R語言基礎總結

符号

= 或 <- 或 ->	指派
<<- 或 assign()	“超指派”操作符，函數内部定義全局變量
? / ?? / help()	Help, e.g. help("scan")
demo()
example()	e.g. example(glm)
methods()	e.g. methods(class="data.frame")檢視資料幀相應的通用函數；methods(plot)檢視plot函數能處理的類别
:	from:to，冒号優先級最高, e.g. x[1:3]
==、!=	等、不等
|、&、!	或與非。 &和|逐個元素計算，&&和||對向量的第一個元素進行運算，必要時才比對第二個參數。（類似Java）
NA	不可得、值丢失
NaN	非數值（Not a Number）
NULL	（注意：要大寫），e.g. 删除21到24列dataA[21:24]<-list(NULL)
%*%	矩陣乘法
[[idx]] 重複中括弧	擷取嵌套其中的序列，如path[[m]][1]指第m個path序列（第m列）裡的第1個元素，幫助見?("[[")
Lst$variable	從清單或類似類型，擷取内部變量
...	額外參數，将一個函數的參數傳遞給另一個函數
+	續行符
#	注釋
TAB鍵	自動補齊
上下鍵	調用曆史指令

e.g.

a %*% t(a) #矩陣相乘

fun1 <- function(data, data.frame,graph=TRUE, limit=20, ...) {}

邏輯

if  (條件)   表達式1   else   表達式2

ifelse(條件,  yes,  no)

for (變量  in  向量)

while(條件)

repeat {}

break; next（略過next後面的任務）

is.na(); is.nan()

mode()，判斷類型，包括：numeric / integer / double / complex / logical / character

as.sth()，轉類型

e.g.

x = c(6:-4); sqrt(ifelse(x >= 0, x, NA))

for (i in 1:5) print (1:i)

while(i <= 5) {

+ print(1:i)

+ i = i+1

+ }

as.numeric(); as.character(); as.factor();as.matrix(); as.data.frame();as.integer; as.vector

操作

getwd()	工作目錄
setwd()
source()	批處理，e.g. source("exp.R")
warning()
stop()
print()
formatC()	數值作為字元串輸出
cat()	字元串聯，可以插入\n(換行)及\t(tab鍵)
paste()	字元粘貼(非字元型自動轉換)，sep=string：設定分隔符，預設空格
ls / objects	顯示變量
rm()	删除對象，e.g. rm(x,y); rm(list=ls())
proc.time()	系統時間
head()	讀取資料頭幾行
sink()	sink("file")後續的輸出由終端轉向一個外部檔案，sink()重新恢複到終端
q()	Quit
删除包	e.g. remove.packages("devtools")
安裝包	（1）e.g. install.packages("devtools") （2）download package, menu: packages -> install packages from local zip files 推薦（1），可以把dependent 的包也下載下傳下來。鏡像選China.beijing（第一個）最快。指令詳見： http://www.cnblogs.com/xianghang123/archive/2012/06/13/2547940.html
安裝特定版本包	Library(devtools); install_version()
sessionInfo()	檢視部分已安裝包版本
packageVersion()	檢視所有已安裝包版本！e.g. packageVersion("git2r")
help(package=””)	help(package="程式包名")，看R程式包裡到底有哪些函數

e.g.

formatC(1/3, format = "f", digits= 4)

paste(1:12) # 與as.character(1:12)等價

資料讀取

read.table()	外部讀取，ASCII資料 read.table(“檔案名”,header=T 或者F,sep="分欄字元",quote="\"'") e.g. read.table("clipboard",header=T)
read.csv()	外部讀取，逗号分界符
read.delim()	外部讀取，tab分界符
scan()	大些的資料外部讀取，不受電腦記憶體限制 scan(file=“檔案名”,what=”complex”,sep=”分欄字元”)
readLines()	外部讀取網站, e.g. readLines("http://www.163.com")
source()	菜單: 檔案 > 運作R腳本檔案, e.g. source("commands.R")
data.frame()	内部建立
matrix()	内部建立matrix(資料,行數,列數,byrow=T)

注：若資料集很大(如1,000,000觀測x200變量)，則可由ODBC聯接由資料庫讀入.e.g.

library(RMySQL) library(DBI) drv=dbDriver('MySQL') con=dbConnect(drv, dbname='data', user='tchou', password='password', host='localhost') data=dbGetQuery(con, 'select * from SHDATA') head(data)

資料類型

一般類型

數值型(numeric）	1,1.2,3.1415926
複數型(complex)	1+2i
字元型(character)	‘A’/ “hello world!”
邏輯型(logical)	TRUE / FALSE

* str() 檢視資料類型 

vector向量（序列）

一維，最為基本的類型，調用C語言運算，相對快些

c()	最簡
seq()	較簡，seq(from=value, to=value, by=value, length=value)
rep()	複雜，rep(x, times=value) 或rep(x, each=value)
sequence(x)	建立從1 開始以給定參數值結尾的連續整數序列
names()	設定向量元素名字
numeric/character	産生空向量，e.g. numeric()

rule

1、向量的下标從1開始

2、負的下标去掉向量中對應的元素（正為提取）

3、支取向量邏輯關系代入索引中，e.g. x[!is.na(x)]

