關卡 1
在R 中，我們操作的所有變數，都是一種R 物件(Object)。 這一堂課程中，就是要簡介R 的物件結構。
關卡 2
在所有物件中，最基礎的「原子」物件，就是在上一堂課中介紹的各種向量。 其他的物件都是由這些原子物件組合而成。
關卡 3
向量物件有兩個很重要的屬性：mode和length。 mode代表這個向量的值型態，總共有：logical、integer、numeric、complex、character和raw。 length則代表這個向量中值的個數。
關卡 4
若要查詢一個向量的型態和長度，可以使用函數mode和length。 請同學試試看：mode(x)。
mode(x)關卡 5
請問x 的型態是？
numeric
關卡 6
接著，請試試看length(x)。
length(x)關卡 7
請問x 的長度是？
5
關卡 8
R 也可以建立一種叫做list的向量，這是「R 物件」的向量。 在此向量中，每一個值都是R 物件，都具有各自的mode、length等屬性。我們會在較為複雜的統計模型中，見到這樣的資料型態。 舉例來說，在R 中如果要建立一個迴歸模型，會使用：g <- lm(dist ~ speed, cars) 這樣的程式碼會利用車速當解釋變數、煞車距離當應變數，建立一個迴歸模型。 先不管lm如何使用，上述的例子主要是希望能讓同學了解g這個物件的結構。 只要掌握這部分的課程內容，未來就可以輕鬆的探索更多機器學習或統計分析演算法的輸出結果。
關卡 9
請同學檢查g的型態。
mode(g)關卡 10
請同學檢查g的長度。
length(g)關卡 11
在上一個章節中提及，可以使用如g[1:2]的方式取出g的第一個到第二個值。 而這樣的輸出結果和g會有同樣的mode。 請同學試看看g[1:2]的結果。
g[1:2]關卡 12
同學會在R console看到一些數字以及文字出現。 在最上面的$coefficients，表示g[1:2]這個向量的第一個值（同時也是g的第一個值），是有名字的。而它的名字是："coefficients"。 由於g[1:2]的第一個值是一個有名字的numeric 向量，R 就把這個向量所有的名字和值一起顯示在console之中。 而這個numeric 向量的第一個值是-17.579095，名字是"(Intercept)"。第二個值是3.932409，名字則是"speed"。
關卡 13
接著，$residuals表示g[1:2]的第二個值也是有名字的，而且它的名字是"residuals"。 由於這個值也是一個有名字的numeric 向量，所以R 就把值和名字同時顯示到console上。 所以我們就可以知道，這個numeric 向量的第一個值的名字是"1"，值是3.849460。以此類推。
關卡 14
然而，整個R Console的結果顯示，g[1:2]仍然是一個list，因為R 只有在顯示list的內容 才會帶有$coefficients和$residuals這種標記。如果只是一個numeric 向量，就不會顯示出 $coefficients和$residuals。
關卡 15
請同學輸入list(1, a = 2)來看看R 如何顯示list，並比較當值有附帶名字及沒有附帶名字時，輸出結果的不同。
list(1, a = 2)關卡 16
在輸出結果的一開始，R 顯示了[[1]]，接著顯示一個值為1 的numeric 向量。 開頭的[[1]]不只說明了這個物件是一個list，也說明接下來顯示的是第一個值的內容。
關卡 17
接著，R 顯示了$a，以及顯示一個值為2 的numeric 向量。 開頭的$a因為位置在上述的[[1]]之後，所以代表這是這個list物件的第二個值。 同時，這個值的名字是"a"。
關卡 18
若想找出g的第一個值的物件本身，而非被包在一個list中，我們需要用到：g[[1]]。 請同學試試看。
g[[1]]關卡 19
請同學查詢g[[1]]的型態。
mode(g[[1]])關卡 20
請同學查詢g[[1]]的長度。
length(g[[1]])關卡 21
再針對g[1]和g[[1]]的差異進行說明一次。 使用g[1]時，R 取出向量的第一個元素，並且維持list的結構，所以g[1]的結果還仍是list。 相反的，使用g[[1]]時，R 會打破list的結構，再取出向量的第一個元素，所以g[[1]]的型態會是存放在list裡面的R 物件的型態。 在上述的例子中，因為g 這個list的第一個存放的R 物件是numeric向量，所以得到g[1]的型態是list，g[[1]]的型態則是numeric。
關卡 22
一般來說，對R 物件使用[]之後，會取得和該物件相同型態的物件。 所以a[1]的型態會和a一樣，而[[]]就沒有類似的特性了。
關卡 23
經過上述的練習，相信同學可以理解list這個「R 物件的向量」所代表的意義。 list向量最實用的特性，在於它可以裝不同型態的值。 以g為範例，雖然大部分值的型態都是numeric，但是也有些型態為call和list的物件。 list向量讓R 的開發者能更有彈性的建立較為複雜的模型。 同學在學會list之後，也可以更有能力來了解不同R 套件所建立的模型物件。
關卡 24
請同學檢查看看g[[10]]的型態。
mode(g[[10]])關卡 25
這裡的g[[10]]其實是記載著產生g 的程式碼。在R 裡面，這樣的程式碼是存成call型態的物件。 我們現在只要知道這是一種call就可以了。至於call是什麼東西，要等到同學需要開始深入的學習R 的原始碼、運作機制時， 才需要弄懂。我們現在只要知道，list可以裝所有R 的物件就可以了。
關卡 26
另外，我們也可以為list命名。 上述例子中，我們除了用g[[1]]來取得第一個值之外，也可以用g[["coefficients"]]來取得第一個值。 因為g這個向量是被命名的，而第一個名字就是"coefficients"。 請同學試試看。
g[["coefficients"]]關卡 27
