Direkt zum Inhalt

R c Funktion(): Vektoren auf einfache Weise erstellen

Lerne, wie du die Funktion c() in R verwendest, um Werte effizient zu Vektoren zu kombinieren.
Aktualisierte 1. Juli 2025  · 2 Min. Lesezeit

Die Funktion c() in R ist der einfachste Weg, um Vektoren zu erstellen und zu kombinieren. Das ist ein zentraler Bestandteil der Datenverarbeitung in R, den jeder R-Nutzer kennen sollte.

Wenn du gerade erst mit R anfängst, solltest du unbedingt unseren Kurs Einführung in die R-Programmierung besuchen, um alle Grundlagen zu lernen, einschließlich Vektoren, Listen, Datenrahmen und mehr. Ich habe auch einen Artikel darüber geschrieben, wie man R lernt, wenn du einen Lernplan erstellen willst.

(Und wenn du neugierig bist, wie man Vektoren auf die harte Tour erstellt , habe ich am Ende eine FAQ erstellt.)

Was ist die Funktion c() in R?

In der Dokumentation der R c()-Funktion steht, dass c() Werte zu einem Vektor zusammenfasst (daher kann man wohl davon ausgehen, dass das "c" für "combine" steht). Wenn du dir nicht sicher bist, was das bedeutet, zeige ich dir in den folgenden Beispielen, wie das geht.  

Bevor wir weitermachen, sollte ich noch sagen, dass die Funktion c() eine beliebige Anzahl von Argumenten annimmt und einen Vektor mit allen Werten zurückgibt. Außerdem werden die Werte automatisch in einen gemeinsamen Datentyp umgewandelt (in den flexibelsten Datentyp), wenn die Datentypen unterschiedlich sind, was in diesem Fall notwendig wäre.

c() zum Kombinieren von Werten verwenden

Unser erstes Beispiel: Du kannst c() verwenden, um Vektoren zu erstellen, indem du einzelne Werte oder Variablen kombinierst. Anhand dieser Beispiele kannst du sehen, dass c() für verschiedene Datentypen funktioniert, z. B. für numerische, zeichenartige und logische.

numeric_vector <- c(10, 20, 30, 40) 
character_vector <- c("apple", "banana", "cherry") 
logical_vector <- c(TRUE, FALSE, TRUE)

Vorhandene Vektoren mit c() kombinieren

Du kannst auch bestehende Vektoren mit c() kombinieren. Dies ist hilfreich, wenn du mehrere Datenquellen oder Ergebnisse zusammenführen möchtest.

first_half <- c(1, 2, 3)
second_half <- c(4, 5, 6)
full_vector <- c(first_half, second_half)

c() mit benannten Elementen verwenden

Du kannst den Elementen innerhalb eines Vektors mit c() Namen zuweisen. Dies ist nützlich für die Kennzeichnung von Daten.

fruit_counts <- c(apple = 5, banana = 3, cherry = 7)

c() mit verschiedenen Datentypen

Wenn du verschiedene Datentypen kombinierst, konvertiert c() alle Elemente in den flexibelsten Typ. Wenn du zum Beispiel Zahlen und Zeichen kombinierst, entsteht ein Zeichenvektor. Das liegt daran, dass "zwei" nicht als numerischer Typ gelesen werden kann, aber "1" könnte ein Zeichen sein.

mixed_vector <- c(1, "two", 3)

Unser Ergebnis wird ein Zeichenvektor sein: "1", "2", "3".

Erstellen eines Datenrahmens mit c()

Du kannst c() verwenden, um Vektoren zu erstellen, die als Spalten in einem Datenrahmen dienen. Dazu benutze ich auch die Funktion data.frame(), um die Vektoren zusammenzufügen.

customer_names <- c("Alice", "Bob", "Charlie")
purchase_totals <- c(120.50, 75.00, 99.99)
customer_data <- data.frame(name = customer_names, total = purchase_totals)

Fazit

Wie du gesehen hast, ist die Funktion c() ein wesentlicher Bestandteil der R-Programmierung. Ich habe in den Beispielen gezeigt, wie du Vektoren sowohl erstellen als auch kombinieren kannst.

Unser Kurs "Einführung in die R-Programmierung " bietet dir einen strukturierten Lernpfad, mit dem du beginnen und deine Fähigkeiten weiter ausbauen kannst.


