R: أنواع البيانات في لغة R: 6 أنواع أساسية وتحويل الأنواع

آخر تحديث: 2026-08-26

في الدرس السابق، تعرفنا على التعيين والإخراج. جميع البيانات في برامج R — سواء الأرقام أو النصوص أو القيم المنطقية — لها «أنواع» مميزة خاصة بها. في هذا الدرس، سنستكشف بالتفصيل أنواع البيانات الأساسية الستة في R وسنتقن «تحويل الأنواع»، وهي مهارة أساسية في علم البيانات باستخدام R.

لغة R هي لغة ذات أنواع ديناميكية، لكن هذا لا يعني أن الأنواع غير مهمة — فـ 90% من أخطاء R تتعلق بتحويلات الأنواع.

1. ما ستتعلمه

• أنواع البيانات الستة الأساسية في لغة R (الرقمية، الصحيحة، الحرفية، المنطقية، المركبة، الأولية)
• الفرق بين typeof() وclass()
• is.* مجموعة دوال التحقق من النوع
• as.* مجموعة دوال تحويل الأنواع
• الاختلافات بين القيم الأربع الخاصة (NA، NaN، Inf، NULL)
• سيناريوهات تحويل الأنواع الشائعة في التطبيقات العملية

2. فخ «المساواة الظاهرية»

قبل كتابة أي كود، دعونا نلقي نظرة على مثال يربك عددًا لا يحصى من المبتدئين:

# These two numbers look the same, but R considers them "unequal"
1 == 1L
# [1] FALSE

# Verify their types
typeof(1)
# [1] "double"  (Double-precision floating-point numbers)

typeof(1L)
# [1] "integer" (Integer)

أليس هذا مخالفًا للمنطق؟ في لغة R، "1" و"1L" ليسا نفس الشيء. في هذا الدرس، سنكشف عن جميع أسرار أنواع البيانات في لغة R.

3. أنواع البيانات الستة الأساسية في لغة R

تنتمي جميع البيانات في لغة R إلى أحد الأنواع الأساسية الستة التالية:

graph TB
    A[R Data Types]
    A --> B[numeric<br/>Double-precision floating-point numbers<br/>Default number]
    A --> C[integer<br/>Integer<br/>Need to add L Suffix]
    A --> D[character<br/>String<br/>Quotation marks must be used]
    A --> E[logical<br/>Logical value<br/>TRUE/FALSE]
    A --> F[complex<br/>Plural<br/>1+2i]
    A --> G[raw<br/>Byte<br/>as.raw 0xff]
    
    style A fill:#fff3cd
    style B fill:#cce5ff
    style C fill:#cce5ff
    style D fill:#d4edda
    style E fill:#f8d7da
    style F fill:#e1d4ff
    style G fill:#ffe1e1

graph TB
    A[R Data Types]
    A --> B[numeric<br/>Double-precision floating-point numbers<br/>Default number]
    A --> C[integer<br/>Integer<br/>Need to add L Suffix]
    A --> D[character<br/>String<br/>Quotation marks must be used]
    A --> E[logical<br/>Logical value<br/>TRUE/FALSE]
    A --> F[complex<br/>Plural<br/>1+2i]
    A --> G[raw<br/>Byte<br/>as.raw 0xff]
    
    style A fill:#fff3cd
    style B fill:#cce5ff
    style C fill:#cce5ff
    style D fill:#d4edda
    style E fill:#f8d7da
    style F fill:#e1d4ff
    style G fill:#ffe1e1

(1) جدول عام للأنواع الستة

(2) شرح مفصل لكل نوع

# numeric —— Double-precision floating-point numbers(Default number)
x <- 3.14
typeof(x)
# [1] "double"

# integer -- Strict Integers (Add L Suffix)
x <- 10L
typeof(x)
# [1] "integer"

# character —— String
x <- "Hello R"
typeof(x)
# [1] "character"

# logical —— Logical value(Must be all uppercase)
x <- TRUE
typeof(x)
# [1] "logical"

# complex —— Plural
x <- 1 + 2i
typeof(x)
# [1] "complex"

(3) الأعداد الصحيحة مقابل الأعداد العائمة: متى يستخدم أي منهما؟

# Performance Comparison(1 A billion integers vs 1 A billion floating-point numbers)
# integer: ~400 MB
# numeric: ~800 MB

# Not required in normal situations integer,numeric That's enough

4. typeof() مقابل class(): دالتان يسهل الخلط بينهما

يحتوي لغة R على دالتين يمكن لكلتيهما التحقق من «النوع»، لكن لكل منهما معنى مختلف.

