【精选】R入门实例详解 |
您所在的位置：网站首页 › r语言代码实例 › 【精选】R入门实例详解 |
【精选】R入门实例详解
|
R语言详解
安装数据类型向量（vector）冒号运算符等差与重复NA与NULL向量比较
字符串数组矩阵列表数据框因子和表运算符全局变量
输入与输出读写文件
控制语句循环分支函数
函数自定义函数常用函数排序apply()函数
数学运算与模拟数学函数统计分布函数
绘图
安装
刚入门R语言下这俩东西，R（R语言版本）和RStudio（R编译平台） R：R RStudio：Rstudio 详细安装过程 R一门统计学软件 R语言是一门面向对象的编程语言 程序语句由换行符或者分号分隔； R语言比较像python，语句格式跟py很像，语句后不用分号，需缩进；for循环、if判断后用{}，不用:（冒号）； R是一种块状结构程序语言。块由大括号划分。 R语言不需要“声明”变量。 R语言处理对象是向量，频繁调用数据库 单行注释：#注释 多行注释：R不提供多行注释 代替方法：RStudio选中需要注释的代码，快捷键Ctrl+Shift+C RStdio批量模式运行需要把代码都选中，再点运行 help()，获取在线帮助，等价于? example()，展示例子 getwd()，返回当前目录 setwd()，指定目录 cat(x,sep=" ")，输出，print()也可以，不过这个没有转义字符，即没法换行。sep和seq都一样。 数据类型R语言不需要声明变量，直接赋值即可。 R语言允许使用FURE和FALSE缩写为T和F 在R语言中，TRUE和FALSE是保留字，表示逻辑常量，而T和F是全局变量，其初始值设置为这些。 在需要数值的上下文中，逻辑向量被强制为整数向量，TRUE映射到1L, FALSE映射到0L, NA映射到NA_integer_。 查看logical文档：help("logical") typeof() #查看数据类型 #integer #整型 #double #小数（浮点型）（默认为双精度） #character #字符串类型 #logical #逻辑型，T、F mode() #查看数据结构 #numeric #数值向量，数值类型，包括整数，小数，科学计数的方式 #character #字符串向量 #list #列表 #矩阵也是数向量的一种 #matrix（矩阵） #array（数组）R语言中class()与mode()区别 向量（vector）向量类型是R语言核心，一切类型都可称为向量，一个数（标量），也是一个有一个元素的向量，R语言的数据类型里没有标量 R语言中的变量类型被称为模式（mode）R语言的向量索引从1开始R语言调用函数typeof(x)查看变量x的类型R语言数值变量不指明的一般都是双精度“double”类型，冒号运算符":"生成的是整型、c()生成的是浮点数double 向量中允许元素重复 向量插入和删除需要重新给向量赋值（R中向量是连续存储的） length()，获取向量长度 #赋值： > x x[1] [1] 3 #x也是一个向量，只有一个元素 #向量 a a[2] [1] 3 #下标从1开始，不是从0 > a[2:4] [1] 3 5 7 #下标从第2到第4 > a[c(1,3,4)] #指定第1，3，4位置 [1] 1 5 7 #改变向量，重新赋值 > a a [1] 1 3 5 66 18 #mean()求向量均值 mean(x) #hist()绘制直方图 冒号运算符冒号运算符生成的是向量 ?Syntax，运算符优先级详细说明，其中冒号运算符优先级最高 冒号运算符生成的数值是整数类型 > 6:1 #冒号运算符，步长为1 [1] 6 5 4 3 2 1 > 1:5/2 #冒号优先级最高 [1] 0.5 1.0 1.5 2.0 2.5 > 1:5+1 [1] 2 3 4 5 6向量运算 向量加、减、乘、除，对应元素直接相加（格式相等） 单个向量x与向量A加减乘除，向量A的每个元素分别对应x运算 索引，下标从1开始 负索引把相应的元素删除 > li a [1,] 1 1 [2,] 3 1 [3,] 5 1 [4,] 66 1 [5,] 18 1 > li + c(1,2) #循环补齐 a [1,] 2 3 [2,] 5 2 [3,] 6 3 [4,] 68 2 [5,] 19 3 #等价于： > li + array(c(1,2),dim(li)) a [1,] 2 3 [2,] 5 2 [3,] 6 3 [4,] 68 2 [5,] 19 3 > b b [1] 1 2 3 4 5 6 7 8 9 > b[-2:-4] #把下标从2到4的元素删除 [1] 1 5 6 7 8 9 #R语言索引都是闭区间若某运算要求向量（数组）具有相同的长度，R会自动循环补齐，即重复较短的向量，直到与另一个相匹配 等差与重复seq()，生成等差向量 seq(from, to, by, length, along.with) from,to 序列的起始值和(最大)结束值。 by 步长 length/length.out 序列的期望长度。