Josef Waples's photo
Author
Josef Waples

Letzte Frage

Du hast gesagt, dass c() der einfache Weg ist, um Vektoren zu erstellen. Was ist der harte Weg?

c() ist zwar die bequemste und einsteigerfreundlichste Methode, aber es gibt auch komplexere Möglichkeiten, Vektoren in R zu erstellen. Hier sind einige davon:

Manuelle Initialisierung mit vector() und Indizierung 

Du kannst einen leeren Vektor eines bestimmten Typs und einer bestimmten Länge erstellen und ihn dann ein Element nach dem anderen füllen:

x <- vector("numeric", 3) x[1] <- 1 x[2] <- 2 x[3] <- 3

Das funktioniert, ist aber ausführlicher und für Anfänger weniger intuitiv.

Wiederholte Verwendung von append() 

Du könntest mit einem leeren Vektor beginnen und immer wieder Werte anhängen:

x <- c() x <- append(x, 1) x <- append(x, 2) x <- append(x, 3)

Das ist ineffizient und schwieriger zu lesen.

Andere Funktionen wie seq() oder rep() verwenden

Diese Funktionen erzeugen bestimmte Muster und sind mächtig - aber zu viel für einfache Vektoren:

x <- seq(1, 3) y <- rep(1:3, times = 1)

 Abflachung anderer Strukturen 

Du könntest Elemente aus einer Liste extrahieren und sie in einen Vektor umwandeln:

my_list <- list(1, 2, 3) x <- unlist(my_list)
Themen

R lernen mit DataCamp

Kurs

Einführung in R

4 Std.
3M
Beherrsche die Grundlagen der Datenanalyse in R, einschließlich Vektoren, Listen und Datenrahmen, und übe R mit echten Datensätzen.
Siehe DetailsRight Arrow
Kurs starten
Mehr anzeigenRight Arrow
Verwandt

Der Blog

Arten von KI-Agenten: Ihre Rollen, Strukturen und Anwendungen verstehen

Lerne die wichtigsten Arten von KI-Agenten kennen, wie sie mit ihrer Umgebung interagieren und wie sie in verschiedenen Branchen eingesetzt werden. Verstehe einfache reflexive, modellbasierte, zielbasierte, nutzenbasierte, lernende Agenten und mehr.
Vinod Chugani's photo

Vinod Chugani

14 Min.

Der Blog

Lehrer/innen und Schüler/innen erhalten das Premium DataCamp kostenlos für ihre gesamte akademische Laufbahn

Keine Hacks, keine Tricks. Schüler/innen und Lehrer/innen, lest weiter, um zu erfahren, wie ihr die Datenerziehung, die euch zusteht, kostenlos bekommen könnt.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

4 Min.

Der Blog

2022-2023 DataCamp Classrooms Jahresbericht

Zu Beginn des neuen Schuljahres ist DataCamp Classrooms motivierter denn je, das Lernen mit Daten zu demokratisieren. In den letzten 12 Monaten sind über 7.650 neue Klassenzimmer hinzugekommen.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

8 Min.

Der Blog

Q2 2023 DataCamp Donates Digest

DataCamp Donates hat im zweiten Quartal 2023 über 20.000 Stipendien an unsere gemeinnützigen Partner vergeben. Erfahre, wie fleißige benachteiligte Lernende diese Chancen in lebensverändernde berufliche Erfolge verwandelt haben.
Nathaniel Taylor-Leach's photo

Nathaniel Taylor-Leach

Der Blog

Top 30 Generative KI Interview Fragen und Antworten für 2024

Dieser Blog bietet eine umfassende Sammlung von Fragen und Antworten zu generativen KI-Interviews, die von grundlegenden Konzepten bis hin zu fortgeschrittenen Themen reichen.
Hesam Sheikh Hassani's photo

Hesam Sheikh Hassani

15 Min.

Der Blog

Die 20 besten Snowflake-Interview-Fragen für alle Niveaus

Bist du gerade auf der Suche nach einem Job, der Snowflake nutzt? Bereite dich mit diesen 20 besten Snowflake-Interview-Fragen vor, damit du den Job bekommst!
Nisha Arya Ahmed's photo

Nisha Arya Ahmed

15 Min.

Mehr anzeigenMehr anzeigen