 358
#> [53] 365

Alternatywnie, argument length.out ustala jakiej długości ma być wynikowy ciąg, a na podstawie tego tworzone są wartości w równych odstępach.

seq(1, 365, length.out = 10)
#>  [1]   1.0  41.4  81.9 122.3 162.8 203.2 243.7 284.1
#>  [9] 324.6 365.0

Funkcja rep służy powielaniu zadanej wartości podaną liczbę razy. W poniższym przykładzie, wartość 11 jest powielona 4 razy.

rep(11, 4)
#> [1] 11 11 11 11

Ta funkcja działa też na różnego typu wektorach - logicznych, numerycznych, czy tekstowych.

rep(wek_zna, 4)
#>      a      b      a      b      a      b      a      b 
#>  "kot" "pies"  "kot" "pies"  "kot" "pies"  "kot" "pies"

5.4 Działania na wektorach

Wiele podstawowych operacji w R jest zwektoryzowana. Przykładowo, możliwe jest pomnożenie kolejnych elementów jednego wektora przez kolejne elementy drugiego wektora.

a = c(1, 2, 3)
b = c(3, 5, 10)
a * b
#> [1]  3 10 30

Kod zapisany w powyższy sposób zajmuje niewiele miejsca i jest łatwy do odczytania. Alternatywnie można by ten problem rozbić na podelementy i je wymnożyć.

a1 = 1
a2 = 2
a3 = 3
b1 = 3
b2 = 5
b3 = 10
a1 * b1
#> [1] 3
a2 * b2
#> [1] 10
a3 * b3
#> [1] 30

Jak można szybko zaobserwować, mnożenie kolejnych elementów w ten sposób wymaga zapisania znacznie więcej kodu i jest trudniejsze do odczytania. Jest jeszcze trzecia możliwość – użycie pętli (rozdział 8).

y = numeric(length = 3)
for (i in 1:3){
  y[i] = a[i] * b[i]
}
y
#> [1]  3 10 30

Stworzony tak kod zajmuje mniej miejsca, ale nadal nie jest on bardzo łatwy do szybkiego zrozumienia.

Wektoryzacja ma też inną zaletę - obliczenia wykonywane w ten sposób są szybkie. W przypadku stosowania niektórych operacji, np. mnożenia czy dodawania, R wykorzystuje w tle (bez wiedzy użytkownika) zoptymalizowane funkcje zapisane w języku C lub Fortran.

W przypadku, gdy dwa wektory mają różną długość, wówczas następuje proces nazwany recyklingiem (ang. recycling) - elementy krótszego wektora są powtarzane aż do momentu gdy osiągnie on taką samą długość jak ten dłuższy, a dopiero później następuje wykonanie wybranego działania. W takiej sytuacji pojawi się też poniższy komunikat ostrzeżenia.

a = c(1, 2, 3)
d = c(3, 5)
a * d
#> Warning in a * d: longer object length is not a
#> multiple of shorter object length
#> [1]  3 10  9

Więcej informacji na temat wektoryzowania kodu można znaleźć w rozdziale 8.

5.5 Brakujące wartości

Wyobraź sobie, że wykonujesz codziennie o 12:00 pomiar temperatury.

temperatura = c(8.2, 10.3, 12.0)

Czwartego dnia twój termometr się popsuł i nie można było wykonać pomiaru. Co należałoby w takim razie zrobić? Można by pominąć ten pomiar, naprawić termometr i wykonać pomiar kolejnego dnia. Wówczas jednak mielibyśmy cztery wartości dla pięciu dni. Inną możliwą opcją byłoby użycie wartości, która stałaby się kodem wartości brakujących, np. 999. Problemem tego rozwiązania jest to w jaki sposób należałoby, np. wyliczyć średnią w tym obiekcie.

temperatura = c(8.2, 10.3, 12.0, 999)

Najlepszą opcją byłoby wykorzystanie wbudowanego oznaczenia wartości brakujących w R - NA.

temperatura = c(8.2, 10.3, 12.0, NA)

Zachowanie wartości NA (ang. Not Available) jest bardzo intuicyjne. Przykładowo, jeżeli nie znamy jakiejś wartości to jeżeli dodamy do niej 2 to również nie wiemy jaki mamy wynik.

