首页 > 代码库 > R 语言-基础
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(10,11,12,13))(x2<- 1:10)x3<- seq(1,5,1) #from 1 to 5 by 1x4<- seq(5,by=2,length.out=8) #向量中元素个数为8x5<- seq(2,by=3, along.with = x4) # along.with向量个数与x4一致x5[1:5]x5[c(1,2,3,4,5)]x5[-1:-5] #不要下标为1-5的元素which(x5>5) #大于5的向量下标x5[which(x5>10)] #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levelunclass(f) #f1<- gl(4,3,labels = c(‘blue‘,‘red‘,‘green‘,‘yellow‘)) #4个级别,每个级别重复3次,labels的内容f1unclass(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=2,ncol=3) #nrow 指定行, ncol指定列xx<-matrix(1:18,nrow = 3,ncol = 6) # 3行,6列,元素值由1:18填充,默认一列一列顺序填充xx<-matrix(1:18,nrow = 3, ncol = 6, 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<-1:18dim(a)<-c(3,6) #3行6列,行顺序填充x#方法三: rbind或cbind进行拼接x<-1:10y<-11:20z<-21:30m1 = 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m1m2#获取矩阵元素x<-matrix(1:18,nrow = 3,ncol = 6,byrow = T)xx[1,2] #第1行第2列x[1,] #第1行x[,2] #第2列x[,c(2,3,4)] #第2 3 4列x[c(1,2),] #第1 2行x[c(1,2),2:4] #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(1:18,nrow = 3,ncol = 6, byrow = T)m2<-matrix(19:36,nrow = 3, ncol = 6, byrow = T)m1m2#矩阵加法m1+10 #矩阵+nm1+m2 #矩阵+矩阵#矩阵乘法m1*10 #矩阵*nm1*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*4矩阵 对角元素都为1diag(c(1,2,3,6)) #4*4矩阵,对角元素为1,2,3,6x<-matrix(1:16,4,4)diag(x) #显示矩阵x的对角元素值#解方程组m<-diag(4)mb<-1:4solve(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(10,10,2), fy = runif(10,10,20), fmonth = 1:10 ) a[1,1]a[1,]a[,2]a$fx #通过$fx取列信息a[[1]]#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=1:10 #通过within来进行修改,和新增列 fz=11:20})#新增列a$fz = 11:20a$fz = a$fx+a$fy#列存在则修改a$fx = 1:10#查询数据集b = subset(a,fx>1&fmonth==8,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bfix(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=1:10,y=matrix(1:16,4,4),z=data.frame())names(a) <- c(‘c1‘,‘c2‘,‘c3‘) #修改成分名称cc=a[‘y‘] #在列表中通过[]取出的对象类型还是列表c[2,1] class(c) #查看类型为listc=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[2,1]class(c) #查看类型为matrixa$y[2,1] #获取矩阵的元素
8、数组
array
#数组(a=array(1:60,c(3,4,5))) #数组三维a[1,2,3]
9、数据类型转换
检查数据类型 is.开头
is.character
转换数据类型 as.开头
as.character
x=c(1:2,‘hello‘,T)xmode(x) #查看数据类型class(x) #查看数据结构is.vector(x)y<-matrix(1:20,c(4,5))mode(y) #数据类型是numericclass(y) #数据结构是matrixy<-as.data.frame(y) #数据类型转换matrix->dataframey
10、分之结构
if...else...结构
if(condition){...}
else{...}
ifelse函数
#分支结构(Brand<-paste(c(‘Brand‘),1:9,sep=‘‘)) #粘合一起 #"Brand1" "Brand2" "Brand3" "Brand4" "Brand5" "Brand6" "Brand7" "Brand8" "Brand9"(PName<-paste(c(‘Dell‘),1:9,sep=‘ ‘))(Mem<-rep(c(‘1G‘,‘2G‘,‘4G‘),times=3)) #重复 #"1G" "2G" "4G" "1G" "2G" "4G" "1G" "2G" "4G"(Feq=rep(c(‘2.2G‘,‘2.8G‘,‘3.3G‘),each=3))(Price=rep(c(1000,2000,5000),3))PC=data.frame(Brand,PName,Mem,Feq,Price)##分支结构#if..elsePCPC$PD=rep(‘Cheap‘,9)for (i in 1:nrow(PC)){ #1:nrow(PC)从第1行到最后一行 if (PC[i,‘Price‘]>3000){ #取值进行比较 PC[i,‘PD‘]=‘Expensive‘ #修改值 }}PC#ifelse函数PC$PD2=ifelse(PC$Price>3000,‘Expensive‘,‘Cheap‘) #向量化运算PCc
11、循环结构
for(n in x){...}
while(condition){...}
repeat{...break}
break next
#循环结构for (x in 1:5){ print (x^2)}i=1while (i<6){ print (i^2) i=i+1}i=1repeat { print (i^2) i=i+1 if (i>5) 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)^3/s^3)/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=1:5(y=x^2)(y=matrix(1:16,4,4))(z=y^2)(x=1:5)(y=11:15)(x+y)y>=13ifelse(x%%2==0,‘A‘,‘B‘)x=data.frame(pv=rnorm(100,20,3), uv=rnorm(100,40,4), ip=runif(100,40,50))apply(x,MARGIN = 2,mean)apply(x,MARGIN = 2,quantile,probs=c(0.1,0.5,0.9))
R 语言-基础