R語言基礎概要

基于學習總結(jié)和網(wǎng)上收集!匯總供以后查看學習郎任!

運算符

數(shù)學運算:

+秧耗,-,*舶治,/分井,^,%%霉猛。(加尺锚,減,乘惜浅,除嚣鄙,乘方哆致,求余。)

比較運算:

>,<榨惠,>=兜蠕,<=注整,==串前,!=。
(大于轩猩,小于卷扮,大于等于,小于等于界轩,等于画饥,不等于。)

邏輯運算:

&浊猾,|抖甘,!。(與葫慎,或衔彻,非。)

初始基本操作

獲取工作目錄偷办。


> getwd()

設定工作目錄

setwd("")

尋求幫助

help(com)
?com
??con

查看實例

example(com)

查看變量格式

args()

列出已安裝的包

library()

載入包

library(AER) 
require(AER)

獲取包的信息

library(help = ggplot2)

去除載入的包ggplot2

detach(package:ggplot2)

列出已載入的包

search()

列出已載入的包中的所有數(shù)據(jù)集

data()

列出已安裝的包中的所有數(shù)據(jù)集

data(package = .packages(all.available = TRUE))

列出包ggplot2里的所有數(shù)據(jù)集

try(data(package = "ggplot2") )

獲取數(shù)據(jù)集的信息

 help(iris)

貼上數(shù)據(jù)集iris艰额,其作用是可以直接對數(shù)據(jù)集里的變量進行操作。

attach(Affairs)

上述操作的逆操作

detach(Affairs)

一般的操作

列出所有對象

objects()
ls()

查看對象x的模式:空椒涯,數(shù)值柄沮,字符,邏輯,復數(shù)祖搓,列表狱意,函數(shù)

(NULL,numeric拯欧,character详囤,logical,complex镐作,list藏姐,function)。

mode(x)

查看對象x的類型:除了mode里列出的幾種類型外该贾,還有整數(shù)羔杨,矩陣,因子靶庙,陣列问畅,數(shù)據(jù)框娃属,時間序列(integer六荒,matrix,factor矾端,array掏击,data frame,ts)等其他類型秩铆。mode主要用于區(qū)別數(shù)據(jù)存放的方式砚亭,而class是一種更細微的分類方式,比如矩陣殴玛,就是一種更“有序”的數(shù)據(jù)存放方式捅膘。此命令比mode常用。

 class(x)

把對象x轉(zhuǎn)為矩陣型

as.matrix(x)

把對象x轉(zhuǎn)為數(shù)值型

as.numeric(x)

查看對象x的結(jié)構滚粟,str是structure的縮寫

 str(x)

移除對象x

 rm(x)

移除所有對象

rm(list=ls(all=TRUE))
rm(list=ls())

與向量有關的操作

生成向量

x = c(1,2,4)

#生成元素依次為"a","b","cd"的字符向量x

 x = c("a","b","cd")

生成"a b cd"的字符x

 x = paste("a","b","cd")

向量x的第a到b個元素

x[a:b]

剔除向量x第i個元素所得的向量

x[-i]

向量x的長度

length(x)

生成以一個n維數(shù)值型向量x寻仗,第一個元素為a,最后一個元素為b凡壤,中間元素依次等距遞增署尤。(假設a<b)

x = seq(a, b, length = n)

生成一個數(shù)值型向量x,第一個元素為a亚侠,其后元素依次加c曹体,直到最后一個元素加c大于b。(假設a<b)

x = seq(a, b, c)

從1開始生成一個遞增或遞減數(shù)值型向量x硝烂,最后一個元素絕對值為小于等于|a|的最大整數(shù)箕别。

x = seq(a)

生成一個從a遞增(減)到b的數(shù)值型向量x。(a和b都是整數(shù))

x = a:b

對向量v進行n次復制生成新的向量x

x = rep(v, n)

依次對向量v的每個元素復制n此生成新的向量x

x = rep(v, each = n)

生成一個向量x,其中每個元素是v對應元素的最近整數(shù)

x = round(v)

排序

order(x)

獲得向量x每個元素大小位置

rank(x)

