将原始观测值转化为结构化的 R 对象 是进行概率分析所必需的技术流程。在建模分布之前，我们必须掌握 数据摄入 以及列表、矩阵和数据框之间的结构细微差别。

1. 结构化摄入

通过 scan() 通常需要一个 虚拟列表结构 来定义变量类型（例如， list(id="", x=0)）。这可以确保来自如 input.dat 等文件的外部数据被解析为可管理的组件，而不是扁平向量。

2. 维度组织

虽然 matrix 用于同质数值集合（使用 byrow=TRUE），而 data.frame() 则是统计建模的决定性桥梁，允许异构数据类型共存。

3. 变量可访问性

为了进行推断而访问数据，涉及通过索引方式 inp[[1]] 或命名列如 inp$id。像 attach() 这样的函数允许在 整个对象 （如 eruptions）中的变量可以直接访问，而无需重复索引。