R语言学习笔记【1】seq/rep/matrix/list/as.numeric/with/factor/is.na函数的使用

STA3050 Lec1笔记

1. seq
2. rep
3. matrix
4. list
5. as.numeric
6. with
7. factor
8. is.na
   #在R中<-和=等价，但<-是全局赋值操作，=是局部赋值操作

seq&rep函数

seq(1, 21, by = 4)
[1] 1 5 9 13 17 21

rep(3, 5) #重复3五次
[1] 3 3 3 3 3

rep(c(1, 4), c(2, 3)） #分别重复“1，4”二、三次
[1] 1 1 4 4 4

rep(1:5, each=2)
[1] 1 1 2 2 3 3 4 4 5 5

rep(1:5, rep(2, 5))*#这里的rep(2, 5)和each=2一样*
[1] 1 1 2 2 3 3 4 4 5 5

rep(1:4,each=2,times=1:8) 
[1] 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4
#times:each后的向量的处理，如果times是单个值，则each后的值整体重复times次数，如果是x each后的向量相等长度的向量，则对each后的每个元素重复times同一位置的元素的次数
#即原本[1] 1 1 2 2 3 3 4 4 5 5中的第一个数值1重复1次，第二个数值1重复2次，第三个数值2重复3次，第四个数值2重复4次……

rep(1:4,each=2,times=1:8,len=5)#忽视times函数，取前5位（len=5）
[1] 1 1 2 2 3 

Matrix函数

> m<-matrix(1:12,nrow=3,ncol=4) #按colunm排序
> m
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

> m<-matrix(1:12,nrow=3,byrow=T) #按row排序，这时候T可为任何数。T的含义是True，如过byrow=T改成byrow=F则按colunm排序。byrow=T可以简写为T，byrow=F可以简写为F，nrow=3可以简写为3，如m<-matrix(1:12,nrow=3,ncol=4,byrow=T)可以简写为m<-matrix(1:12,3,4,T)
> m
     [,1] [,2] [,3] [,4]
[1,]    1    2    3    4
[2,]    5    6    7    8
[3,]    9   10   11   12

> m[-2,]#去除第二行
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    3    6    9   12

> m[c(1,2),c(3,2,4)]
     [,1] [,2] [,3]
[1,]    7    4   10
[2,]    8    5   11

> matrix(1:10, nrow=3)#会报错，数据长度[10]不是矩阵行数[3]的整倍，故增加1，2
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8    1
[3,]    3    6    9    2

#Combine two matrices:
column‐wise (cbind) or row‐ wise (rbind)
e.g.	> rbind(m,m1) or > cbind(m,m2)

#Multidimensional Arrays：
> arr <- array(data=1:24,dim=c(3,4,2))
> arr
, , 1 #第一层

     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12

, , 2 #第二层

     [,1] [,2] [,3] [,4]
[1,]   13   16   19   22
[2,]   14   17   20   23
[3,]   15   18   21   24

list函数

> x<-c(1:3)
> y<-c(“a”,“b”)
> z<-matrix(1:6,nrow=2) 
> w<-list(x,y,z)
>w
[[1]]: #the first component of w
[1] 1 2 3
[[2]]:
[1] “a” “b”
[[3]]:
	[,1] [,2] [,3] 
[1,]  1   3   5 
[2,]  2   4   6

#list可以命名e.g. names(w)<-c(“x”,“y”,“z”)
> w$x  #$用于提取其中某个变量结果
[1] 1 2 3

> u<-unlist(w) #把w改为向量
[1] “1" "2" "3" "a" "b" "1" "2" "3" "4" "5" "6“

> as.numeric(u) #把u变成数列，a、b变成了NA
[1] 1 2 3 NA NA 1 2 3 4 5 6

Data Frame
各个成员为等长向量

With函数
#无需$，直接调用数据，并且可以添加运算

e.g. with(women, weight/height) #调用women数据中的weight和height并输出weight/height的值

factor函数
Levels就是factor中的所有元素的集合（没有重复）。我们可以发现Levels就是factor中元素排除重复后且字符化的结果。

> grp <- c("control", "treatment", "control", "treatment")
> grp <- factor(grp)
> grp
[1] control treatment control treatment 
Levels: control treatment
> as.integer(grp)
[1] 1 2 1 2
> levels(grp)
[1] "control" "treatment"
> levels(grp)[as.integer(grp)]
[1] "control" "treatment" "control" "treatment"

> levels(grp) <- c("1","2") > grp #改factors
[1] 1 2 1 2
Levels: 1 2
#所有的factor是通过字符串的形式储存的

#==是判断符号，输出为True/False

R 只能储存 53 bits 的数值，即1.XXX 最多52个X
R是2进制，故有时候计算结果有偏差

is.na() 可以检验数列中每个数值是否为NA，输出结果为True/False的字符串

 >is.na(some.evens)
[1] TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE

! 是Not的意思
e.g.

 !is.na(some.evens)
[1] FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE  TRUE FALSE  TRUE FALSE TRUE FALSE TRUE FALSE TRUE FALSE TRUE

可以只展示非NA的数值，如下

> some.evens[!is.na(some.evens)]
[1] 2 4 6 8 10 12 14 16 18 20