R语言基础总结

符号

= 或 <- 或 ->	赋值
<<- 或 assign()	“超赋值”操作符，函数内部定义全局变量
? / ?? / help()	Help, e.g. help("scan")
demo()
example()	e.g. example(glm)
methods()	e.g. methods(class="data.frame")查看数据帧相应的通用函数；methods(plot)查看plot函数能处理的类别
:	from:to，冒号优先级最高, e.g. x[1:3]
==、!=	等、不等
|、&、!	或与非。 &和|逐个元素计算，&&和||对向量的第一个元素进行运算，必要时才匹配第二个参数。（类似Java）
NA	不可得、值丢失
NaN	非数值（Not a Number）
NULL	（注意：要大写），e.g. 删除21到24列dataA[21:24]<-list(NULL)
%*%	矩阵乘法
[[idx]] 重复中括弧	获取嵌套其中的序列，如path[[m]][1]指第m个path序列（第m列）里的第1个元素，帮助见?("[[")
Lst$variable	从列表或类似类型，获取内部变量
...	额外参数，将一个函数的参数传递给另一个函数
+	续行符
#	注释
TAB键	自动补齐
上下键	调用历史命令

e.g.

a %*% t(a) #矩阵相乘

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

逻辑

if  (条件)   表达式1   else   表达式2

ifelse(条件,  yes,  no)

for (变量  in  向量)

while(条件)

repeat {}

break; next（略过next后面的任务）

is.na(); is.nan()

mode()，判断类型，包括：numeric / integer / double / complex / logical / character

as.sth()，转类型

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()	工作目录
setwd()
source()	批处理，e.g. source("exp.R")
warning()
stop()
print()
formatC()	数值作为字符串输出
cat()	字符串联，可以插入\n(换行)及\t(tab键)
paste()	字符粘贴(非字符型自动转换)，sep=string：设置分隔符，默认空格
ls / objects	显示变量
rm()	删除对象，e.g. rm(x,y); rm(list=ls())
proc.time()	系统时间
head()	读取数据头几行
sink()	sink("file")后续的输出由终端转向一个外部文件，sink()重新恢复到终端
q()	Quit
删除包	e.g. remove.packages("devtools")
安装包	（1）e.g. install.packages("devtools") （2）download package, menu: packages -> install packages from local zip files 推荐（1），可以把dependent 的包也下载下来。镜像选China.beijing（第一个）最快。命令详见： http://www.cnblogs.com/xianghang123/archive/2012/06/13/2547940.html
安装特定版本包	Library(devtools); install_version()
sessionInfo()	查看部分已安装包版本
packageVersion()	查看所有已安装包版本！e.g. packageVersion("git2r")
help(package=””)	help(package="程序包名")，看R程序包里到底有哪些函数

e.g.

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

paste(1:12) # 与as.character(1:12)等价

数据读取

read.table()	外部读取，ASCII数据 read.table(“文件名”,header=T 或者F,sep="分栏字符",quote="\"'") e.g. read.table("clipboard",header=T)
read.csv()	外部读取，逗号分界符
read.delim()	外部读取，tab分界符
scan()	大些的数据外部读取，不受电脑内存限制 scan(file=“文件名”,what=”complex”,sep=”分栏字符”)
readLines()	外部读取网站, e.g. readLines("http://www.163.com")
source()	菜单: 文件 > 运行R脚本文件, e.g. source("commands.R")
data.frame()	内部建立
matrix()	内部建立matrix(数据,行数,列数,byrow=T)

注：若数据集很大(如1,000,000观测x200变量)，则可由ODBC联接由数据库读入.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)

数据类型

一般类型

数值型(numeric）	1,1.2,3.1415926
复数型(complex)	1+2i
字符型(character)	‘A’/ “hello world!”
逻辑型(logical)	TRUE / FALSE

* str() 查看数据类型 

vector向量（序列）

一维，最为基本的类型，调用C语言运算，相对快些

c()	最简
seq()	较简，seq(from=value, to=value, by=value, length=value)
rep()	复杂，rep(x, times=value) 或rep(x, each=value)
sequence(x)	创建从1 开始以给定参数值结尾的连续整数序列
names()	设置向量元素名字
numeric/character	产生空向量，e.g. numeric()

rule

1、向量的下标从1开始

2、负的下标去掉向量中对应的元素（正为提取）

3、支取向量逻辑关系代入索引中，e.g. x[!is.na(x)]

4、向量运算中的循环法则(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）

将一组命令向量化，调用C运算，提高效率

matrix（矩阵）

多维广义上的向量

matrix()
dim()
rbind()	上下合并矩阵
cbind()	左右合并矩阵
t()	转置矩阵

e.g.

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

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

list（列表）

包含任何类型的对象

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（数据框架）

将许多向量组合起来的一个对象，它是二维的，通常其列表示变量，其行表示观测。和矩阵类似的结构，但列可以为不同的对象。

高级应用有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创建无序因子(e.g. factor(1:3,levels=1:5))，ordered创建有序因子，levels查看levels

e.g.

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

factor(province)

levels(factor(province))  # Levels: 湖南 江苏四川

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

综合

向量	一维
矩阵	多维
列表	一维复合数据类型
数据框架	多维复合数据类型
因子	分类变量

function（函数）

自定义函数

变量名 = function( 变量列表 )  函数体

e.g.

fl = function(n) {

 ...

}

一般函数

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

* range，即c(min(x),max(x))

* prod(x)给出x中所有元素的乘积

e.g.

sum(y<0.5) #个数和; sum(y[y<0.5]) #值和

文本函数

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

矩阵函数

lower.tri(matrix, diag=T)	取右上半角矩阵
which()	根据value逆取索引（注i从1开始） 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) 则aX=I，即求a的逆矩阵X
diag(vector)	创建单位矩阵
eigen()	特征值：eigen(Sm)$values，特征向量：eigen(Sm)$vectors

分布函数

rnorm()	正态分布，rnorm(n,mean = 0, sd = 1)
rexp()	指数分布，rexp(n, rate = 1)
rpois()	泊松分布，rpois(n,λ)
rbinom()	二项式分布，rbinom(n, size, prob)
runif()	均匀分布，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)

画图函数

plot()	散点图
abline()	斜率一元回归图
hist()	直方图
density()	密度图
qq	Quantile-quantile (Q-Q)图，检测分布形态，e.g. qqnorm(x), qqline(x), qqplot(x,y)
points(x,y)、lines(x,y)	低级绘图命令用于高级绘图
axis(side, . . . )	在当前图形的指定边上添加坐标
text()	附上文本

参数估计

lsfit(), qr()

最小二乘拟合

假设检验

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

回归

Glm.logit回归

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

Gam回归

library(mgcv) gam(Overall ~ s(Income, bs = "cr"), data = d) # s() 样条函数, cr 三次样条 gam(Overall ~ Income + Edu + Health, data = d)  # 此时与glm一样 gam(Overall ~ s(Income) + s(Edu) + s(Health), data = d) Overall ~ s(Income) + s(Edu) + Health s(Girth,Height)  #Girth 和 Height 不独立，存在相互影响

共线性

step()

逐步回归分析，e.g. step(sj_lm,direction="both") # both向前向后检验

预测

predict()

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