對向量x從小到大進行排序串稀。降序:sort(x, decreasing = TRUE)啥酱。

sort(x)

根據(jù)因子f對向量x分類執(zhí)行函數(shù)g

 tapply(x,f,g)

向量x按因子f分類

split(x,f)

返回向量x的差分向量

 diff(x)

返回向量x的累加向量

 cumsum(x)

與矩陣有關的基本操作

生成m行n列的0矩陣

 M = matrix(0,c(m,n))

按行合并矩陣X和Y形成新矩陣M。(X和Y列數(shù)需相同)

> M = rbind(X,Y)

按列合并矩陣X和Y形成新矩陣M厨诸。(X和Y行數(shù)需相同)

> M = cbind(X,Y)

矩陣M的列名

> colnames(M)

矩陣M的行名

> rownames(M)

矩陣M的行數(shù)

> nrow(M)

矩陣M的列數(shù)

> ncol(M)

矩陣M的對角線元素形成的向量

> diag(M)

生成以向量x為對角線元素镶殷,其他位置元素為0的矩陣M

> M = diag(x)

矩陣M的維度

> dim(M)

矩陣M第i行。(數(shù)值型)

> M[i,]

矩陣M第i行微酬。(矩陣型)

> M[i,,drop = FALSE]

刪除第i行

> M = M[-i,]

矩陣M第j列

> M[,j]

矩陣M第i行j列元素

> M[i,j]

矩陣M的轉(zhuǎn)置绘趋。若M為數(shù)值型向量,則t(M)為矩陣型行向量

> t(M)

矩陣X乘矩陣Y颗管。若Y是數(shù)值型的向量陷遮,R會自動判斷其為行向量還是列向量。若X與Y為維度匹配的數(shù)值型向量垦江,則返回的是矩陣型向量的內(nèi)積

> X%*%Y

數(shù)值型向量x與y的外積(矩陣型)

> x%o%y

矩陣X與矩陣Y的Hadamard乘積帽馋。加、減比吭、除绽族、求余的規(guī)則和乘相同,即相同位置的元素進行運算

> X*Y

求矩陣M的特征值和特征向量

> eigen(M)$val
> eigen(M)$vec

矩陣M求逆

> solve(M)

求解線性方程Ax=b

> solve(A,b)

對矩陣M的行(dimcode=1)或列(dimcode=2)依次進行函數(shù)f操作衩藤,f的變量(arguments)方正fargs里

> apply(M, dimcode, f, fargs)

與列表有關的基本操作

建立列表L

> L = list(a = , b = , c = ,...)

返回列表L里的對象a

> L$a
> L[[a]]

去除列表L里的對象a

> L$a = NULL

列出列表L里的對象名

> names(L)

去掉列表L里的對象名

> unname(L)

list apply吧慢。功能與apply類似(參考上面的apply),用于列表型數(shù)據(jù)

> lapply(...)

simplified apply赏表。功能與lapply類似检诗,區(qū)別在于函數(shù)結(jié)果的類型不是列表(list)

> sapply(...)

與數(shù)據(jù)框有關的基本操作

數(shù)據(jù)框是一種特殊的列表,所以對列表適用的函數(shù)往往對數(shù)據(jù)框也適用瓢剿。此外逢慌,數(shù)據(jù)框也有矩陣型數(shù)據(jù)的特征,所以一些適用于矩陣型數(shù)據(jù)的函數(shù)间狂,不如rbind攻泼,cbind,apply等也可以作用在數(shù)據(jù)框上前标。

創(chuàng)建數(shù)據(jù)框Data

> Data = data.frame(...)

