numeric()与as.numeric()的区别，numeric(5)含义及与Python列表的对比

两者核心作用完全不同：

• numeric(n)：用于创建数值型向量，参数n指定向量的长度，创建出的向量每个元素默认值为0；如果不带参数numeric()，会生成一个长度为0的空数值向量。
• as.numeric(x)：用于转换已有对象的类型为数值型，它会尝试把输入的x（比如字符、因子、逻辑值等）转换成数值格式。

举几个实际例子：

# 创建长度为3的数值向量
create_vec <- numeric(3)
create_vec  # 输出: [1] 0 0 0

# 把字符向量转成数值向量
char_vec <- c("5", "10", "15")
convert_vec <- as.numeric(char_vec)
convert_vec  # 输出: [1]  5 10 15

# 注意：转换因子时取的是水平索引，不是标签内容
factor_vec <- factor(c("1", "2", "3"))
as.numeric(factor_vec)  # 输出: [1] 1 2 3

1. numeric(5)的含义 #

括号里的5是指定要创建的数值向量的长度——也就是这个向量初始化后有5个元素位置，每个位置默认值为0。你写的循环里，直接给Storage[i]赋值时，因为向量已经有了对应位置，不需要动态扩展，运行效率更高。

2. 为什么不能直接用numeric()？ #

直接用numeric()会生成长度为0的空数值向量，虽然循环里赋值时R会自动扩展向量长度，最终结果也是对的，但每次赋值都要重新分配内存、拷贝数据，数据量越大，效率越低。比如：

Storage <- numeric()
for(i in 1:5){
  Storage[i] <- i^2
}
Storage  # 结果还是 [1]  1  4  9 16 25，但过程更耗资源

3. 和Python的storage = []等价吗？ #

不完全等价：

• Python的空列表[]可以存储任意类型的元素（比如同时存数值、字符串、列表），而R的numeric()生成的是纯数值型的空向量，只能存储数值。
• 如果是Python里用storage = []然后append数值的场景，对应的R写法更接近用c()动态拼接：

  Storage <- c()
  for(i in 1:5){
    Storage <- c(Storage, i^2)
  }
  

  但和预先用numeric(5)分配空间比，这种动态拼接同样存在效率问题。

内容的提问来源于stack exchange，提问作者user19562955