R Data Types im Überblick: Diese R-Datentypen sollten Sie kennen

Wie in jeder anderen Programmiersprache existieren auch in der R-Programmierung verschiedene Datentypen, die Programmierenden dabei helfen, ihre Daten zu strukturieren. Neben den Basic Data Types gibt es in R auch komplexere Datentypen.

Wofür werden Datentypen in R benutzt?

Beim Programmieren geht es oftmals um die Verarbeitung von Daten. Damit diese Daten in sinnvoller Weise im Speicher abgelegt werden können, haben Entwicklerinnen und Entwickler in den allermeisten Sprachen die Wahl zwischen verschiedenen Datentypen. Beispiele für Datentypen sind Zahlen oder Zeichenketten.

Auf verschiedenen Datentypen sind in der Regel unterschiedliche R-Operatoren definiert. Daher helfen Datentypen den Programmierenden auch dabei, ihre Daten in angemessener Form zu verarbeiten und somit die Effizienz von Programmen zu steigern.

Die verschiedenen Datentypen in R

In R gibt es eine Reihe verschiedener Datentypen. Einige R-Datentypen dürften Ihnen, sofern Sie nicht gerade erst das Programmieren lernen, aus anderen Programmiersprachen bekannt vorkommen. Für einen Check des Data Types in R gibt es das R-Command class(), das eine beliebige Variable als Übergabeparameter entgegennimmt und den Datentyp dieser Variable zurückliefert.

Numerische Datentypen

Numerische Datentypen gehören zu den Basic Data Types in R und werden genutzt, um Zahlenwerte abzubilden. Innerhalb der numerischen Datentypen wird zwischen numeric für reelle Zahlen, integer für Ganzzahlen und complex für komplexe Zahlen mit imaginärem Anteil unterschieden.

x <- 3.14
y <- 42
z <- 3 + 2i
print(class(x))
print(class(y))
print(class(z))

Die Ausgabe dieses Codes sieht wie folgt aus:

"numeric"
"numeric"
"complex"

An dieser Stelle wundern Sie sich vielleicht, wieso zwei Mal der Datentyp numeric ausgegeben wurde, obwohl es sich bei der Variable y um einen Integer bzw. eine Ganzzahl handelt. Das ist einfach erklärt: Integer sind in R immer gleichzeitig numeric. Um dem Interpreter mitzuteilen, dass es sich tatsächlich um einen Integer handelt, müssen Sie Ihren Ganzzahlen das SuffixL anhängen:

y <- 42L
print(class (y))

Nun liefert der obige Funktionsaufruf das erwartete Ergebnis:

"integer"

Zeichenketten

Um Text bzw. Zeichen darzustellen, können Sie auf einen Datentyp namens character zurückgreifen. Daten dieses Datentyps, die in R Strings genannt werden, können Sie in R durch einfache oder doppelte Anführungszeichen kennzeichnen:

x <- "Hallo Welt!"
y <- 'Hello world!'
print(class(x))
print(class(y))

Auch hier kann die class()-Funktion genutzt werden, um sich den Datentyp Ihrer Variablen anzeigen zu lassen:

"character"
"character"

Logische Datentypen

Variablen des logischen Datentyps, der in R unter der Bezeichnung logical bekannt ist, werden vom Interpreter zu TRUE oder FALSE ausgewertet. Auf diese Weise können Bedingungen oder logische Ausdrücke formalisiert werden. Dies ist oft nötig, um den Kontrollfluss des Programms zu steuern.

x <- TRUE
y <- FALSE
print(class(x))
print(class(y))

Wenn Sie den Datentyp beider Variablen betrachten, sehen Sie, dass ihnen der R Data Type logical zugewiesen wurde:

"logical"
"logical"

Rohdaten

In R gibt es einen eigenen Datentyp, um sich Ihre Variablen als Folge von Bytes anzusehen. Dieser R Data Type trägt den Namen raw. Um Ihre Daten in Rohdaten zu konvertieren, können Sie die Funktion charToRaw() nutzen. Für den umgekehrten Anwendungsfall existiert die Funktion rawToChar().

Folgender Code zeigt, wie ein String in eine Bytefolge konvertiert wird, die den Datentyp raw hat:

x <- "Hallo Welt!"
y <- charToRaw(x)
print(y)
print(class(y))

Der obige Code gibt zunächst die Bytefolge in Hexadezimalzahlen auf dem Bildschirm aus. Im Anschluss sorgt der Aufruf von class() dafür, dass der Datentyp der Variable y angezeigt wird:

48 61 6c 6c 6f 20 57 65 6c 74 21
"raw"

Datenstrukturen in R

Neben den R-Basic Data Types gibt es eine ganze Reihe verschiedener Datenstrukturen, die Programmierenden dabei helfen, Daten besser zu strukturieren. Diese Datenstrukturen sind komplexer als die einfachen Datentypen und, wie beispielsweise R Data Frames, anders als Data Types oft auch mehrdimensional.