1. 使用getwd( )函数可以查看当前的工作目录/路径，使用setwd( )函数可以对工作目录进行更改。

2. 向量可以储存一维数组，保存的数据类型必须统一，使用c( )函数实现向量存储。

3. 矩阵可以存储二维数组，使用matrix( )函数可以创建一个矩阵。

4. 数组是矩阵的延展，可以创建多维数组，使用array( )函数可以创建一个数组。

5. 数据框是最常见的数据结构，可以包含不同类型的数据，使用data.frame( )函数可以创建一个数据框，使用$可以对数据框的内容进行索引。

6. 列表是最复杂的数据结构，可以包含若干向量、数据框等数据，使用list( )函数可以创建一个列表。
   

R: The R Project for Statistical Computing

https://www.r-project.org/

在输入数据的时候，我们可能需要对数据进行编辑处理，但是很多人又对命令语句编写“发怵”，有没有其他的办法呢？自然是有。R中有一个Rcmdr包，为我们提供了基本的数据编辑功能，而且这个编辑功能为我们提供了一个可视化窗口，这也就意味着我们可以通过窗口来实现对数据的基本编辑。使用install.packages("Rcmdr", dependencies=TRUE)来安装该包并library(Rcmdr)来加载包。需要注意，这里我们需要添加dependencies=TRUE，因为当我们安装包的时候，是默认安装我们所选的包，而Rcmdr包有一系列它所需要“依仗”才能运行的其他包，设置好dependencies=TRUE就能安装完所有它所需要的包了。

Mac OS系统会报错

需要注意，如果你使用的是Mac OS系统，那么会遇到频频报错的情况，这是因为需要一个Windows系统窗口才能弹出。因此针对Mac OS用户，可以下载并安装XQuartz（https://www.xquartz.org/），在运行R前率先运行XQuartz，然后再调用Rcmdr包，就可以正常运行了。可以看到，在R Commander窗口我们可以进行简单的数据编辑了。

R Commander窗口

使用这个窗口界面来输入数据很简单，首先我们点击上方的Data，选择New data set，在设置好名称后点击确定。接下来在窗口中输入数据的方式和SPSS相似，点击第一栏可以设置变量名以及变量类型，之后可以对数据进行输入，这样我们就创建好了一个数据集。

Discovering Statistics Using R, P. 94

我们可以看到，在R中也可以采用窗口的方式，实现简单的数据输入和编辑功能。但是我们所处理的数据是海量的，甚至有的数据在实验过程中就自动以一种格式存储了，这时候我们就不能使用这样的方式输入数据了，需要采用其他的导入方式来将我们所需的数据导入到R中。

很多时候，我们通过Excel、text文档、SPSS等进行数据的输入，存储数据的格式也各式各样，因此我们需要想办法把数据导入到R。其中，foreign包可以直接把SPSS (.sav)、Stata (.dta)、Systat (.sys, .syd)、Minitab (.mtp)、SAS (XPORT files)等等数据导入到R。而最简单最直白的方法，无非是保存数据的时候就采用R“认可”的文件格式，直接导入到R。

使用library( )（不写参数）可查看安装了哪些包

对于R可接受的数据格式来说，主要有两种类型最为“友好”，一类是以Excel导出的.txt和SPSS导出的.dat文件为主的制表符分隔文档（tab-delimited text），一类是以.csv（Excel、文本文档等都可以以该格式导出）为主的逗号分隔值文档（comma-separated values，也叫字符分隔值）。这三种格式的文档也是最常见的，我们在Excel、SPSS等中拿到数据后，选择“另存为”并更改储存格式，就可以导出上述格式的文档了，从而方便导入R。

Excel中可选的格式

如果数据以CSV格式保存，我们可以把数据以数据框的形式导入到R，使用read.csv函数并选择你的数据文档即可。如果在这之前你首先把R的工作目录变更到你的数据所在路径下，那么直接使用read.csv("文件名.后缀名", header=TRUE)即可。如果并没有设置工作目录，那么就得要把完整的路径写下来了（这也是为什么建议大家更改工作目录）。

在命令中，你看到有一个header=TRUE的东西，这个命令语句是告诉R，在我数据的第一行存储的是变量名称。如果你的数据文档第一行并没有设置变量名，那么就改成header=FALSE即可。一般情况下我们的数据不会是孤零零的数字，都会有一个变量名表示这些数据是啥。所以，TRUE就对了。

既然我们知道了.csv格式的数据如何导入，那么制表符分隔的txt或dat也就很容易了，这时我们需要read.delim函数来导入这些数据，导入方式和read.csv是一致的，你可以拿一些文本来实验一下。

尽管我们可以借由以上方法（输入路径，或设置路径再导入）来导入我们的数据，但是很多人还是更习惯借助窗口选择来导入数据，这也是最为简便的方式。R为我们提供了file.choose( )函数，使用该函数可以弹出一个窗口，从而让你实现“鼠标点点选数据”的方法，省去了敲打命令语句的烦恼。

使用file.choose函数

这里我们要提一提另外一个函数read.table，一些有经验的R使用者会使用这个函数来导入数据。这个函数可以导入表格格式（一个矩形式样的数据）的文件并存储为数据框。与上述调用方式一样，可以加入file.choose来点选文件，然后选择你所需要的文件即可。可以看到，只要是表格型（或者说是矩形）的数据，我们都可以用该函数实现调用。

这时有人会问，我就是想直接调用SPSS的文件，当时做实验的时候都已经搞好了，不想改格式，怕转格式出问题，该怎么办？这就需要我们前面提到的foreign包了。在该包中提供了直接导入SPSS的函数read.spss，但是麻烦的是它需要其他的命令。

可以看到，除了选文件之外，use.value.labels=TRUE表示如果SPSS中某变量是作为因子/因素（factor）出现的，那么导入的时候要以factor存储，如果是FALSE，那么就会变成数值型变量。什么意思呢？比如我们在SPSS中使用1表示男性，2表示女性，如果你设置的是TRUE，那么它们就会以factor导入R，R在处理的时候会把它们认作是因素。如果设置FALSE，那么这些就变成了普通的数字毫无意义。第二句的to.data.frame=TRUE表示把数据以数据框形式保存，如果没有这个，你将收获乱糟糟的毫无头绪的数据。

最后，我们稍微提一提如何保存数据。我们花了这么长时间导入、处理、分析数据，我想保存下来，很简单。首先我们要明确一点，保存的时候使用制表符分隔或逗号分隔，这样方便我们使用Excel等软件打开。保存制表符分隔文件，使用write.table函数，具体格式为write.table(dataframe, "filename.txt", sep="\t", row.names=FALSE)。其中sep="\t"表示使用制表符分隔，当然你也可以使用空格或逗号来表示我使用什么方法来分隔数据。row.names=FALSE是告诉R别导出行号。在数据展示中你可以看到，R最前面会有一个行号，这个就是防止R导出它以防扰乱我们的数据。比如：write.table(mydata1, "aver_dur.txt", sep="\t", row.names=FALSE)。

最前面的行号

导出CSV文档就简单了，使用write.csv函数即可，具体格式为write.csv(dataframe, "filename.csv")，它的sep是默认值不用管，这样就能导出csv文件了。比如write.csv(mydata1, "aver_dur.csv")。相对于write.table而言，它显得十分清爽友好。具体保存什么样的数据，还是要看你的选择。