R中的整数类和数字类有什么区别

我想以说我是绝对的编程初学者作为开头，所以请原谅这个问题的基础。

我试图更好地理解R中的“原子”类，也许这对一般编程中的类都适用。我了解字符，逻辑和复杂数据类之间的区别，但是我一直在努力寻找数值类和整数类之间的根本区别。

假设我有一个简单x <- c(4, 5, 6, 6)的整数向量，将其作为整数类是有意义的。但是当class(x)我知道的时候[1] "numeric"。然后，如果我将此向量转换为整数类x <- as.integer(x)。它返回相同的数字列表，只是类别不同。

我的问题是为什么会这样，为什么一组整数的默认类是数字类，以及将整数设置为数字而不是整数的优缺点是什么？

有多个类被分组为“数字”类，其中最常见的两个是双精度（对于双精度浮点数）和整数。R会在需要时自动在数字类之间转换，因此在大多数情况下，临时用户当前是否将数字3存储为整数还是双精度并不重要。大多数数学都是使用双精度完成的，因此通常是默认存储。

有时，如果您知道向量永远不会转换为双精度数（用作ID值或索引），因为整数需要较少的存储空间，则可能需要将矢量专门存储为整数。但是，如果将它们用于任何将其转换为double的数学运算中，那么将它们存储为double可能是最快的。

首先，成功使用R多年并且无需知道此问题的答案是完全可行的。R在后台为您处理（常规）数字和整数之间的差异。

> is.numeric(1)

[1] TRUE

> is.integer(1)

[1] FALSE

> is.numeric(1L)

[1] TRUE

> is.integer(1L)

[1] TRUE

（将大写字母“ L”放入整数后会强制将其存储为整数。）

如您所见，“整数”是“数字”的子集。

> .Machine$integer.max

[1] 2147483647

> .Machine$double.xmax

[1] 1.797693e+308

整数只会超过20亿，而其他数字可能会更大。它们可以更大，因为它们存储为双精度浮点数。这意味着数字存储为两部分：指数（类似于上面的308，但以2为底而不是以10为底）和“有效位数”（例如上面的1.797693）。

请注意，“ is.integer”不是测试您是否有整数，而是测试数据的存储方式。

要注意的一件事是，:如果起点和终点是整数，则冒号运算符将会返回整数。例如，1:5创建一个integer从1到5的数字向量。您无需附加字母L。

> class(1:5)
[1] "integer"

参考：https：//www.quora.com/What-is-the-difference-between-numeric-and-integer-in-R

要引用帮助页面（尝试?integer），我的粗体部分为：

存在整数向量，以便可以将数据传递给期望它们的C或Fortran代码，从而可以准确，紧凑地表示（小的）整数数据。

请注意，R的当前实现将32位整数用于整数矢量，因此可表示整数的范围限制为大约+/- 2 * 10 ^ 9：双精度数可以精确地容纳更大的整数。

就像帮助页面上说的那样，R integer是32位带符号的数字，因此可以保存在-2147483648和+2147483647之间，并占用4个字节。

R numeric与double符合IEEE 754标准的64位相同。R没有单一精度数据类型。（来源：帮助页面numeric和double）。双精度可以完全存储-2 ^ 53和2 ^ 53之间的所有整数，而不会丢失精度。

我们可以看到数据类型的大小，包括向量（source）的开销：

> object.size(1:1000)
4040 bytes
> object.size(as.numeric(1:1000))
8040 bytes

据我了解-我们没有用数据类型声明变量，因此默认情况下R会将没有L的任何数字设置为数字。如果您写了：

> x <- c(4L, 5L, 6L, 6L)
> class(x)
>"integer" #it would be correct

整数示例：

> x<- 2L
> print(x)

数值示例（类似于其他编程语言的double / float）

> x<-3.4
> print(x)