3.6　检查变量

当在控制台输入一个运算或者变量时，结果就被打印出来，因为R隐式调用了对象的print方法。

注意

对以下术语稍作解释：大多情况下，“方法”（method）和“函数”（function）是可以互换的。有时，R中的函数也称为面向对象中的方法。不同类型的对象有不同版本的print函数，这使得矩阵与向量的打印方法不同，这就是谈到“打印方法”的原因。

所以，在命令提示符下输入1 + 1与print( 1 + 1)一样。

但是，对于内循环或函数来说4，自动打印功能不起作用，我们必须显式地调用print：

4 除非函数返回了值。 

  1. ulams_spiral <- c(1, 8, 23, 46, 77) # 参考http://oeis.org/A033951
  2. for(i in ulams_spiral) i            # 啊哦, 值没有打印出来
  3. for(i in ulams_spiral) print(i)
  5. ## [1] 1
  6. ## [1] 8 
  7. ## [1] 23 
  8. ## [1] 46 
  9. ## [1] 77

如果你是在终端而不是在GUI或IDE上运行R，在某些系统上这个问题的确存在。在这种情况下，你就一直需要显式调用print函数。

大部分print函数的实现建立在调用底层的cat函数上。虽然你可能永远无需直接调用cat（与之对应的用户级命令是print和message），但是仍应对此有所了解，以便在需要时亲自编写print函数5

5 也许就像在练习16-3中那样。

注意

c和cat函数都是concatenate的缩写，但它们的作用完全不同！cat是以Unix中的函数命名的。

除了查看变量的打印输出，最好也能看到某种程度的对象汇总信息。summary函数就能为不同的数据类型提供汇总信息。例如，数值变量会被汇总统计出平均数、中位数，以及一些分位数（quantile）。在下例中，runif函将数生成30个均匀分布于0和1之间的随机数：

  1. num <- runif(30) 
  2. summary(num)
  4. ##   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  5. ##0.0211  0.2960   0.5060    0.5290 0.7810   0.9920

类别变量和逻辑向量将根据每个值的计算进行汇总。在下例中，letters是一个内置的常数，它包含了从a到z的小写值（大写的LETTERS则包括了类似的从A到Z的大写值）。这里letters[ 1:5]用索引限制letters的范围为从a到e。sample函数使用重复抽样replace随机抽样30次：

  1. fac <- factor(sample(letters[1:5], 30, replace = TRUE)) 
  2. summary(fac)
  4. ## a b c d e
  5. ## 6 7 5 9 3
  7. bool <- sample(c(TRUE, FALSE, NA), 30, replace = TRUE) 
  8. summary(bool)
  10. ##    Mode FALSE TRUE NA's
  11. ## logical    12   11    7

多维对象与矩阵及数据框一样，都是通过列来汇总的（第4章和第5章将做更详细的讨论）。我们在下面创建的数据框dfr非常大，显示出来足足有30行。对于这样的庞然大物 6，用head函数即可仅显示它的前几行（默认为6行）：

6 现在，30行的数据算不上是“大数据”，但在打印时它仍能占满整个屏幕。 

  1. dfr <- data.frame(num, fac, bool) 
  2. head(dfr)
  4. ##       num fac  bool 
  5. ## 1 0.47316   b    NA 
  6. ## 2 0.56782   d FALSE 
  7. ## 3 0.46205   d FALSE 
  8. ## 4 0.02114   b  TRUE
  9. ## 5 0.27963   a  TRUE 
  10. ## 6 0.46690   a  TRUE

数据框的summary函数就像为每列单独调用summary一样：

  1. summary(dfr)
  3. ##      num          fac      bool
  4. ## Min.   :0.0211    a:6   Mode :logical
  5. ## 1st Qu.:0.2958    b:7   FALSE:12
  6. ## Median :0.5061    c:5   TRUE :11
  7. ## Mean   :0.5285    d:9   NA's :7
  8. ## 3rd Qu.:0.7808    e:3
  9. ## Max.   :0.9916

类似地，str函数能显示对象的结构。对向量来说，它并非很有趣（因为它们太简单了），但str对数据框和嵌套列表非常有用：

  1. str(num)
  2. ## num [1:30] 0.4732 0.5678 0.462 0.0211 0.2796 ...
  4. str(dfr)
  5. ## 'data.frame': 30 obs. of 3 variables:
  6. ## $ num : num 0.4732 0.5678 0.462 0.0211 0.2796 ... 
  7. ## $ fac : Factor w/ 5 levels "a","b","c","d",..: 2 4 4 2 1 1 4 2 1 4 ...
  8. ## $ bool: logi NA FALSE FALSE TRUE TRUE TRUE ...

如前所述，每个类都有自己的打印（print）方法，以此控制如何显示到控制台。有时，这种打印模糊了其内部结构，或忽略了一些有用的信息。用unclass函数可绕开这一点，显示变量是如何构建的。例如，对因子调用unclass函数会显示它仅是一个整数（integer）向量，拥有一个叫levels的属性：

  1. unclass(fac)
  3. ## [1] 2 4 4 2 1 1 4 2 1 4 3 3 1 5 4 5 1 5 1 2 2 3 4 2 4 3 4 2 3 4 
  4. ## attr(,"levels")
  5. ## [1] "a" "b" "c" "d" "e"

稍后我们会讨论属性，而现在须了解的是，attributes函数能显示当前对像的所有属性列表：

  1. attributes(fac)
  3. ## $levels 
  4. ## [1] "a" "b" "c" "d" "e" 
  5. ## 
  6. ## $class 
  7. ## [1] "factor"

为了可视化诸如矩阵和数据框之类的二维变量，View（请注意大写字母“V”）函数会把变量（只读的）显示为电子表格（spreadsheet）。edit和fix函数的工作方式与View类似，但它允许手动更改数据值。虽然这听似更实用，但以这种方式编辑数据却是个无比糟糕的主意，因为我们会失去所有的可追溯性而无法追踪数据的出处。最好的方式还是使用编程来编辑数据：

  1. View(dfr)                      #不允许更改
  2. new_dfr <- edit(dfr) 　        #更改将保存于new_dfr 
  3. fix(dfr) 　                    #更改将保存于dfr

一个好方法是结合View和head函数来查看数据框的前几行：

  1. View(head(dfr, 50)) #查看前 50行