(1) دليل مرئي سريع للاختلافات

graph TB
    A["R Object"] --> B["typeof()<br/>Bottom Layer C Type<br/>6 Basic Types"]
    A --> C["class()<br/>Business OOP Class<br/>data.frame / Date / factor"]
    
    B --> D["double / integer<br/>character / logical<br/>complex / raw"]
    C --> E["Business Concepts<br/>(20+ kinds)"]
    
    style A fill:#fff3cd
    style B fill:#cce5ff
    style C fill:#d4edda

graph TB
    A["R Object"] --> B["typeof()<br/>Bottom Layer C Type<br/>6 Basic Types"]
    A --> C["class()<br/>Business OOP Class<br/>data.frame / Date / factor"]
    
    B --> D["double / integer<br/>character / logical<br/>complex / raw"]
    C --> E["Business Concepts<br/>(20+ kinds)"]
    
    style A fill:#fff3cd
    style B fill:#cce5ff
    style C fill:#d4edda

(2) المقارنة الفعلية

# 1. Ordinary Vectors:The two are consistent
x <- 1:10
typeof(x)
# [1] "integer"
class(x)
# [1] "integer"

# 2. Data Frame: The two are different!
y <- data.frame(a = 1:3, b = c("x", "y", "z"))
typeof(y)
# [1] "list"        ← The bottom layer is list

class(y)
# [1] "data.frame"  ← In business terms, it's a data frame.

(3) توصيات الاختيار

5. التحقق من النوع: مجموعة الدوال is.*

يوفر R مجموعة الدوال is.* للتحقق من الأنواع، وجميع الدوال تُرجع القيمة TRUE أو FALSE.

(1) وظائف الفحص الشائعة

(2) المشكلة الرئيسية: لا يميز is.numeric() بين الأعداد الصحيحة والأعداد المزدوجة

# is.numeric() is the "superset" of is.integer()
is.numeric(1)     # [1] TRUE
is.numeric(1L)    # [1] TRUE
is.integer(1)     # [1] FALSE
is.integer(1L)    # [1] TRUE

6. تحويل الأنواع: مجموعة الدوال as.*

يمكن لمجموعة الدوال as.* في لغة R تحويل نوع ما إلى نوع آخر.

(1) وظائف التحويل الشائعة

(2) تكلفة عملية التحويل الفاشلة

# String → Numbers(Success)
as.numeric("3.14")
# [1] 3.14

# String → Numbers(Failure)
as.numeric("Hello")
# Warning: NAs introduced by coercion
# [1] NA

# One failure won't stop me,But there will be a warning
as.numeric(c("1", "2", "abc", "4"))
# Warning: NAs introduced by coercion
# [1]  1  2 NA  4

(3) سيناريو واقعي: عدم تطابق الأنواع بعد قراءة ملف CSV

تتمثل إحدى المشكلات الأكثر شيوعًا عند قراءة ملفات CSV في تفسير الأعمدة الرقمية على أنها أحرف:

# Suppose we read one CSV,All columns are character
df <- data.frame(
  id = c("1", "2", "3"),
  value = c("10.5", "20.3", "30.1")
)

# Before Conversion
str(df)
# 'data.frame':	3 obs. of  2 variables:
#  $ id   : chr  "1" "2" "3"
#  $ value: chr  "10.5" "20.3" "30.1"

# After conversion
df$id <- as.numeric(df$id)
df$value <- as.numeric(df$value)
str(df)
#  $ id   : num  1 2 3
#  $ value: num  10.5 20.3 30.1

7. القيم الخاصة: NA / NaN / Inf / NULL

يحتوي لغة R على أربع قيم خاصة ذات معانٍ مختلفة تمامًا — وهذا يمثل أكبر عقبة أمام المبتدئين.