NA + 2
#> [1] NA

Podobnie będzie w sytuacji, gdy chcemy wyliczyć średnią na podstawie wektora, który zawiera wartość NA.

mean(temperatura)
#> [1] NA

W takich przypadkach najpierw należałoby usunąć wartość NA a następnie wyliczyć średnią z pozostałych wartości w tym wektorze. Aby ułatwić taką operację w wielu funkcjach istnieje argument na.rm. W momencie, gdy jest on ustalony na TRUE, to wszystkie przypadki NA są usuwane na potrzeby wyliczania średniej.

mean(temperatura, na.rm = TRUE)
#> [1] 10.2

Do sprawdzenia czy w wektorze znajduje się wartość NA służy funkcja is.na().

is.na(temperatura)
#> [1] FALSE FALSE FALSE  TRUE
R posiada też kilka dodatkowych specjalnych obiektów, takich jak NULL, NaN, Inf oraz -Inf. NULL ma długość zero i nie posiada żadnych atrybutów. Może on posłużyć np. do usuwania kolumn w ramkach danych. NaN (ang. Not a Number) oznacza wartość, która nie jest zdefiniowaną lub nie może być reprezentowana w inny sposób, przykładowo 0/0. Inf i -Inf (ang. Infinity) jest wynikiem obliczeń, które dały bardzo dużą wartość dodatnią lub ujemną, przykładowo 9^999.

5.6 Wydzielanie

R posiada trzy podstawowe operatory wydzielania (ang. subsetting) - [], [[]] oraz $, które działają w różny sposób w zależności od tego czy wydzielamy wektory, macierze, ramki danych czy listy. W tym rozdziale skupimy się na wydzielaniu elementów z wektora przy użyciu operatora []. Więcej na temat wydzielania innych obiektów można znaleźć w rozdziale 7.

Wydzielanie wektorów używając operatora [] może odbywać się używając jednego z poniższych zapytań:

  1. Na podstawie pozycji.
  2. Na podstawie wektora logicznego.
  3. Na podstawie nazwy.
  4. Używając elementu pustego.
  5. Używając zera.

W przypadku wydzielania na podstawie pozycji konieczne jest podanie wektora, który wskazuje numer elementów, które mają zostać wybrane.

temperatura[c(1, 3)]
#> [1]  8.2 12.0

Alternatywnie, możliwe jest też użycie znaku minus (-) przed definicją pozycji. Wówczas wybrane zostaną wszystkie elementy wektora oprócz tych w podanych pozycjach.

temperatura[-c(2, 4)]
#> [1]  8.2 12.0

Drugim sposobem jest użycie wektora logicznego. W takim przypadku elementy określone jako prawda (TRUE) zostają wybrane.

temperatura[c(TRUE, FALSE, TRUE, FALSE)]
#> [1]  8.2 12.0

Możliwe jest też stworzenie wektora logicznego poprzez wykonanie prostego zapytania. Poniżej wybrano tylko te elementy wektora temperatura, gdzie wartość w wektorze temperatura była wyższa niż 10.

temperatura[temperatura > 10]
#> [1] 10.3 12.0   NA

Wydzielanie na podstawie nazwy wymaga aby elementy w wektorze były nazwane.

names(temperatura) = c("Poniedziałek", "Wtorek", "Środa", "Czwartek")
temperatura
#> Poniedziałek       Wtorek        Środa     Czwartek 
#>          8.2         10.3         12.0           NA

Następnie wybór elementów odbywa się poprzez podanie nazw wybranych elementów.

temperatura[c("Wtorek", "Czwartek")]
#>   Wtorek Czwartek 
#>     10.3       NA

Czwartą metodą jest zapytanie w oparciu o pusty element. W przypadku prostych obiektów, efektem takiego wydzielania jest oryginalny wektor. Ta metoda jest jednak bardzo użyteczna dla obiektów złożonych, takich jak macierze czy ramki danych (rozdział 7).

temperatura[]
#> Poniedziałek       Wtorek        Środa     Czwartek 
#>          8.2         10.3         12.0           NA

Ostatnią metodą jest użycie zera. W efekcie zostanie zwrócony wektor o długości zero, ale zachowujący oryginalne właściwości, jak np. bycie wektorem numerycznym (numeric) poniżej. Takie zachowanie może być przydatne podczas tworzenia nowych obiektów w oparciu o już istniejące.

temperatura[0]
#> named numeric(0)