一个非负数，对于seq和seq.int，如果是小数则将其四舍五入。 along.with 从这个参数的长度中取长度。 > seq(1, 6, by = 3) [1] 1 4 > seq(0, 1, length.out = 11) [1] 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0req()，生成重复向量 > rep(c(12,34,7),2) #对向量整体重复 [1] 12 34 7 12 34 7 > rep(c(1,12,13),each=2) #分别先对向量中每个元素重复，each指重复次数 [1] 1 1 12 12 13 13 > c(1:4,rep(c(1,0),each=2),rep(c(1,0),2)) [1] 1 2 3 4 1 1 0 0 1 0 1 0 NA与NULLNA表示缺失值 NULL表示不存在的值，没有模式 若要运算中跳过NA值，na.rm=T > x x [1] 3 NA 8 123 5 > mean(x) [1] NA > mean(x,na.rm=T) [1] 34.75 > x mean(x) #运算中NULL会自动被过滤 [1] 34.75subset()，筛选过程中移除NA 向量比较all()，参数中都为真，返回True any()，参数中只要有一个为真，则返回True identical(x,y)，函数判断两个对象是否完全一致 > x y x == y #"=="是一个向量化函数，返回值为一个布尔值的向量 [1] TRUE TRUE TRUE > all(x==y) #两个向量中元素值相等，返回值TRUE [1] TRUE > identical(x,y) #两个对象完全一致 [1] FALSE看个例子： 字符串是实际上是字符模式的单元素向量，默认用双引号""，赋值时用单引号也行。 R语言中字符串包含字符，说是一个字符是字符串也可。 > st = 'my gril' > st [1] "my gril" > mode(st) > [1] "character" #字符串向量 #只要向量中有一个是字符串，这个向量就是字符串向量 > ch = c('a',o,9,'45') Error: object 'o' not found > ch = c('a','one',9,'45') > ch [1] "a" "one" "9" "45" > mode(ch) [1] "character" > length(ch) [1] 4 #可以用character()函数构造初始字符型向量 > character(length=5) [1] "" "" "" "" ""字符串函数操作 获取字符串长度：nchar() 字符串分割：strsplit() 字符串拼接：paste() 字符串截取：substr() 字符串替代：gsub(), chartr(), sub() 字符串匹配：grep() 字符串格式化：sprintf() 大小写替换：toupper(), tolower() 1、获取字符串长度，nchar() > a nchar(a) > fruit nchar(fruit) [1] 5 6 5 6 > length(fruit) #注意跟length()是有区别的 [1] 42、字符串分割，strsplit() strsplit()函数：将字符型向量分解成多个字符串，返回值为列表。 unlist()函数：将列表转换成向量。 > a strsplit(a," ") [[1]] [1] "apple" "orange" "grape" "banana" > strsplit(a,split = " " ) #带不带split=都一样 [[1]] [1] "apple" "orange" "grape" "banana" > unlist(strsplit(a," ")) #将列表转化为向量 [1] "apple" "orange" "grape" "banana"3、字符串拼接 paste()函数：将多个对象（如向量）“粘贴”在一起,返回成单独的字符串。其优点在于，就算有的处理对象不是字符型也能自动转为字符型。 4、字符串截取，substr() substr(x, start, stop) substring(text, first, last = 1000000L) substr()函数和substring()函数是截取字符串最常用的函数，两个函数功能方面是一样的。 substr()函数：必须设置参数start和stop，如果缺少将出错。 substring()函数：可以只设置first参数，last参数若不设置，则默认为1000000L，通常是指字符串的最大长度。 substr()函数：对给定的一个字符串执行一次求子串操作 substring()函数：对给定的一个字符串执行给定次求子串操作 > substr("abcdef",2,4) [1] "bcd" > substring("abcdef",2,4) [1] "bcd" > substr("abcdef",1:6,1:6) [1] "a" > substring("abcdef",1:6,1:6) #substring()执行给定次求子串 [1] "a" "b" "c" "d" "e" "f" > substr("abcdef",1:6,6) [1] "abcdef" > substring("abcdef",1:6,6) [1] "abcdef" "bcdef" "cdef" "def" "ef" "f"
