R語言的數據對象可以從兩個角度進行劃分。

從存儲角度劃分R對象

可以劃分為數值型、字符串型、邏輯型、複數型、raw型和缺省值。

（1）數值類型（numeric）

可以是整數、小數、科學計數的方式。默認為雙精度型數據。

（2）字符型（character）

以雙引號或單引號夾起來的數據，如"翔宇亭IT樂園"。

（3）邏輯型（logical）

只有TRUE和FALSE兩種值。

（4）複數型（complex）

形如a + bi的數據。

（5）raw數據

二進制形式保存的數據。

（6）缺省值（missing value）

NA（not available）或者NULL

從結構角度劃分R對象

R的數據對象從結構角度來看包括向量、矩陣、數組、數據框、列表、因子。

（1）向量（vector）

有相同基本類型元素組成的序列，相當於一維數組。

（2）矩陣(matrix)

將數據用行和列排列的長方形二維數據，其單元必須是相同的數據類型。

（3）數組（array）

既可以看作是有多個下標的且類型相同的元素的集合，也可以看做是向量和矩陣的推廣，一維數組是向量，二維數組是矩陣。

（4）因子（factor）

分類型數據經常要把數據分成不同的水平或因子（factor），如性別包含男和女兩個因子。

（5）列表（list）

向量、矩陣和數組的元素必須是同一類型的數據。如果一個數據對象需要含有不同的數據類型，則可以採用列表。

（6）數據框（data frame）

是一種矩陣形式的數據，但數據框中各列可以是不同類型的數據。

R語言中判斷數據類型的函數

可以使用判別函數判別數據對象的類型。

is.numeric(x) #x是否為數值型

is.integer(x) #x是否為整數類型

is.double(x) #x是否為雙精度型數據

is.complex(x) #x是否為複數類型

is.character(x) #x是否為字符串類型

is.logical(x) #x是否為邏輯型

is.null(x) #x是否為null值

is.na(x) #x是否為NA值

歡迎關注本號。本號近期將持續更新R語言方面的文章。