5.7 Wydzielanie i przypisanie

Wydzielanie elementów może mieć kilka dodatkowych zastosowań oprócz wyświetlania wybranych wartości. Kolejną możliwością jest tworzenie nowych obiektów na podstawie wydzieleń. W takich sytuacjach działa każda z metod wyjaśnionych w powyższej sekcji, np. wydzielenie przez nazwę.

temperatura_pon = temperatura["Poniedziałek"]
temperatura_pon
#> Poniedziałek 
#>          8.2

Dodatkowo, wydzielanie może przyjmować bardziej złożoną postać. Poniżej nastąpiło stworzenie nowego obiektu temperatura_10 składającego się z wszystkich elementów wektora temperatura, których wartość jest wyższa od 10 i nie jest NA.

temperatura_10 = temperatura[temperatura > 10 & !is.na(temperatura)]
temperatura_10
#> Wtorek  Środa 
#>   10.3   12.0

5.8 Modyfikowanie obiektów

Trzecim zastosowaniem wydzielania jest modyfikowanie obiektów. Poprzez wydzielenie możliwe jest wskazanie, które elementy wektora mają być zamienione i na jakie wartości. Przykładowo, wektor temperatura zawiera cztery wartości nazwane kolejnymi dniami tygodnia. W tym wektorze "Czwartek" posiada wartość brakującą NA.

temperatura
#> Poniedziałek       Wtorek        Środa     Czwartek 
#>          8.2         10.3         12.0           NA
temperatura["Czwartek"]
#> Czwartek 
#>       NA

Aby zamienić wartość tego elementu należy go wydzielić a następnie przypisać temu elementowi nową wartość. Efektem jest trwała zmiana obiektu temperatura.

temperatura["Czwartek"] = 9.1
temperatura["Czwartek"]
#> Czwartek 
#>      9.1
temperatura
#> Poniedziałek       Wtorek        Środa     Czwartek 
#>          8.2         10.3         12.0          9.1

5.9 Łączenie podstawowych typów obiektów

Właściwością wektora jest to, że może on przyjmować tylko jeden typ. Przykładowo poniżej wyświetlony jest wektor logiczny przyjmujący wartość FALSE.

c(FALSE)
#> [1] FALSE

Co stanie się, gdy będziemy chcieli taki wektor połączyć z wektorem innego typu, np. numerycznego czy tekstowego? Próba stworzenia obiektu składającego się z wielu typów spowoduje wymuszenie (ang. coercion) do najbliższego możliwego typu. Odbywa się to zgodnie z zasadą: logiczny -> liczba całkowita -> liczba zmiennoprzecinkowa -> znakowy.

Łącząc wektor logiczny i liczby całkowitej otrzyma się wektor składający się z liczb całkowitych, gdzie FALSE zostanie zamienione na 0.

c(FALSE, 2L)
#> [1] 0 2

Łączenie wektorów logicznego, liczby całkowitej i liczby zmiennoprzecinkowej w efekcie da wektor zmiennoprzecinkowy.

c(FALSE, 2L, 3.1)
#> [1] 0.0 2.0 3.1

W sytuacji, gdy którykolwiek element będzie tekstem, cały wektor zostaje zamieniony na tekst.

c(FALSE, 2L, 3.1, "kot")
#> [1] "FALSE" "2"     "3.1"   "kot"

5.10 Zmiana typów obiektów

Do zmiany typu obiektu28 służą funkcje as.logical(), as.integer(), as.double(), oraz as.character().

as.logical(c("FALSE", "TRUE")) # znakowy na logiczny
#> [1] FALSE  TRUE
as.integer(c("3", "2")) # znakowy na liczba całkowita 
#> [1] 3 2
as.double(c(3L, 2L)) # liczba całkowita na liczba zmiennoprzecinkowa
#> [1] 3 2
as.character(c(3L, 2L)) # liczba całkowita na znakowy
#> [1] "3" "2"

Do sprawdzenia czy dany obiekt należy do wybranego typu służą funkcje is.logical(), is.integer(),is.double(), oraz is.character().