5、字符串匹配，grep() grep(pattern, x)，在字符串向量x里捜索给定子字符串pattern 如果x有n个元素，则grep(pattern,x)会返回一个长度不超过n的向量。这个向量的每个元素是x的索引，表示在索引对应的元素x[i]中有与pattern匹配的子字符串。 > grep("Pole",c("Equator","North Pole","South Pole")) [1] 2 3 > grep("pole",c("Equator","North Pole","South Pole")) #小写p(ploe) integer(0)正则化表达式 正则表达式是一种通配符，它是用来描述一系列字符串的简略表达式。例如，表达式"[au]"表示的是含有字母a或u的字符串。 英文句点.表任意一个字符，使用两个反斜线取消.全匹配作用 > grep("[au]",c("Equator","North Pole","South Pole")) [1] 1 3 > grep(".",c("abc","de","f.g")) #英文句点.表任意一个字符 [1] 1 2 3 > grep("\\.",c("abc","de","f.g")) #使用两个反斜线取消.全匹配作用 [1] 3 > grep("o.e",c("Equator","North Pole","South Pole")) [1] 2 3 > grep("N..t",c("Equator","North Pole","South Pole")) [1] 2regexpr()和gregexpr()匹配 regexpr(pattern,text)在字符串text中寻找pattern，返回与pattern匹配的第一个子字符串的起始字符位置。返回类型为数值列表 gregexpr(pattern,text)的功能与regexpr()一样，不过它会寻找与pattern匹配的全部子字符串的起始位置。返回类型为列表 > regexpr("uat",c("Equator","UIEopj")) #没有匹配到的返回-1 [1] 3 -1 #匹配的起始位置 attr(,"match.length") [1] 3 -1 #匹配的字符串长度为3 attr(,"index.type") [1] "chars" attr(,"useBytes") [1] TRUE > mode(regexpr("uat",c("Equator","UIEopj"))) [1] "numeric" > a = gregexpr("iss","Mississippi") > a [[1]] [1] 2 5 #匹配的起始位置 attr(,"match.length") [1] 3 3 #匹配的字符串长度为3 attr(,"index.type") [1] "chars" attr(,"useBytes") [1] TRUE > mode(a) [1] "list"6、字符串格式化，sprintf() sprintf()函数：把若干个字符串或变量按一定格式“打印”到字符串里 > i s s [1] "the square of 8 is 64"7、大小写替换 > a toupper(a) #全部替换为大写 [1] "HELLO WORLD" > tolower(a) #全部替换为小写 [1] "hello world 数组array array(data = NA, dim = length(data), dimnames = NULL) dim：每个维度最大索引 dimnames：可以是NULL，也可以是维度的名称。这必须是一个列表。 > array(1:3, c(2,4)) [,1] [,2] [,3] [,4] [1,] 1 3 2 1 [2,] 2 1 3 2 矩阵矩阵有行和列，二维向量，是一种特殊的数组，数组可以是多维的，矩阵只有行和列两维，一般用matrix生成矩阵，行row，列column 函数matrix()是构造矩阵(二维数组)的函数，其构造形式为： matrix(data=NA，nrow=1，ncol=1，byrow=FALSE，dimnames=NULL) 其中data是一个向量数据，nrol是矩阵的行数，ncol是矩阵的列数。 当byrow=TRUE时，生成矩阵的数据按行放置，缺省时相当于byrow=FALSE，数据按列放置。 dimname，是数组维的名字，缺省时为空。