R 语言-基础

R语言 1997年成为GNU项目开源免费

R官方网址 www.r-project.org

R是数据分析领域的语言
小巧灵活，通过扩展包来增强功能
绘图功能
代码简单

开发环境
R + RStudio

1、数据类型
character 字符
numeric 数值型，实数或小数
integer 整型
complex 复数型
logical 逻辑型类似于boollean

2、数据结构
Vector 向量
Factor 因子
Array 数组
Matrix 矩阵
Data Frame 数据框
List 列表

一维：向量、因子向量属于数值型变量，因子对应于分类变量
二维：矩阵、数据框矩阵中元素的数据类型是一致的，数据框由向量组成，每个向量中的数据类型保持一致，向量间的数据类型可以不一致，类似于表结构。
三维：数组、列表数组用的比较少，多维数据结构；列表可以包含上面所有的数据结构

3、向量
向量表示一组数据，数据类型一致，向量可以表示行或者列
c() 如:
: 如: 1:10
seq(from(开始), to(到), by(步长), length.out(指定向量的元素个数), along.with(长度与指定的向量长度相同))

提取子集：
数字下标(正数:获取指定元素，从1开始，负数:排除的意思)
which()函数(按条件来进行筛选)

#向量

(x1<- c(,,,))

(x2<- :)

x3<- seq(,,) #from 1 to 5 by 1

x4<- seq(,by=,length.out=) #向量中元素个数为8

x5<- seq(,by=, along.with = x4) # along.with向量个数与x4一致

x5[:]

x5[c(,,,,)]

x5[-:-]   #不要下标为1-5的元素

which(x5>) #大于5的向量下标

x5[which(x5>)] #大于5的向量值

4、因子
因子用于分类变量，有类别
factor()
gl()

#因子

f<-c('a','a','b','o','ab','ab')

f<-factor(c('a','a','b','o','ab','ab')) #创建因子，level默认按字母排序

unclass(f) #查看因子

f<-factor(c('a','a','b','o','ab','ab'),levels = c('a','b','o','ab')) #指定因子对应的level

unclass(f) #

f1<- gl(,,labels = c('blue','red','green','yellow')) #4个级别，每个级别重复3次，labels的内容

f1

unclass(f1)

5、矩阵
行和列

生成矩阵
matrix()
由向量派生
由向量组合生成

操作
访问元素
行列命名

矩阵运算
矩阵加法
1.矩阵+n 各个元素加n
2.矩阵+矩阵对应元素相加

矩阵乘法
1.矩阵*n 各个元素乘n
2.矩阵*矩阵行列相乘(矩阵1 m行*n列矩阵2 p*q 要求n==p 结果矩阵为 m*q)
3.矩阵元素*矩阵元素对应元素相乘

单位矩阵
元素都为1 n*n方阵

对角矩阵
对角元素为1 其余的为0 n*n方阵

矩阵转置
n*m m*n

#矩阵

#创建矩阵：

#方法一：使用matric(nrow=?,ncol=?)

x<-matrix(nrow=,ncol=) #nrow 指定行， ncol指定列

x

x<-matrix(:,nrow = ,ncol = ) # 3行，6列，元素值由1:18填充，默认一列一列顺序填充

x

x<-matrix(:,nrow = , ncol = , byrow = T) # 3行，6列，元素值由1:18填充，指定行顺序填充

x

#方法二： dim(a) 通过dim 传递向量

a<-:

dim(a)<-c(,) #3行6列，行顺序填充

x

#方法三： rbind或cbind进行拼接

x<-:

y<-:

z<-:

m1 = rbind(x,y,z) #以行为单位进行拼接

m2 = cbind(x,y,z) #以列为单位进行拼接

m1

m2

#获取矩阵元素

x<-matrix(:,nrow = ,ncol = ,byrow = T)

x

x[,] #第1行第2列

x[,] #第1行

x[,] #第2列

x[,c(,,)] #第2 3 4列

x[c(,),] #第1 2行

x[c(,),:] #第1 2行 第2 3 4列

#行列命名

colnames(x)<-c('C1','C2','C3','C4','C5','C6') #列的名字

rownames(x)<-c('R1','R2','R3')  #行的名字

x['R1','C1']

x[c('R1','R2'),c('C1','C2')]