5.11 Wektory czynnikowe

Wektory czynnikowe służą do przechowywania informacji o pewnych kategoriach. Mogą to być, na przykład, wielokrotnie powtórzone nazwy miast czy krajów, czy też określenia płci w danych statystycznych. Wektory czynnikowe wspomagają określanie wartości dla kolejnych grup o tej samej nazwie.

tekst = c("Poznań", "Kraków", "Warszawa", "Poznań")

Zamiana wektora tekstowego na czynnikowy odbywa się z użyciem funkcji as.factor().

czynn = as.factor(tekst)
czynn
#> [1] Poznań   Kraków   Warszawa Poznań  
#> Levels: Kraków Poznań Warszawa

Wektory czynnikowe są wewnętrznie w R reprezentowane jako wartości stałoprzecinkowe. Dodatkowo, posiadają one pewne informacje zaszyte w atrybutach, w tym wartości wszystkich kategorii oraz stwierdzenie posiadanej klasy29.

typeof(czynn)
#> [1] "integer"
length(czynn)
#> [1] 4
attributes(czynn)
#> $levels
#> [1] "Kraków"   "Poznań"   "Warszawa"
#> 
#> $class
#> [1] "factor"

Możliwa jest również zamiana w drugą stronę - z wektora czynnikowego na wektor tekstowy używając funkcji as.character().

tekst2 = as.character(czynn)
tekst2
#> [1] "Poznań"   "Kraków"   "Warszawa" "Poznań"

5.12 Wektory dat

R ma wbudowaną reprezentację dat w postaci klasy Date.

dzis = Sys.Date()
dzis
#> [1] "2023-03-10"

Pomimo tego, że powyżej data jest wyświetlona jako tekst (zwróć uwagę na cudzysłowy), wewnętrznie w R jest ona reprezentowana jako wartość zmiennoprzecinkowa.

typeof(dzis)
#> [1] "double"
length(dzis)
#> [1] 1
attributes(dzis)
#> $class
#> [1] "Date"

Sprawdzenie tej wartości możliwe jest poprzez użycie funkcji unclass().

unclass(dzis)
#> [1] 19426

Wynik, 19426, oznacza liczbę dni od 1970-01-01.30 W tej reprezentacji dni przed 1970-01-01 określane wewnętrznie są poprzez wartości ujemne.

stara_data = as.Date("1912-04-13")
unclass(stara_data)
#> [1] -21082

Tworzenie wektora dat odbywa się używając funkcji as.Date().

daty = as.Date(c("2011-02-02", "2011-02-03"))
daty
#> [1] "2011-02-02" "2011-02-03"

Funkcja as.Date() oczekuje podanych wartość w postaci YYYY-MM-DD (wyjaśnienie można znaleźć w sekcji 2.4.5), ale możliwe jest również wymuszenie innej postaci danych wejściowych poprzez użycie argumentu format.

5.13 Wektory czasu

W R istnieją również wbudowane reprezentacje dat i godzin (inaczej zwane data-czas, ang. date-times). Najczęściej używaną jest klasa POSIXct, która jest wektorem przedstawiającym liczbę sekund of 1970-01-01.31

czas = as.POSIXct("2011-02-02 10:33", tz = "CET")
czas
#> [1] "2011-02-02 10:33:00 CET"

Wewnętrznie w R jest ona również reprezentowana jako wartość zmiennoprzecinkowa.

typeof(czas)
#> [1] "double"
length(czas)
#> [1] 1
attributes(czas)
#> $class
#> [1] "POSIXct" "POSIXt" 
#> 
#> $tzone
#> [1] "CET"

Przykładowo, "2011-02-02 10:33" miało miejsce 1296639180 sekund od 1970-01-01.

unclass(czas)
#> [1] 1.3e+09
#> attr(,"tzone")
#> [1] "CET"

Ważnym elementem reprezentacji czasu jest określenie strefy czasowej. Można ją zdefiniować w funkcji as.POSIXct() używając argumentu tz, ale też można zmienić strefę czasową istniejącego wektora poprzez modyfikację jego atrybutów. W poniższym przykładzie nastąpiła zmiana strefy czasowej z czasu środkowoeuropejskiego ("CET") na czas pacyficzny.32

attributes(czas)$tzone = "America/Los_Angeles"
czas
#> [1] "2011-02-02 01:33:00 PST"

Więcej informacji na temat stref czasowych używanych w R można znaleźć w pliku pomocy ?timezones.

R posiada też dodatkowe klasy specjalne, np POSIXlt przechowująca informacje o dacie w postaci listy oraz difftime reprezentująca czas trwania.