a、矩阵的创建： > matrix(c(1,2,3,4,5,1,2,8),nrow=2) [,1] [,2] [,3] [,4] [1,] 1 3 5 2 [2,] 2 4 1 8 > rbind(c(1,5),c(2,7)) #按行绑定 [,1] [,2] [1,] 1 5 [2,] 2 7 > cbind(c(1,2),c(5,7)) #按列绑定 [,1] [,2] [1,] 1 5 [2,] 2 7b、给行列取名： > mat mat c1 c2 c3 r1 1 4 7 r2 2 5 8 r3 3 6 9 > mat2 mat2 [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12 > rownames(mat2) colnames(mat2) mat2 a b c d 1 1 4 7 10 2 2 5 8 11 3 3 6 9 12 #可以通过rbind，cbind添加行列 > rbind(mat, c(12, 13, 14)) #在原矩阵mat后面添加一行 > rbind(mat, c(12, 13, 14)) c1 c2 c3 r1 1 4 7 r2 2 5 8 r3 3 6 9 12 13 14t()，矩阵转置 det()，求方阵的行列式 dim()，矩阵的行列数 两个矩阵直接相乘A * B，对应元素相乘（矩阵必须相似） 矩阵乘法：mat %*% mat **向量内积** A %*% B **向量外积（叉积）** A %o% B outer()是更为强大的外积运算函数，outer(x,y)计算向量二与y的外积，它等价于A %o% B 函数。outer()的一般调用格式为 outer(A，B，fun=”*”) 其中A,B矩阵(或向量)，fun是作外积运算函数，缺省值为乘法运算。函数outer()在绘制三维曲面时非常有用，它可生成一个x和y的网格。c、矩阵运算 > m m [,1] [,2] [1,] 1 5 [2,] 2 6 > c = cbind(c(1,5),c(2,6)) > c [,1] [,2] [1,] 1 2 [2,] 5 6 #矩阵直接相乘* > m * c [,1] [,2] [1,] 1 10 [2,] 10 36 #矩阵内积c > m %*% c [,1] [,2] [1,] 26 32 [2,] 32 40 #矩阵外积 > m %o% c , , 1, 1 [,1] [,2] [1,] 1 5 [2,] 2 6 , , 2, 1 [,1] [,2] [1,] 5 25 [2,] 10 30 , , 1, 2 [,1] [,2] [1,] 2 10 [2,] 4 12 , , 2, 2 [,1] [,2] [1,] 6 30 [2,] 12 36 >mc dim(mc) [1] 2 2 2 2 #dim(mc) = c(dim(m), dim(c)) #注意维数矩阵相关函数 1）drop函数避免矩阵降为 2）向量转化为矩阵 3）apply()函数 从技术上讲还是向量，不过是递归型向量 列表中各项可以是不同的数据类型 a、列表创建list() > li li $a [1] 55 $b [1] "34" $c [1] 3 5 > li$a #使用$加标签访问元素 [1] 55 > li2 li2 [[1]] [1] 55 [[2]] [1] "34" [[3]] [1] 3 5b、列表索引 c、列表增删 R语言中的数据框可视为二维列表 数据框每列是一个变量，每行是一个观测 数据框通常通过读取文件或数据库来创建 在R语言中，数据框使用data.frame()函数来创建，其格式如下： data.frame(col1, col2, ..., row.name=NULL, check.rows = FALSE, check.names=TRUE, stringsAsFactors = default.stringsAsFactors()) 其中，row.name用于指定各行（样本）的名称，默认没有名称，使用从1开始自增的序列来标识每一行； check.rows用于用来检查行的名称和数量是否一致，默认为FALSE； check.names来检查变量（列）的名称是否唯一且符合语法，默认为TRUE； 用来描述是否将字符型向量自动转换为因子，默认转换，若不改变的话使用stringsAsFactors = FALSE来指定即可。 可以使用rbind()函数和cbind()函数将新行或新列添加到数据框变量中。遵循循环补齐 > arr1 = array(1:12,c(3,4)) > arr1 [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12 > mode(arr1) [1] "numeric" > data.frame(arr1) X1 X2 X3 X4 1 1 4 7 10 2 2 5 8 11 3 3 6 9 12 > mode(data.frame(arr1)) [1] "list" > df1 df1 lis df2 lis2 df2 df2 name sex score 1 张三 男 90 2 四姐 女 85 3 王五 男 82 4 小七 男 93 5 八哥 男 92 > lis3 df2 df2 name sex score height 1 张三 男 90 170 2 四姐 女 85 168 3 王五 男 82 185 4 小七 男 93 178 5 八哥 男 92 175访问数据框： 缺失值处理： complete.cases() 合并数据框： merge(x,y) 因子（factor）是R语言中很多强大运算的基础，包括许多针对表格数据的运算。 因子的设计思想来源于统计学中的名义变量，或称之为分类变量。这种变量的值本质上不是数字，而是分类。尽管可以用数字对它们编码。例如，党员用1表示，团员用0表示；男生用1表示，女生用0表示等。 因子与水平： table()，统计因子向量中各水平出现的频数
