R統計 | 資料類型

這裡介紹 R 的資料類型，不同的資料類型，會影響 R 儲存與分析資料的方式，瞭解資料類型是 R 統計分析的第一步。如同多數程式語言， R 的資料類型包含數值、字串、時間與布林邏輯等。

數值

數值資料是最常見的資料類型，包含實數系數字和整數，例如：1, 10, 0.5, -5等我們常見的數字。如果沒有特別宣告而直接輸入任一數字， R 會將資料儲存為浮點數(Floating-point number)，浮點數可以容許有小數點。如果想要儲存為整數，可以在數字後面加上一個 L ， R 就會將數字儲存為整數。整數是沒有小數點的精確數值，好處是可以避免計算時小數點造成的誤差，也能節省電腦記憶體，提升程式的運算效率。


     > x<-10

     > y<-10L

     > class(x) #回傳資料類型

     [1] "numeric"
     > class(y)

     [1] "integer"

除了實數系之外， R 也可以輸入i虛數，表達複數系。


      > x<-0+i

      > class(x)

      [1] "complex"
      > x^2

      [1] -1+0i

字串

在數字或文字的前後加上單引號或雙引號，資料類型就轉換為字串。值得注意的是，字串不能做數學運算，因此數字前後加上引號後，資料已經改變為字串類型，就失去了計算的功能。字串最常使用的功能是用來資料探勘，例如網路爬蟲就需要使用到字串的功能。


     > str_1<-"It is R"

     > str_2<-"Program"

     > class(str_1)

     [1] "character"
     > paste(str_1, str_2) #字串串接

     [1] "It is R Program"

邏輯

布林邏輯是用來判斷陳述真偽的一種資料類型。陳述為真的時候，回傳TURE；反之則回傳FALSE。


     > x<-TRUE

     > class(x)

     [1] "logical"

時間

時間是一個非常重要的資料類型，值得多花一些時間說明。由於時間與數學的十進制有別，將資料轉換為標準的日期與時間， R 才可以正確讀取時間並計算時間差。

這裡介紹幾種常見用來處理時間的函數與方法，首先是取得時間。 Sys.Date() 、 date() 、 Sys.time() 、 Sys.timezone() 是 R 最常用來取得當下時間的四種函數。


     > Sys.Date()

     [1] "2026-07-20"
     > date()

     [1] "Mon Jul 20 16:28:09 2026"
     > Sys.time()

     [1] "2026-07-20 16:28:58 CST"
     > Sys.timezone()

     [1] "Asia/Taipei"

如果不是要擷取當下的時間，而是要自行宣告一個特定時間，則必須透過特定函數來完成。例如宣告日期使用的 as.Date() 函數。如果沒有進行時間宣告，而是直接輸入2026/07/20或2026-07-20， R 會誤判為數字直接進行除法或減法運算；加上雙引號將資料變成字串看似格式正確，但請記得字串無法進行運算。只有正確宣告時間才可以進行時間上的計算。


     > x<-as.Date("2026/07/20")

     [1] "2026-07-20"
     > class(x)

     [1] "Date"
     > y<-as.Date("2025/07/20")

     > x-y

     Time difference of 365 days

宣告小時、分鐘、秒數等時間，則可以透過 as.POSIXlt() 配合format參數來設定。


     > x<-as.POSIXlt("2026/07/20 18:20:15", format="%Y/%m/%d %H:%M:%S")

     [1] "2026-07-20 18:20:15 CST"
     > y<-as.POSIXlt("1999/09/21 01:47:15", format="%Y/%m/%d %H:%M:%S")

     > x-y
     Time difference of 9799.69 days

difftime() 函數配合units參數，不僅可以計算指定單位的時間差，也可以進行時間換算。


     > x<-as.POSIXlt("1:47:15", format="%H:%M:%S")

     > y<-as.POSIXlt("12:21:59", format="%H:%M:%S")

     > y-x

     Time difference of 10.57889 hours
     > difftime(y, x, units=c("mins"))

     Time difference of 634.7333 mins

format() 函數可以擷取特定的日期或時間。


     x<-as.POSIXlt("2026/07/20 18:20:15", format="%Y/%m/%d %H:%M:%S")

     > format(x, format="%Y")

     [1] "2026"
     > format(x, format="%m")

     [1] "07"
     > format(x, format="%d")

     [1] "20"
     > format(x, format="%A")

     [1] "星期一"
     > format(x, format="%H")

     [1] "18"
     > format(x, format="%M")

     [1] "20"
     > format(x, format="%S")

     [1] "15"

常見的format參數設定可以參考下表：

參數	意義	參數	意義
%Y	四位數西元年，例如：2026	%A	英文星期，例如：Saturday
%y	兩位數西元年，例如：26	%a	英文縮寫星期，例如：Sat
%m	兩位數月份，例如：02	%H	小時(24小時制)
%B	英文月份，例如：February	%I	小時(12小時制)
%b	英文縮寫月份，例如：Feb	%M	分鐘
%d	日期，範圍是01-31	%S	秒

有鑑於時間格式的複雜性， R 的基礎程式處理起來不是那麼直覺，可以考慮下載 lubridate 套件，用更直覺靈活的方法來處理時間。

在 lubridate 套件中，以y代表年, m代表月, d代表日，再搭配h表示小時，m為分鐘與s為秒，使用者可以自行排列組合來定義時間格式。


     > library(lubridate) #載入套件

     > ymd_hms("2026/07/20 18:20:15") #年月日_時分秒

     [1] "2026-07-20 18:20:15 UTC"
     > dmy_hm("20/07/2026 18:20") #日月年_時分

     [1] "2026-07-20 18:20:00 UTC"
     > hm("18:20") #時分

     [1] "18H 20M 0S"

有別於 R 內建的 format() 函數， lubridate 要擷取特定日期或時間更為直觀，直接用 year() 、 month() 、 mday() 、 hour() 、 minute() 、 second() 來取得相對應的日期或時間。

如果要計算時間差，則可用 interval() 計算兩個時間物件的時間跨度後，再搭配 as.period() 或 as.duration() 來取得時間差。其中 as.period() 計算的是年月日的差異， as.duration() 則一律計算秒差。


     > x<-ymd_hms("2026/07/20 18:20:15")

     > y<-ymd_hms("1999/09/21 01:47:15")

     > interval(x, y)

     [1] 2026-07-20 18:20:15 UTC--1999-09-21 01:47:15 UTC
     > as.period(interval(x,y))

     [1] "-26y -9m -29d -16H -33M 0S"
     > as.duration(interval(x,y))

     [1] "-846693180s (~-26.83 years)"

資料類型的轉換

不同資料類型可以透過 R 內建的函數進行轉換，下表呈現相對應的函數：

From / To	數值	字串	邏輯	時間
數值		as.character()	as.logical()
字串	as.numeric()		as.logical()	as.Date()
邏輯		as.character()
時間	as.numeric()	format()

簡介

數值

字串

邏輯

時間

資料類型的轉換