赋值
x <- xx
赋多个值
x <- c(a,b,c,d,...)
统计函数
样本标准差
sd(arg)
平均数
mean(arg)
两个数据间相关性(变动趋势相关性)
cor(a,b)
线性模型
lm(formula,data=data ) (linear models)
用来做线性拟合的函数
biglm()能以内存高效的方式实现大型数据的线性模型拟合(处理大数据集)
EX:
fitted是拟合值,predict是预测值。模型是基于给定样本的值建立的,在这些给定样本上做预测就是拟合。在新样本上做预测就是预测。
你可以找一组数据试试,结果如何。
fit<-lm(weight~height,data=women)
fitted(fit)
predict(fit,newdata=data.frame(height=90))##将90代入看结果如何
这是R in action中的例子
绘图函数
绘图,a中为x轴坐标,b中数据为y轴坐标
plot(a,b)
辅助函数
查看函数功能
help('函数名')
?函数名
查看/下载包
查看help(package="packagename")
引用:librarty(package)
下载:install.packages("packagename")
更新:updata.packages() #更新所有
查看/切换工作目录
getwd():#查看当前工作目录
setwd('C:/dom') 切换当前工作目录
查看之前运行的命令
history()
其他
head/tail(arg1,arg2):返回数据集(arg1)的前/后(arg2)个元素.
summary(object) #生成指定结果的摘要
数据结构函数
矩阵
matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)
data:要转换的数据集,只能是向量?
nrow:行数
ncol:列数
byrow:默认向列填充
dimnames :行和列的名字
数组
arrary
选择元素:
array[一维,二维,三维]
课时8 R的数据源导入方法
1.在R内输入数据
在R内输入数据方法
1.使用data.frame 建立数据框
mydata <- data.frame(age=numeric(0),
+ gender=character(0),
+ weight=numeric(0))
> mydata
2.通过mydata <-edit(mydata ) 或fix(mydata)对数据进行填充
2.引人外部txt文件
data <- read.table("D:/Rdata/accident1.txt",header=TRUE,sep=",")
第一个参数为文件路径,第二个参数为是否显示表头,第三个参数是分隔符
注意:文件只能为ANSI格式,且最后一行需加换行符
3.excel文件
现将excel文件另存为逗号分隔的csv格式,
data <- read.csv("D:/Rdata/accident1.txt",header=TRUE,sep=",")