(1) العلاقة بين القيم الأربع الخاصة

graph TB
    A["Missing values/Null value"]
    A --> B[NA<br/>Missing values Not Available<br/>Missing Data,Not assigned,Conversion Failed]
    A --> C[NaN<br/>Non-numeric Not a Number<br/>Not defined mathematically]
    A --> D[Inf<br/>Infinity Infinity<br/>1/0,exp 1000]
    A --> E[NULL<br/>Empty object<br/>Undefined,Functions with no return value]
    
    B --> F[Includes NaN]
    
    style A fill:#fff3cd
    style B fill:#d4edda
    style C fill:#f8d7da
    style D fill:#cce5ff
    style E fill:#e1d4ff

graph TB
    A["Missing values/Null value"]
    A --> B[NA<br/>Missing values Not Available<br/>Missing Data,Not assigned,Conversion Failed]
    A --> C[NaN<br/>Non-numeric Not a Number<br/>Not defined mathematically]
    A --> D[Inf<br/>Infinity Infinity<br/>1/0,exp 1000]
    A --> E[NULL<br/>Empty object<br/>Undefined,Functions with no return value]
    
    B --> F[Includes NaN]
    
    style A fill:#fff3cd
    style B fill:#d4edda
    style C fill:#f8d7da
    style D fill:#cce5ff
    style E fill:#e1d4ff

(2) جدول مقارنة بين أربع قيم خاصة

(3) غير متوفر: النوع الأكثر شيوعًا من «البيانات المفقودة»

# NA Participating in calculations is contagious(NA It won't disappear)
x <- c(1, 2, NA, 4)
sum(x)
# [1] NA  <- The entire result turned out NA

# Must use na.rm = TRUE Skip NA
sum(x, na.rm = TRUE)
# [1] 7

# Inspection NA Location
is.na(x)
# [1] FALSE FALSE  TRUE FALSE

(4) NaN: «غير مُعرَّف» في الرياضيات

# 0 Divide by 0
0 / 0
# [1] NaN

# Taking the square root of a negative number
sqrt(-1)
# Warning: NaNs produced
# [1] NaN

# NaN It is special. NA(NA a subset of)
is.na(NaN)
# [1] TRUE  ← NaN Me too NA

(5) معلومة: «اللانهاية» في الرياضيات

# 1 Divide by 0
1 / 0
# [1] Inf

# A negative number divided by 0
-1 / 0
# [1] -Inf

# Inspection Inf
is.infinite(c(1, Inf, -Inf, 2))
# [1] FALSE  TRUE  TRUE FALSE

(6) NULL: كائن فارغ (أو كائن غير موجود أصلاً)

# NULL Doesn't take up memory
x <- NULL
length(x)
# [1] 0

# NA occupies 1 position, NULL disappears entirely
length(c(1, 2, NA, 4))    # [1] 4
length(c(1, 2, NULL, 4))  # [1] 3  ← NULL Swallowed whole

# Default return value for functions with no return value NULL
my_void_func <- function() { }
result <- my_void_func()
is.null(result)
# [1] TRUE

7. مثال كامل: تدريب شامل على تحويل الأنواع

فيما يلي مثال على مسار عمل كامل يربط بين جميع المفاهيم التي تم تناولها في هذا الدرس.

▶ مثال: تنقية البيانات المدخلة من قبل المستخدم

# ============================================
# Cleaning User-Input Data
# Features:Convert a character vector to a number,Processing NA
# ============================================

# 1. Simulate from CSV Read"Dirty Data"(All of them character)
raw_data <- c("1", "2.5", "3.14", "abc", "5", "", "7.8")
cat("Raw Data:\n")
print(raw_data)
cat("Primitive Types:", typeof(raw_data), "\n\n")

# 2. Convert to a number ("abc" and "" will become NA)
nums <- as.numeric(raw_data)
cat("After conversion:\n")
print(nums)

# 3. See which ones are NA
na_positions <- is.na(nums)
cat("\nNA Location:")
print(na_positions)

# 4. Statistics NA Quantity
na_count <- sum(na_positions)
cat("\nNA Quantity:", na_count, "\n")

# 5. Keep only non- NA the number
clean_nums <- nums[!na_positions]
cat("\nData After Cleaning:")
print(clean_nums)

# 6. Statistical Indicators
cat("\n=== Statistical Indicators ===\n")
cat("Total Number of Elements:", length(raw_data), "\n")
cat("Valid Data:", length(clean_nums), "\n")
cat("Invalid data:", na_count, "\n")
cat("Total:", sum(clean_nums), "\n")
cat("Average:", round(mean(clean_nums), 2), "\n")
cat("Maximum value:", max(clean_nums), "\n")
cat("Minimum value:", min(clean_nums), "\n")

الناتج المتوقع (مقتطف):