创建自己的二元运算符 cat(x,"abc","de\n",sep="\n") 1 2 3 abc de #这有一个空格 > cat(x,"abc","de\n",sep="") 123abcde 读写文件 getwd()，获取代码文件执行目录 setwd(dir)，设置代码文件执行路径 file.info()，查看文件详细信息 file.exists()，判断当前路径下是否存在文件 dir()，获取当前路径下文件 read.table()，读入数据框（表） 从文件中读取数据框或矩阵 读excel表格或csv文件 安装运行读取Excel文件的包readxl：library("readxl") read_excel(path,sheel=1) read.csv(path,header=TRUE) 读取文本文件函数readLines() # z.txt name age John 25 Mary 28 Jim 19 > v v [1] "name age" "John 25" "Mary 28" "Jim 19" > class(v) #字符串向量 [1] "character" #利用readLines()函数逐行读取文件中的内容 > v readLines(v,n=1) [1] "name age" > readLines(v,n=1) [1] "John 25" > readLines(v,n=1) [1] "Mary 28" > readLines(v,n=1) [1] "Jim 19" > readLines(v,n=1) character(0) #利用seek()函数实现“倒带”功能：从文件开始处重新读取文件 # where=0参数表示从文件开头读文件 > v readLines(v,n=2) [1] "name age" "John 25" > seek(con=v,where=0) [1] 36 > readLines(v,n=1) #上一步seek(0)，从起点开始 [1] "name age"写文件 由于R语言主要用于统计功能，读文件可能比写文件更为常用； write.table()函数的用法与read.table()非常相似，把数据框写入文件。 函数cat()可以用来写入文件，一次写入一部分 用函数writeLines()写入文件 for(i in x)，x是一个向量 while() repeat() if/else switch 向量化的ifelse()函数 ifelse(test, yes, no) text，可以强制转换为逻辑模式的对象。 yes，返回test的真元素的值。 no，返回test的假元素的值。 > x y 0, x+1, x-1) > y [1] 4switch(EXPR, ...) EXPR：求值为数字或字符串的表达式。 f sum = sum + i #没有sum+=i } return(sum) } 返回值 可以显式调用函数return()，把一个值返回给主调函数，如果不使用这条语句，默认将会把最后执行的语句作为返回值。不推荐使用return()，因为调用这个函数会延长执行时间。 source()，导入函数或库 匿名函数
apply()常用于矩阵，相当于函数映射，比较常用。 apply(m,dimcode,f,fargs) m表示矩阵 dimcode，取1表示对行应用函数f（默认），取2表对列 f是函数，f可以是内置函数，也可是自定义函数 fargs是f的可选参数集 > z [,1] [,2] [,3] [1,] 2 6 10 [2,] 4 8 12 > apply(z,2,mean) #对矩阵z按列取平均数 [1] 3 7 11lapply()函数 lapply()和apply()的区别在于输出的格式，lapply()的输出是一个列表（list），不需要dimcode参数。 lapply(m, fargs) sapply()函数 sapply()函数做的事情和lapply()一样，返回的是一个向量（vector）使得对解读更加友好，其使用方法和lapply一样，不过多了两个参数: simplify&use.NAMEs： simplify = T可以将输出结果数组化，如果设置为false，sapply()函数就和lapply()函数没有差别了； use.NAMEs = T可以设置字符串为字符名。 