【R】基础语法

【参考课程】R语言入门与数据分析-基因学苑

基本操作

getwd()：显示目前软件默认使用的工作目录
setwd(dir = " D:/目录/文件夹 ")：设置默认的工作目录，注意用反斜线
list.files() or dir()：查看工作目录下方文件
x <- 3 or 3->x or x=3：赋值，但后两种不建议使用，易混淆
x << 3：强制赋值给全局变量，而不是局部变量
ls()，ls.str()，str()：查看已有变量，查看已有变量及其具体内容，查看变量具体内容
rm()：删除空间中的变量，无法恢复
rm(list = ls())：删除空间中所有变量
save.image()：保存工作空间，防止意外退出
Ctrl+L：清空屏幕
解决R错误问题的渠道推荐：Google, Rblogger, quickR, stackoverflow, etc.

R包安装

install.packages("包")：安装R包，记得加引号，否则会以为是变量
.libPaths()：查看库所在的位置
library()：查看库里有那些软件包
有依赖包时：
_{https://www.bilibili.com/video/BV19x411X7C6?p=11&share_source=copy_web&vd_source=b2f5129a4c67d099a5616e4c249193c1}

R包使用

R基础软件包：base, datasets, utils, grDevices, graphics, stats, methods, splines, stats4, tcltk
require(包)：加载包
help(package = "包")：查看包的帮助文档
library(help = "包")：查看包的默认数据集和函数
ls("package:包")：列出包中所有包含的函数
data(package="包")：列出包中所有包含的数据集
detach("package:包")：将包从内存中移除，需要使用时要重新加载
remove.packages("包")：将包从电脑彻底删除

R包的批量移植方法之一：

installed.packages() # 提取目前环境中已安装的包
installed.packages()[,1] # 提取第一列，即R包的名字
save(Rpack, file="Rpack.Rdata") # 将提取的R包名字保存到一个文件中
###然后将该文件复制到新设备
###在新设备上load该文件，仍然以Rpack命名
for(i in Rpack) install.packages(i) # 用循环语句在新设备上批量安装R包

帮助文档

help.start()：获取帮助文档
help(函数) or ?函数：获取具体函数的帮助文档
args(函数)：返回具体函数需要的输入参数
example(函数)：返回具体函数的使用示例
help(package = 包)：获取具体包的帮助文档
vignette(包)：获取具体包的vignette文档，含有简介、开发等详细内容
??函数：不用安装包也可以获取相应的帮助文档
??"特殊符号"：获取特殊符号的帮助文档
help.search("关键字")：模糊搜索帮助文档
apropos("关键字", mod = "function")：返回所有包含关键字的内容，用于模糊搜索，可以指定mod筛选出类型（function/package/…）
RSiteSearch("关键字")：在官网模糊搜索帮助文档
基于Google的专门搜索R语言相关的搜索网站：Rseek.org

内置数据集

Notes：数据集的名字都是给定的，如果我们给变量的时候重复了，内置数据集就会被替换掉，不过没关系，再用data("数据集")重新加载就好了。
help（package="datasets")：查看帮助文档
data()：返回内置的所有数据集，默认页面左边是数据集名字，右边是详细介绍
data(package="包")：列出包含有的数据集
data(package=.packages(all.available=TRUE))：显示R中所有可用的数据集
data(数据集, package="包")：不加载包而直接调用包里的数据集
mode(变量名)：返回变量类型

R数据结构

向量 vector

创建向量
向量，是用于存储数值型、字符型或逻辑型数据的一维数组。是构成其他数据结构的基础。
用函数c来创建向量，c代表连接concatenate，也可以理解为收集collect，或合并combine。
x <- c(1,2,3,4,5)，x <- c("one","two")：创建一个数组{1,2,3,4,5}，{one, two}并赋值给x
Note：字符串必须加引号（不加引号默认为对象object，就会直接在工作空间里面找）
Note：数值型和字符型变量混合建立向量时，数值型会自动转化为字符型变量

创建等差数列
c(1:100) or seq(from=1, to=100)：创建1~100等差数列，等差值默认为1
seq(from=1, to=100, by=2)：创建1~100差值为2的等差数列
seq(from=1, to=100, length.out=10)：创建1~100含10个元素的等差数列

创建重复元素的数列
rep(x, each=3, times=2)：重复x两次，每次各元素重复三次，（e.g. x={1,2,3}，111222333111222333）
rep(x, c(2,4,6,1,3))：用向量c(2,4,6,1,3)设置向量x中各元素的重复次数

筛选向量元素
x[x>3]：在数值型向量x中筛选出大于3的元素

向量索引

1. 正(负)整数索引
   length(向量)：返回向量的元素个数
   x[1]：返回向量x的第一个元素
   x[-10]：返回向量x除了第十个元素的其他所有元素
   x[c(4:18)]：返回向量x第4~18个元素，别忘了向量要用c喔，也可以返回任意指定位置的元素
2. 逻辑向量索引
   x[c(T,T,T,F,F,T)]：返回向量x中，对应[ ]内向量逻辑值为正的位置的元素。若[ ]内的逻辑向量的元素偏少，则会循环至与向量x相同长度；反之，则会显示NA表示缺失值
   x[x<2 & x>5]：也可以用逻辑运算符，依次返回符合条件的元素
   "one" %in% c("one", "two")：返回TRUE（"one"在向量c(“one”, “two”)中）
   c("one", "two") %in% "one"：返回TRUE，FALSE（"one"在c(“one”)中，而"two"不在）
   z[z %in% c("one", "two")]：返回TRUE对应位置的向量z中元素（即在c(“one”, “two”)中的元素）
3. 名称索引
   names(x) <- c("one", "two", "three", "four", "five")：给向量x各元素定义名字，然后就可以通过名字访问对应元素，类似于表头的作用