Raw Data:
[1] "1" "2.5" "3.14" "abc" "5" "" "7.8"
Primitive Types: character

After conversion:
[1] 1.00 2.50 3.14   NA 5.00   NA 7.80

NA Location:
[1] FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE

NA Quantity: 2

Data After Cleaning:
[1] 1.00 2.50 3.14 5.00 7.80

=== Statistical Indicators ===
Total Number of Elements: 7
Valid Data: 5
Invalid data: 2
Total: 19.44
Average: 3.89
Maximum value: 7.8
Minimum value: 1

(1) الإجراء

❓ أسئلة شائعة

📖 ملخص

• أنواع البيانات الأساسية الستة في لغة R: رقمي (الافتراضي)، صحيح (يُضاف إليه اللاحقة L)، حرفي (سلسلة)، منطقي (بولياني)، مركب (الأعداد المركبة)، خام (بايت)
• typeof() يتناول أنواع البيانات في لغة C على المستوى الأساسي (6 أنواع أساسية)؛ class() يتناول أنواع البيانات المتعلقة بالأعمال (data.frame، Date، factor) — سيجد المبتدئون أن class() أكثر سهولة في الفهم
• عائلة الدوال is.* تتحقق من النوع (تُرجع TRUE/FALSE)، وعائلة الدوال as.* تُجري تحويلًا للنوع (تُرجع NA وتصدر تحذيرًا في حالة فشل التحويل)
• as.numeric() تتطابق مع كل من الأعداد الصحيحة والأعداد المزدوجة؛ وتميّز بينهما بشكل دقيق باستخدام as.integer()
• للقيم الأربع الخاصة معانٍ مختلفة: NA (قيمة مفقودة — معدية)، NaN (ليس رقمًا)، Inf (اللانهاية)، وNULL (كائن فارغ — غير موجود)
• الطرق القياسية للتعامل مع القيم غير المتوفرة (NA): sum(x, na.rm = TRUE) تخطي القيم غير المتوفرة؛ !is.na(x) استبعاد القيم غير المتوفرة

📝 تمارين

1. تمرين أساسي: حدد 6 متغيرات تمثل أنواع البيانات الأساسية الستة (الرقمي، الصحيح، الحرفي، المنطقي، المركب، الخام). استخدم الأمر typeof() للتحقق من نوع كل متغير، واحفظ لقطات شاشة لنتائج الأوامر الستة typeof().

2. المشكلة الأساسية: استخدم as.numeric() لتحويل المتجه الحرفي c("1", "2.5", "3.14", "abc", "5") إلى أرقام، وسجل رسائل التحذير ونتائج التحويل، واستخدم is.na() لتحديد العناصر التي أصبحت قيمتها NA. التقط لقطة شاشة لمخرجات وحدة التحكم واحفظها.

3. تمرين أساسي: في وحدة التحكم في RStudio، احسب قيم 0/0 و1/0 و-1/0 وsqrt(-1)، وسجل كل نتيجة، ثم استخدم is.na() وis.nan() وis.infinite() للتحقق من القيمة الخاصة التي تنتمي إليها كل قيمة.

4. مشكلة متقدمة: عرّف متجهًا باسم scores <- c(85, 92, NA, 78, NA, 95, 88). المتطلبات: ① احسب المجموع الكلي للدرجات (باستثناء القيم NA)؛ ② احسب متوسط الدرجات (باستثناء القيم NA، مع تقريب النتيجة إلى رقمين عشريين)؛ ③ استخدم !is.na() لتصفية العناصر التي ليست NA؛ ④ احسب عدد قيم NA. احفظ لقطة شاشة لنتائج كل خطوة.

5. التحدي: اكتب برنامجًا نصيًّا بلغة R لمحاكاة «عدم تطابق الأنواع بعد قراءة ملف CSV»: ① قم يدويًّا بإنشاء إطار بيانات (data.frame) تكون جميع أعمدةه من النوع character؛ ② استخدم as.numeric() لتحويل أحد الأعمدة دفعة واحدة إلى نوع رقمي؛ ③ استخدم sum(is.na(df$col)) لحساب عدد العناصر التي فشل تحويلها؛ ④ استخدم paste() لإنشاء رسالة تحذير وعرضها. بعد تشغيل البرنامج النصي، التقط لقطة شاشة واحفظ مخرجات وحدة التحكم بالكامل.

فريق Web-Tutorial التقني

منصة دروس برمجية يديرها عدة مطورين. كل درس يتم كتابته ومراجعته بواسطة مطورين متخصصين في المجال. نعمل على ضمان دقة وموثوقية المحتوى — إذا لاحظت أي مشكلة، فيرجى إخبارنا.

من نحن