5.14 Zadania

  1. Wykonujesz trzy razy dziennie (o godzinie 7:00, 15:00 i 23:00) pomiar temperatury. W ostatnich dwóch dniach (2019-03-11 i 2019-03-12) pomierzone wartości to 0, 5,2, 3,9, 4,1, 8,7, 5,3 stopni Celsjusza. Stwórz nowy wektor pomiary zawierający te wartości.
  2. Nazwij kolejne elementy tego wektora używając kolejnych liter alfabetu.
  3. Pomyśl jakie właściwości ma wektor pomiary - jaki ma typ, jaką ma długość, jakie ma atrybuty? Jeżeli jesteś przekonany co do odpowiedzi to sprawdź to pisząc odpowiedni kod.
  4. Znajdź i wyświetl wartość 4.1 w wektorze pomiary używając kilku różnych sposobów wydzielania. Ile możliwości udało się Tobie znaleźć?
  5. Znajdź automatycznie położenie najwyższej wartości wektora pomiary i na jej podstawie stwórz nowy obiekt pomiary_max.
  6. Wydziel wszystkie pomiary równe i niższe niż 5 stopni Celsjusza. Na ich podstawie stwórz nowy obiekt pomiary_n5.
  7. Inna osoba również wykonywała pomiary temperatury w tym samym czasie. Jej pomierzone wartości to -1.1, 4,2, 2,4, 3,1, 7,1, 4,2 stopni Celsjusza. Dołącz te wartości do obiektu pomiary.
  8. Stwórz nowy wektor nazwy_stacji zawierający nazwę Twojej stacji pomiarowej ("Punkt 31") oraz stacji drugiej osoby ("Stacja Thule"), którego długość ma być równa długości wektora pomiary. Wektor nazwy_stacji powinien być klasy czynnikowej.
  9. Stwórz nowy wektor daty_pomiarow zawierający rok, miesiąc i dzień pomiarów w wektorze pomiary.
  10. Stwórz nowy wektor czas_pomiarow zawierający datę i czas pomiarów w wektorze pomiary. Zdefiniuj też odpowiednią strefę czasową.
  11. Stwórz nowy wektor id_pomiarow zawierający kolejne liczby całkowite od 1 do liczby pomiarów w wektorze pomiary.
  12. Zastanów się (bez wykonywania) co jest efektem działania poniższego kodu. Kiedy taka operacja mogłaby być konieczna?
pomiary[3] = 3.3
  1. Zastanów się (bez wykonywania) co jest efektem działania poniższego kodu. Kiedy taka operacja mogłaby być konieczna?
pomiary[pomiary <= 0] = NA
  1. Zastanów się (bez wykonywania) co jest efektem działania poniższego kodu.
wartosci1 = as.character(c(1, 3, 5))
mean(wartosci1)
  1. Zastanów się (bez wykonywania) co jest efektem działania poniższego kodu.
wartosci2 = as.numeric(c(1, "trzy", 5))
wartosci2
mean(wartosci2)
  1. Wykonaj poniższą funkcję. Następnie wydziel nowy wektor pomiary2, który nie zawiera wartości NA.
pomiary[pomiary <= 0] = NA
  1. Trzecia osoba również wykonywała pomiary temperatury w tym samym czasie. Przesłała ona Tobie taki wektor - c(-5.2, 3.0, 1.1, "zaspałem", 6.4, 2.2). Jakiej klasy jest ten wektor a jaka powinna być jego klasa, aby możliwe było wykonywanie na niej obliczeń, np. wyliczanie średniej? Jak to można uzyskać?

Bibliografia

Wickham, Hadley. 2014. Advanced R. Chapman and Hall/CRC.


  1. Istnieją też dwa kolejne podstawowe typy wektorów, złożone (ang. complex) oraz surowe (ang. raw) ale są one bardzo rzadko używane.↩︎

  2. Liczby zmiennoprzecinkowe mogą być też reprezentowane poprzez notację naukową, np. 11111.2 może być zapisane jako 1.11112e4, a 0.00021 jako 2.1e-4.↩︎

  3. Uproszczeniem funkcji seq jest operator : (np. 1:10). W jego przypadku wartości zawsze zmieniają się o jeden.↩︎

  4. Taka operacja często jest określana jako rzutowanie.↩︎

  5. Posiadanie atrybutu class zamienia je w tak zwane obiekty S3, które zachowują się inaczej niż normalne wektory atomowe.↩︎

  6. https://en.wikipedia.org/wiki/Unix_time↩︎

  7. Wyświetlenie aktualnego czasu jest możliwe używając funkcji Sys.time().↩︎

  8. https://en.wikipedia.org/wiki/List_of_tz_database_time_zones↩︎