前面已经学过，R语言可以通过数字和运算符计算出想要的结果。但是，当我们需要对更多的数据进行计算时，比如要计算某个班级里学生的平均成绩，每次计算都输入所有班级同学的得分，然后再除以班级人数，显然看起来会很繁琐。

例子：

计算班级平均分，分数如下：

张三（95），李四（88），王二（79），这五（59），那六（92），（31），（66），（92），（73），（94），（0），（55）。

# 平均分计算

(95+88+79+59+92+31+66+92+73+94+0+55)/12
[1] 68.66667

班级人数少，计算起来还算容易，如果班级有上百人，或者人事处需要统计整个学校教师的收入情况，找出收入最高和最低的人，同时计算工资总数和平均数。那么，每次计算都输入一长串的公式显然是难以承受的。基于此，“向量”的概念被提出。该“向量”并非数学中的向量，在数学中，向量表示的是有大小有方向的量，可以用带箭头的线段来表示，线段的长度表示大小，箭头表示方向；编程中的向量一般表示一维数据的集合，它可以包含数字、字符、逻辑值甚至是三者混排，这与数学中的向量含义不同。回到上面的例子，利用向量来计算班级的平均分：

# 利用向量进行平均分计算

scores <- c(95,88,79,59,92,31,66,92,73,94,0,55) # 将一组数输入向量，用c()函数。

sum(scores)/length(scores) # sum()求和函数，length()求元素个数函数。
[1] 68.66667

mean(scores) # mean()求平均值函数。
[1] 68.66667

prod(scores) # 求乘积

[1] 0

max(scores) # max()最大值函数
[1] 95

min(scores) # min()最小值函数
[1] 0

median(scores) # median()中位数函数，如果是偶数，计算中间两个数的均值。
[1] 76

quantile(scores) # quantile()求四分位数函数。
0% 25% 50% 75% 100%
0    58    76     92      95

summary(scores) # summary()总结函数，不同类型的元素结果不同。
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.00    58.00      76.00 68.67      92.00 95.00

str(scores) # str()紧凑显示该对象的R语言内部结构。
num [1:12] 95 88 79 59 92 31 66 92 73 94 …

细心的同学可能会发现一个问题，向量中的考试分数并不知道是来自哪位同学的，换句话说就是不知道谁得了多少分，这对理解数据显然是不利的。R语言的设计者当然也意识到了这个问题，因此，向量是可以添加“名字”的，用到names()函数。一定要注意，给数据添加名字的顺序要和原始数据一致。

names(scores) # 直接使用names()函数，结果得到未定义NULL。
NULL

names(scores) <- c("张三","李四","王二","这五","那六") # 给向量加名字
scores   # 查看scores向量
张三 李四 王二 这五 那六 <NA> <NA> <NA> <NA> <NA> <NA> <NA>
95     88    79    59     92       31      66      92        73      94         0       55

(a <- c("张三"=95,"李四"=88,"王二"=79,"这五"=92)) # 直接带名字赋值向量，引号要改成英文状态，最外层加括号直接显示结果
张三 李四 王二 这五
95     88    79     92

a["张三"] # 查看张三的分数
张三
95

向量还可以进行增减和排序等操作。

length(scores) # 查看scores向量有多少个元素
[1] 12

scores[13] <- 77 # 增加第13个元素为77

scores[11] <- 20 # 将第11个元素改成20

scores <- scores[-12] # 去掉第12个元素

scores[1:3] <- c(20,20,20) # 将前3个元素改成20

scores[c(4,6,10)] # 查看第4、6、10号元素

scores[-c(4,6,10)] # 查看除了4、6、10号元素外的其他元素

scores[c(4,6,10)] <- c(40,60,80) # 将第4、6、10个元素改成40,60,80

scores[1:13] <- 100 # 1到13个元素改成100

sort(scores) # 升序排列
[1] 0 31 55 59 66 73 79 88 92 92 94 95

sort(scores,decreasing = TRUE) # 降序排列
[1] 95 94 92 92 88 79 73 66 59 55 31 0

scores[scores>=90]
[1] 95 92 92 94

scores[scores>=60]
[1] 95 88 79 92 66 92 73 94

scores[scores>=60&scores<85]
[1] 79 66 73

好了，熟练掌握上面的内容，基本上本章已经可以达标了。下面看看简单的思考题。

思考题：

1. 结合前面学习的知识，计算scores的加、减、乘、除、取余等运算操作。
2. 已知scores[1:5]<-100，那么scores+c(1:5)应该等于多少？
3. 尝试提取scores的0号元素，或第200号元素，看看会发生什么？
4. 假设一个变量为a<-c(1,0,0,1)，请给这a向量的4个值添加名称（”张三”,”李四”,”王二”,”这五”）。
5. 求88,64,96,99,100,59,87的四分位数。
6. 将88,64,96,99,100,59,87按照降序排列。
7. 提取子集，要求分数大于等于90且小于60。

变量应该算是编程语言中应用范围最广的了，任何一个语言都离不开变量。变量，即一个容器，你将一些东西存放进去，例如：你有一个盒子，这个盒子你取名叫a，然后把6这个数字放进去，那么，不论谁拿到这个盒子，都能看见里面有一个6，当你将7放进去，同时把6取出来以后，任何人都能看到这个盒子里面有7，这就是最初的变量思想。在R语言中，变量可以存储任何东西，可以存储数值、字母、表达式、数组、数据框等等，有些概念还没有讲过，不必纠结，只要知道变量可以存储很多东西就可以了。

下面学习如何操作变量，我们设置一个变量a，然后让a变量的值为15。

a <- 15   # R语言的默认赋值时“箭头”赋值，箭头可以有方向。

15 -> a   # 该结果与上面的结果一样。

a = 15   # 该结果也与上面的结果一样。

a   # 查看变量内容，只需要输入变量名称即可。

当然，我们还可以将字符放入变量中。

b <- “Hello World!”   # 字符串我们用英文状态下的双引号引起来，告诉程序这是字符串。

b   # 查看变量b内容。

ls()   # 是list的缩写，用于查看当前内存中的所有变量。

rm(a)   # 当变量不再使用时，可以移除变量，用rm()函数。

rm(a,b)   # 移除变量a和b，多个变量同时移除，用英文逗号隔开。

rm(list=ls())   # 移除所有变量。

在实际应用中，最好不要用单个字母来做变量名。变量名称需要易于理解，这样程序阅读或修改起来才更加容易。程序不是写一次就结束了，很多时候，程序需要根据情况不断地进行修改。

我比较习惯的命名规则为，rowNo，moneyTotal，minAlleleFrequency等。当然还有其它比较好的命名规则，如有需要请自行百度。要说明的是，不要怕变量名长，人类理解比机器理解要重要的多，随遇到满屏幕的单字母变量都会头疼，读起来会很慢。

另外，变量名称需要以字母开头，可以有下划线_或百分号%，其他符号是不允许的。

函数实际上是实现某些功能的代码块，R语言本身内置了很多函数，方便我们使用。rm是Remove的缩写，移除变量。