#矩阵运算

m1<-matrix(:,nrow = ,ncol = , byrow = T)

m2<-matrix(:,nrow = , ncol = , byrow = T)

m1

m2

#矩阵加法

m1+   #矩阵+n

m1+m2   #矩阵+矩阵

#矩阵乘法

m1*  #矩阵*n

m1*m2  #矩阵对应元素相乘

m1 %*% t(m2)  #矩阵*矩阵 矩阵乘法 行列相乘

#对角矩阵

diag()  #4*4矩阵 对角元素都为1

diag(c(,,,))  #4*4矩阵，对角元素为1,2,3,6

x<-matrix(:,,)

diag(x) #显示矩阵x的对角元素值

#解方程组

m<-diag()

m

b<-:

solve(m,b) #m %*% x=b 求x

6、数据框
记录与域

#数据框

#创建数据框

a<-data.frame(fx = rnorm(,,),

              fy = runif(,,),

              fmonth = : ) 

a[,]

a[,]

a[,]

a$fx  #通过$fx取列信息

a[[]]#通过[[]]获取列信息

search()  #查询

attach(a)  #attach 数据到 search路径

fx         #直接使用

detach(a)  #detach 数据

search()  #查询

a<-with(a, fx)                #访问数据框成员

#新增修改列

a<-within(a,{fx=:          #通过within来进行修改,和新增列

             fz=:})

#新增列

a$fz = :

a$fz = a$fx+a$fy

#列存在则修改

a$fx = :

#查询数据集

b = subset(a,fx>&fmonth==,select=c(fx,fmonth))  #select 列过滤，fx>1&fmonth==8 行过滤

b=edit(a)  #修改后的数据集赋值给另一个数据集

b

fix(a)     #直接修改数据集内容

a

7、列表
成分

创建列表
list()

操作
列表成分
[[]]
$

#列表

#创建列表

a<-list(x=:,y=matrix(:,,),z=data.frame())

names(a) <- c('c1','c2','c3') #修改成分名称

c

c=a['y']  #在列表中通过[]取出的对象类型还是列表

c[,]

class(c)  #查看类型为list

c=a[['y']] #在列表中通过[[]]取出的对象类型为实际对象类型矩阵

c[,]

class(c)  #查看类型为matrix

a$y[,]  #获取矩阵的元素

8、数组
array

#数组

(a=array(:,c(,,)))  #数组三维

a[,,]

9、数据类型转换

检查数据类型 is.开头
is.character
转换数据类型 as.开头
as.character

x=c(:,'hello',T)

x

mode(x)      #查看数据类型

class(x)     #查看数据结构

is.vector(x)

y<-matrix(:,c(,))

mode(y)      #数据类型是numeric

class(y)     #数据结构是matrix

y<-as.data.frame(y) #数据类型转换matrix->dataframe

y

10、分之结构
if...else...结构
if(condition){...}
else{...}

ifelse函数

#分支结构

(Brand<-paste(c('Brand'),:,sep='')) #粘合一起

                                     #"Brand1" "Brand2" "Brand3" "Brand4" "Brand5" "Brand6" "Brand7" "Brand8" "Brand9"

(PName<-paste(c('Dell'),:,sep=' '))

(Mem<-rep(c('1G','2G','4G'),times=)) #重复

                                      #"1G" "2G" "4G" "1G" "2G" "4G" "1G" "2G" "4G"

(Feq=rep(c('2.2G','2.8G','3.3G'),each=))

(Price=rep(c(,,),))

PC=data.frame(Brand,PName,Mem,Feq,Price)

##分支结构

#if..else

PC

PC$PD=rep('Cheap',)

for (i in :nrow(PC)){     #1:nrow(PC)从第1行到最后一行

  if (PC[i,'Price']>){ #取值进行比较

    PC[i,'PD']='Expensive' #修改值

  }

}

PC

#ifelse函数

PC$PD2=ifelse(PC$Price>,'Expensive','Cheap')  #向量化运算

PC

c

11、循环结构
for(n in x){...}

while(condition){...}

repeat{...break}

break next

#循环结构

for (x in :){

  print (x^)

}

i=

while (i<){

  print (i^)

  i=i+

}

i=

repeat {

  print (i^)

  i=i+

  if (i>) break

}

12、函数
自定义函数

myfunc =function(par1,par2,...){
...
}

引用函数文件
source('D:/basic.R', encoding = 'UTF-8')

查看源码
myfunc #终端显示
page(myfunc) #用第三方编辑器查看

#函数

myadd=function(a,b,c){

  return (a+b+c)

}

mystat=function(x,na.omit=FALSE){

  if (na.omit){

    x=x[!is.na(x)]

  }

  m=mean(x)

  n=length(x)

  s=sd(x)

  skew=sum((x-m)^/s^)/n

  return (list(n=n,mean=m,stdev=s,skew=skew))

}

13、向量化运算和apply家族

#向量化

x=:

(y=x^)

(y=matrix(:,,))

(z=y^)

(x=:)

(y=:)

(x+y)

y>=

ifelse(x%%==,'A','B')

x=data.frame(pv=rnorm(,,),

             uv=rnorm(,,),

             ip=runif(,,))



apply(x,MARGIN = ,mean)               #在列的方向上进行mean运算

apply(x,MARGIN = ,quantile,probs=c(0.1,0.5,0.9)) #在列的方向上进行quantile运行

巴特西

R 语言-基础

最新文章

热门文章