適當的命名，可以讓程式碼更易讀。 舉例來說，若知道g是一個迴歸模型，也知道迴歸模型通常就是一個參數向量，那我們就可以預期到g[["coefficients"]]就是這個迴歸模型的參數。 （在統計學之中，不同迴歸模型的參數通常稱作：“coefficients”)。
關卡 28
我們可以更改一個向量的長度。 舉例來說，現在x 是一個長度是5 、型態是numeric的向量。 我們可以利用：length(x) <- 10把x 的長度改成10。請同學試試看。
length(x) <- 10關卡 29
現在我們可以來看看x 的值。，請同學輸入：x。
x關卡 30
我們也可以直接在x 的指定位置中放入新的值，並且藉此增加x 的長度。 舉例來說：x[7] <- 7可以讓x 的第7 個位置的值變成7 。請同學試試看。
x[7] <- 7關卡 31
現在我們可以來看看x 的值。，請同學輸入：x
x關卡 32
由於x 本來的長度就已經超過7 ，所以並沒有延長。 請同學換一個程式試試看：x[13] <- 13。
x[13] <- 13關卡 33
現在我們可以來看看x 的值。，請同學輸入：x
x關卡 34
如果我們要縮短x 的長度，可以運用如：x2 <- x[c(1,3,5,7,9,11,13)]，這樣得出的x2就會是縮短的x 。 請同學試試看。
x2 <- x[c(1,3,5,7,9,11,13)]關卡 35
現在我們可以來看看x2的值。，請同學輸入：x2
x2關卡 36
由結果中發現，x2只剩下原本在x 奇數位置的值了。 在整理資料時，我們常常需要這樣的技巧，來從資料中選出我們真正要分析的部份，並調整成我們需要的長度。
關卡 37
所有的R 物件，都有「屬性」(attributes)。我們可以用attributes這個函數來印出一個R 物件的屬性。 請同學試試看：attributes(g)
attributes(g)關卡 38
根據剛剛的輸出結果，attributes(g)的屬性應該是哪一種向量呢？
list
關卡 39
進入下一個題目之前，請同學先輸入names(g)來查詢g的名字，並和attributes(g)的結果做比對。
names(g)關卡 40
在attributes(g)的輸出結果中，會看到一個帶有名字的list。 請同學記得，所有R 物件的attributes都是帶有名字的list。
關卡 41
而這個物件的名字，就是attributes(g)這個list中，名字為"names"的值，而且值一定是character向量。 在R 中可以用attr(g, "names")來取得名字是“names”的屬性。請同學試試看。
attr(g, "names")關卡 42
上一題的輸出結果，就是g 這個list的名字，也是names(g)的結果。
關卡 43
回到attributes(g)的輸出。 除了第一個值是名字為"names"的character向量之外，第二個值是一個名為"class"的character向量。 character向量的值是"lm"。 請同學試試看：attr(g, "class")
attr(g, "class")關卡 44
attributes這樣的功能在探索一些複雜的R 模型物件時是非常好用的。 我們在之後深入探討matrix、data.frame等進階物件的時候，也會需要了解attributes的相關知識。 現在，同學只要知道所有的R 物件都具有attributes就可以了。
關卡 45
而名稱為“class”的屬性是非常重要的，因為它牽涉到R 的物件導向設計。 這部份將會在更進階的章節中，再跟同學說明。
關卡 46
由於“names”和“class”這兩個屬性是如此的重要，所以R 中設計有class和names這兩個函數， 讓使用者可以針對一個R 物件的names和class進行修改。請同學試試看：names(g)。
names(g)關卡 47
再請同學試試看：class(g)。
class(g)關卡 48
這個課程簡介了R 的物件系統。 希望未來同學在接觸到沒學過的套件時，可以有系統地來摸索R 套件的輸出。
關卡 49
最後，我們請同學用本課程中所學的內容，處理一個PCA 的結果。 請同學在完成之後存檔，並輸入submit()來檢查結果是否符合預期。 如果同學在檔案中看到亂碼，請使用Rstudio 左上角的File -> Reopen With Encoding… -> 選取：UTF-8
#' 以下內容改自prcomp 的範例程式碼
#'
#' PCA(Principle Components Analysis) 是一個資料分析時常用的技術，
#' 它的原理會在後面的課程講解。
#' 在R 中，我們可以利用prcomp這個指令對USArrests這筆資料進行PCA 的分析，
#' R 會吐回一個計算後的物件給我們。
pca <- prcomp(USArrests, scale = TRUE)
#' 請同學找出pca的「型態」。你的答案只可能是：「"character"」、「"numeric"」或「"list"」
answer1 <- mode(pca)
#' 請同學將pca的長度寫入變數answer2
answer2 <- length(pca)
#' 請同學將pca的名字寫入變數answer3
answer3 <- names(pca)
#' pca 的元素中，有一個是各個principal components的standard deviations。
#' 請同學參考help(prcomp)的說明的Value章節
#' 將各個principal components的standard deviations
#' 寫入變數answer4
# 也可以使用教材中教的 `pca[["sdev"]]` ，這裡`[[`與`$`都有從list拿出物件的功能
answer4 <- pca$sdev
#' pca 的元素中，有一個是PCA的中心(center)。請同學參考help(prcomp)的說明，
#' 將該元素寫入變數answer5
answer5 <- pca$center