R 为什么向量的类是向量元素的类而不是向量本身？

我不明白为什么向量的类是向量元素的类而不是向量本身

vector <- c("la", "la", "la")
class(vector) 
## [1] "character"

matrix <- matrix(1:6, ncol=3, nrow=2)
class(matrix) 
## [1] "matrix"

矢量在中，矢量有六种基本类型，其中一种是
“字符”
。实际上没有基本的“向量”类型，而是六种不同类型的向量，它们都是基本类型

另一方面，是一种数据结构。
R需要知道正在操作的对象的类，以便对该对象执行适当的方法分派。R中的原子数据类型是向量，没有标量，即R将单个整数视为长度为一个向量<代码>是.vector（1L）

为了分派正确的方法，R必须知道数据类型。当你的语言是隐式向量化的，并且所有的东西都被设计为在向量上运行时，知道某些东西是向量并没有多大用处

is.vector( list( NULL , NULL ) )
is.vector( NA )
is.vector( "a" )
is.vector( c( 1.0556 , 2L ) )

所以你可以取

类（1L）

的返回值，它是

[1]“integer”

，意思是，我是一个由类型

integer

组成的原子向量

尽管事实上a

矩阵实际上只是一个具有二维属性的向量，但R必须知道它是一个矩阵，以便它可以对矩阵的元素（或单个下标元素）进行行或列操作。子集设置后，您将返回矩阵中元素的数据类型向量，这将允许R为您的数据分派适当的方法（例如，对字符向量或数字向量执行
排序
）

/*来自/src/main/subset.C中的底层C代码*/
结果=allocVector（类型（x），（R_xlen_t）nrs*（R_xlen_t）ncs）

您还应该注意，在确定对象的类别之前，R将始终检查它是否是第一个向量，例如，在某些矩阵上运行
is.matrix（x）
时，
x
，R检查它是否是第一个向量，然后检查维度属性。如果维度属性是
INTEGER
数据类型为
LENGTH
2的向量，则满足该对象为矩阵的条件（以下代码段来自/src/include/）中的Rinlinedfuns.h）

INLINE\u-FUN-boroan-isMatrix（SEXP-s）
495 {
496个SEXP-t；
497如果（isVector）{
498 t=getAttrib（s，R_DimSymbol）；
499/*您不能分配非整数dim，
500，但这可能是由于滥用ATTRIB造成的*/
501如果（类型（t）=INTSXP和长度（t）==2）
502返回TRUE；
503     }
504返回错误；
505 }
#例如，创建一个具有高度和宽度的数组。。。。
这就是我从中得到的
class
主要用于面向对象编程，R中还有其他函数可以为您提供对象的存储模式（请参见
？typeof
或
？mode
）

查看
？类时

许多R对象都有一个class属性，一个字符向量给出
对象从中继承的类的名称。如果对象
没有class属性，它有一个隐式类“matrix”，
“数组”或模式（x）的结果

似乎
class
的工作原理如下

它首先查找
$class
属性

如果没有，它通过检查
$dim
属性（在
向量中不存在）来检查对象是否具有
矩阵
或
数组
结构

2.1。如果
$dim
包含两个条目，它将称之为
矩阵

2.2。如果
$dim
包含一个条目或两个以上条目，它将称之为
数组

2.3。如果
$dim
的长度为0，则转到下一步（
模式
）

如果
$dim
的长度为0，并且没有
$class
属性，它将执行
模式
根据你的例子

mat <- matrix(rep("la", 3), ncol=1)
vec <- rep("la", 3)
attributes(vec)
# NULL
attributes(mat)
## $dim
## [1] 3 1

在第二种情况下，它检查

attributes(mat)$class
# NULL
length(attributes(mat)$dim)
##[1] 2

它看到该对象有两个维度，因此调用它
matrix

为了说明
vec
和
mat
具有相同的存储模式，您可以

mode(vec)
## [1] "character"
mode(mat)
## [1] "character"

例如，您还可以看到数组的相同行为

ar <- array(rep("la", 3), c(3, 1)) # two dimensional array
class(ar)
##[1] "matrix"
ar <- array(rep("la", 3), c(3, 1, 1)) # three dimensional array
class(ar)
##[1] "array"

class
从哪里取的

attributes(df)    
# $names
# [1] "A"
# 
# $row.names
# [1] 1 2 3
# 
# $class
# [1] "data.frame"

如您所见，
data.fram
设置了一个
$class
属性，但这是可以更改的

attributes(df)$class <- NULL
class(df)
## [1] "list"

最后，为了说明
类
的工作原理，我们可以手动将
类
设置为我们想要的，并查看它会给我们什么

mat <- structure(mat, class = "vector")
vec <- structure(vec, class = "vector")
class(mat)
## [1] "vector"
class(vec)
## [1] "vector"

mat这是我找到的最好的图表，它列出了
class
函数使用的类层次结构：


虽然类名与R
class
函数的结果并不完全一致，但我相信层次结构基本上是准确的。答案的关键是
类
函数只给出层次结构中的根类

您将看到
Vector
不是根类。您的示例的根类是
StrVector
，它对应于
“character”
类，该类表示包含字符元素的向量。相反，
Matrix
本身就是一个根类；因此，它的类是
“matrix”
您的“vector”仍然是形式类
vector
。它被认为是一个字符向量。参见
is.vector（vector）
和
？vector
@RichardScriven，我认为这里的实际问题是
类
为什么会像他那样行事，也就是说，为什么它会为
矩阵
中包含任何类型的向量返回“矩阵”，而当
向量
格式中存储的数据发生错误时，它会返回向量的实际类。有人解释说是的
attributes(df)$class <- NULL
class(df)
## [1] "list"

mode(df)
## [1] "list"

mat <- structure(mat, class = "vector")
vec <- structure(vec, class = "vector")
class(mat)
## [1] "vector"
class(vec)
## [1] "vector"