4、向量運算中的循環法則(recycling rule)

1:2 + 1:4 

e.g.

seq(1,10,by=0.5); seq(1,10,length=5)

rep(2:5,2)

x[c(1,4)]; x[x<40&x>10]

fruit <- c(5,10,1); names(fruit) <-c("orange","banana","apple"); fruit

向量化（vectorization）

将一組指令向量化，調用C運算，提高效率

matrix（矩陣）

多元廣義上的向量

matrix()
dim()
rbind()	上下合并矩陣
cbind()	左右合并矩陣
t()	轉置矩陣

e.g.

matrix(1:4,nr=2, byrow=TRUE)

x <- 1:14; dim(x) <- c(2,7)

list（清單）

包含任何類型的對象

e.g.

fl = list(x = 1:6, y = matrix(1:4, nrow =2))

fl$x; fl$y[2]; fl[1]; fl[[1]]; fl[[1]][2]

data frame（資料架構）

将許多向量組合起來的一個對象，它是二維的，通常其清單示變量，其行表示觀測。和矩陣類似的結構，但列可以為不同的對象。

進階應用有attach()、detach()、search()

e.g.

z.df=data.frame(cbind(INDEX = y, VALUE =x))  # INDEX和VALUE是重新命名的向量名字

z.df[1,]; z.df[1,2]

Q&A

（1）删除某一列的方法

Data$genome <- NULL  # Data[2] <- NULL # Data[[2]] <- NULL

Data[1:2] <- list(NULL)  # remove multiple columns

重命名某列

factor 因子

factor建立無序因子(e.g. factor(1:3,levels=1:5))，ordered建立有序因子，levels檢視levels

e.g.

province<-c("四川","湖南","江蘇","四川","四川","四川","湖南","江蘇","湖南","江蘇")

factor(province)

levels(factor(province))  # Levels: 湖南 江蘇四川

ordered(province)  # Levels: 湖南 < 江蘇 < 四川

綜合

向量	一維
矩陣	多元
清單	一維複合資料類型
資料架構	多元複合資料類型
因子	分類變量

function（函數）

自定義函數

變量名 = function( 變量清單 )  函數體

e.g.

fl = function(n) {

 ...

}

一般函數

length()	sum()	max()
range()	prod()	abs()
mean()	var()	sd()
log()	exp()	sqrt()
date()

* range，即c(min(x),max(x))

* prod(x)給出x中所有元素的乘積

e.g.

sum(y<0.5) #個數和; sum(y[y<0.5]) #值和

文本函數

grep()	x=readLines("http://www.163.com") x[grep("<html", x):3]

矩陣函數

lower.tri(matrix, diag=T)	取右上半角矩陣
which()	根據value逆取索引（注i從1開始） c(5,6,7,8,9,10,2,4,6) which(all==9|all==10) #result:5、6
solve(a,b)	（1）aX=b，求X （2）solve(a) 則aX=I，即求a的逆矩陣X
diag(vector)	建立機關矩陣
eigen()	特征值：eigen(Sm)$values，特征向量：eigen(Sm)$vectors

分布函數

rnorm()	正态分布，rnorm(n,mean = 0, sd = 1)
rexp()	指數分布，rexp(n, rate = 1)
rpois()	泊松分布，rpois(n,λ)
rbinom()	二項式分布，rbinom(n, size, prob)
runif()	均勻分布，runif(n, min = 0, max = 1)
rf()	F 分布Fisher-Snedecor，rf(n, df1, df2)
rt()	t 分布，rt(n, df)

e.g.

rnorm(30, 100, 0.1)

畫圖函數

plot()	散點圖
abline()	斜率一進制回歸圖
hist()	直方圖
density()	密度圖
qq	Quantile-quantile (Q-Q)圖，檢測分布形态，e.g. qqnorm(x), qqline(x), qqplot(x,y)
points(x,y)、lines(x,y)	低級繪圖指令用于進階繪圖
axis(side, . . . )	在目前圖形的指定邊上添加坐标
text()	附上文本

參數估計

lsfit(), qr()

最小二乘拟合

假設檢驗

var.test()	F檢驗, e.g. var.test(height~gender, data=UG)
t.test()	T檢驗, e.g. t.test(UG$weight, mu=170, alternative="less")
chisq.test()	卡方檢驗, e.g. chisq.test(f,p=prob)

回歸

Glm.logit回歸

logit.glm<-glm(y~x1+x2+x3,family=binomial,data=d5.1) summary(logit.glm)

Gam回歸

library(mgcv) gam(Overall ~ s(Income, bs = "cr"), data = d) # s() 樣條函數, cr 三次樣條 gam(Overall ~ Income + Edu + Health, data = d)  # 此時與glm一樣 gam(Overall ~ s(Income) + s(Edu) + s(Health), data = d) Overall ~ s(Income) + s(Edu) + Health s(Girth,Height)  #Girth 和 Height 不獨立，存在互相影響

共線性

step()

逐漸回歸分析，e.g. step(sj_lm,direction="both") # both向前向後檢驗

預測

predict()

e.g. predict(logit.step, data.frame(x1=1))