tapply()函数 对一个向量里面进行分组统计操作 tapply(X, INDEX, FUN = NULL) X: 一个对象，一般都是向量INDEX: 一个包含分类因子的列表（list）FUN: 对X里面每个元素进行操作的函数 数学运算与模拟 数学函数幂用：^ 累积和cumsum()、累积乘积cumprod() 函数min()把所有元素组成一个向量，然后返回最小值。 函数pmin()把两个向量对应位置的元素两两比较，返回一个向量。 > z z [,1] [,2] [1,] 1 2 [2,] 5 3 [3,] 6 2 > z[,1] [1] 1 5 6 > z[1,1] [1] 1 > min(z[,1],z[,2]) [1] 1 > pmin(z[,1],z[,2]) [1] 1 3 2nlm()，求函数极小值点 optimize()，求一元极值的函数 D()，求导 integrate()，微积分
基本绘图plot() plot(x, y = NULL, type = "p", xlim = NULL, ylim = NULL, log = "", main = NULL, sub = NULL, xlab = NULL, ylab = NULL, ann = par("ann"), axes = TRUE, frame.plot = axes, panel.first = NULL, panel.last = NULL, asp = NA, xgap.axis = NA, ygap.axis = NA, ...) 参数作用xlim二维向量，表示所绘图形x轴的范围ylim二维向量，表示所绘图形y轴的范围log“x”或“y”，表示对x轴或y轴的数据取对数，“xy”或“yx”，表示对x轴与y轴的数据同时取对数main字符串，描述图形的标题sub字符串，描述图形的副标题xlab字符串，描述x轴的标签，默认值为对象名ylab字符串，描述y轴的标签，默认值为对象名多图par() > par(mfrow=c(3,2)) #按行填放3行2列，共计6个图 > par(mfcol=c(3,2)) #按列填放3行2列，共计6个图 > par(mfrow=c(1,1)) #取消多图环境 > x y par(mfrow=c(2,4)) #按行填放2行4列，共计8个图 > plot(x,y,type="p",col="red",xlab="线型p",ylab="") > plot(x,y,type="l",col="blue",xlab="线型l",ylab="") > plot(x,y,type="o",col="black",xlab="线型o",ylab="") > plot(x,y,type="b",col="green",xlab="线型b",ylab="") > plot(x,y,type="c",col="red",xlab="线型c",ylab="") > plot(x,y,type="s",col="blue",xlab="线型s",ylab="") > plot(x,y,type="S",col="black",xlab="线型S",ylab="") > plot(x,y,type="h",col="green",xlab="线型h",ylab="")
添加点points() 先执行plot函数后，points函数才会生效。 后出现的绘图命令的坐标范围要比先出现的小，否则R环境会截断不显示。 > par(mfrow=c(1,2)) > x y plot(x,y) > x y points(x,y,pch="+") #添加点，先执行plot函数后，points函数才会生效。 > text(locator(1),"HPU") #添加文字text()与精确定位locator() #在单击的位置绘制HPU > text(locator(1),"HPU",cex=3) #改变字符大小：cex选项运行结果： 添加线条abline() 添加多边形polygon() > par(mfrow=c(1,2)) > f curve(f,0,2) #在区间[0,2]内绘制函数f > polygon(c(1.2,1.4,1.4,1.2),c(0,0,f(1.3),f(1.3)),col="yellow")
箱线图boxplot() 箱线图不仅可用于反映一组数据分布的特征，比如，分布是否对称，是否存在离群点(outlier)等，还可以对多组数据的分布特征进比较。 |
n-k+1，每次循环k个值，到最后k个值的第一个位置 [1:(i+k-1)]，k个值，不要忘记了括号（冒号优先级高）
使用names()获取列表的标签 使用unlist()获取列表的值，返回值是一个向量。
x && y，返回标量 x & y，返回向量
默认参数 
计算概率 choose()，生成组合数，
C
n
k
=
(
k
n
)
=
n
!
k
!
(
n
−
k
)
!
C^k_n=(^n_k)=\frac{n!}{k!(n-k)!}
Cnk=(kn)=k!(n−k)!n! prod()，连乘函数
【本文地址】