編輯數(shù)據(jù)框Data

> fix(Data)

顯示數(shù)據(jù)框Data的前幾行

> head(Data)

列出數(shù)據(jù)框Data的組成部分

> attribute(Data)

顯示數(shù)據(jù)框Data的變量名

> names(Data)

顯示數(shù)據(jù)框Data的行名

> row.names(Data)

數(shù)據(jù)框Data中名為name1的變量

> Data$name1

數(shù)據(jù)框Data中第i個變量形成的數(shù)據(jù)框

> Data[i]

合并數(shù)據(jù)框D1和D2坠韩,需要D1和D2中有至少一個相同的變量

> merge(D1,D2)

與邏輯型數(shù)據(jù)有關的基本操作

判斷是否對象x是數(shù)據(jù)框

> is.data.frame(x)

判斷是否對象x的每個元素都大于a

> all(x>a)

判斷對象x的元素中是否存在一個大于a

> any(x>a)

判斷x的每個元素是否大于y的每個元素

> x>y

向量x中大于a的元素組成的新向量

> x[x>a]

向量x中大于a的元素組成的新向量。與上面例子的區(qū)別在于若向量元素里有NA炼列,上面的例子會保留在結(jié)果中只搁,而subset命令會剔除掉

> subset(x, x>a)

返回向量中大于a的元素的位置

> which(x, x>a)

生成一個與b(邏輯向量)維度相同的數(shù)值向量,若b[i]為TRUE俭尖,則x[i]為u氢惋,反之為v

x = ifelse(b, u, v)

最后編輯于
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末洞翩,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子焰望,更是在濱河造成了極大的恐慌骚亿,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,590評論 6 517
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件熊赖,死亡現(xiàn)場離奇詭異来屠,居然都是意外死亡,警方通過查閱死者的電腦和手機震鹉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,157評論 3 399
  • 文/潘曉璐 我一進店門俱笛,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人传趾,你說我怎么就攤上這事迎膜。” “怎么了浆兰?”我有些...
    開封第一講書人閱讀 169,301評論 0 362
  • 文/不壞的土叔 我叫張陵磕仅,是天一觀的道長。 經(jīng)常有香客問我簸呈,道長榕订,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,078評論 1 300
  • 正文 為了忘掉前任蝶棋,我火速辦了婚禮卸亮,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘玩裙。我一直安慰自己,他們只是感情好段直,可當我...
    茶點故事閱讀 69,082評論 6 398
  • 文/花漫 我一把揭開白布吃溅。 她就那樣靜靜地躺著,像睡著了一般鸯檬。 火紅的嫁衣襯著肌膚如雪决侈。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,682評論 1 312
  • 那天喧务,我揣著相機與錄音赖歌,去河邊找鬼。 笑死功茴,一個胖子當著我的面吹牛庐冯,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播坎穿,決...
    沈念sama閱讀 41,155評論 3 422
  • 文/蒼蘭香墨 我猛地睜開眼展父,長吁一口氣:“原來是場噩夢啊……” “哼返劲!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起栖茉,我...
    開封第一講書人閱讀 40,098評論 0 277
  • 序言:老撾萬榮一對情侶失蹤篮绿,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后吕漂,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體亲配,經(jīng)...
    沈念sama閱讀 46,638評論 1 319
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,701評論 3 342
  • 正文 我和宋清朗相戀三年惶凝,在試婚紗的時候發(fā)現(xiàn)自己被綠了弃榨。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,852評論 1 353
  • 序言:一個原本活蹦亂跳的男人離奇死亡梨睁,死狀恐怖鲸睛,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情坡贺,我是刑警寧澤官辈,帶...
    沈念sama閱讀 36,520評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站遍坟,受9級特大地震影響拳亿,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜愿伴,卻給世界環(huán)境...
    茶點故事閱讀 42,181評論 3 335
  • 文/蒙蒙 一肺魁、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧隔节,春花似錦鹅经、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,674評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至幻妓,卻和暖如春蹦误,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背肉津。 一陣腳步聲響...
    開封第一講書人閱讀 33,788評論 1 274
  • 我被黑心中介騙來泰國打工强胰, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人妹沙。 一個月前我還...
    沈念sama閱讀 49,279評論 3 379
  • 正文 我出身青樓偶洋,卻偏偏與公主長得像,于是被迫代替她去往敵國和親初烘。 傳聞我的和親對象是個殘疾皇子涡真,可洞房花燭夜當晚...
    茶點故事閱讀 45,851評論 2 361

推薦閱讀更多精彩內(nèi)容