向量增删元素
x[4] <- 4：假设原来x只有三个元素，这样就直接在后面增添了一个元素4；如果原来x只有两个或更少的元素，这样在中间就会出现很多NA表示缺失值
append(x = 被插入的向量, values = 插入值, after = 插入位置-1)：在中间插入元素
x[-c(2,3)]：返回除了第2~3个元素的其他元素
x <- x[-c(2,3)]：实现了删除第2~3个元素
x["two"] <- 100：假设第2个元素名称为"two"，通过名称索引直接替换该位置元素值，当然也可以用整数索引来替换

向量运算
基础运算：

基础运算	作用
x+a，x-a，x*a，x/a	对向量x每一个元素 + - * / a
x+y，x-y，x*y，x/y	对向量x和向量y每一对元素 + - * /（元素较少的向量会循环使用，但是需要他们之间的个数成整数倍关系）
x**y	幂运算
x%%y	求余运算
x%/%y	整除运算
x>y，x<y，x==y	逻辑运算，逐一比对，返回逻辑值
%in%	逻辑运算，逐一比对，返回逻辑值，左边的是否包含在右边里

数学函数：

数学函数	作用
abs(x)	绝对值
sqrt(x)	平方根
log(16, base = 2)	对数，返回以2为底16的对数
log10(16)	对数，返回以10为底16的对数
exp(x)	指数
ceiling(x)	向上取整
floor(x)	向下取整
trunc(x)	四舍五入取整
round(x, digits = 2)	保留两位小数，不给定digits时默认四舍五入取整
signif(x, digits = 2)	保留两位有效数字
sin(x)，cos(x)	三角函数

统计函数

统计函数	作用
sum(x)	求和
prod(x)	连乘
mean(x)	均值
var(x)	方差
sd(x)	标准差
max(x)，min(x)	最大最小值
range(x)	最大值和最小值
median(x)	中位数
quantile(x, c(0.4, 0.8))	计算四分位数、八分位数，默认计算c(0, 0.25, 0.50, 0.75, 1)
which.max(x)	最大值的位置，其他统计值位置同理

矩阵 matrix

创建矩阵
heat.map(state.x77)：绘图，矩阵state.x77
x <- 1:20
m <- matrix(x, nrow = 4, ncol = 5, byrow = T/F是否按行排列)：由向量创建矩阵并赋值，默认按行排列
dimnames(m) <- list(rnames, cnames)：给矩阵m的行列命名
dim(x) <- c(4, 5)：给x的维度赋值，使得向量x转化为4*5矩阵

创建数组
dim(x) <- c(2,2,5)：给x的维度赋值，使得向量x转化为225的三维数组
array(1:24, c(2,3,4), dimnames = list (dim1names, dim2names, dim3names))：给数组命名，各参数分别是向量，维度赋值，各维度名字序列

矩阵的索引
m[行, 列]：访问矩阵m位于该行列的元素，行列可以是数值型、字符串型，也可以是向量
m[-1, 2]：访问除了第一行的第二列元素

矩阵的运算
m+n，m-n：需要m，n行列数分别相同
colSums(m)，rowSums(m)：列和，行和
colMeans(m)，rowMeans(m)：列均值，行均值
m*n：矩阵内积，元素两两相乘，需要m，n行列数分别相同
m %*% n：矩阵外积
diag(m)：返回方阵的对角线元素
t(m)：转置

列表

向量只能存储一种数据类型，而列表的对象可以是任何数据结构，甚至列表本身
list()：生成列表
mlist <- list(first = a, second = b, third = c)：假设first, second, third是自定义的列名，a, b, c是自定义的变量。mlist是自定义的变量名
mlist[1]：访问第1个列表元素
mlist[c(1,2)]：访问第1~2列表元素
mlist[c("first", "second")]：通过名字访问这两个列表元素
mlist$first：访问列名为"first"的列表元素，输入mlist$就会自动弹出mlist含有的变量名

mlist[1]：列表第1个元素，类型是列表
mlist[[1]]：列表第一个元素的内容，类型是向量
class(x)：返回x的数据类型
mlist[[5]] <- iris：给列表赋值，注意2个方括号喔，iris是R内置数据

mlist <- mlist[-5] or mlist[[5]] <- NULL：删除列表第5个元素

数据框

数据框是一种表格式的数据结构。数据框旨在模拟数据集，与其他统计软件例如SAS或者SPSS中的数据集的概念一致。
数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。不同的行业对于数据集的行和列叫法不同。
数据框实际上是一个列表。列表中的元素是向量，这些向量构成数据框的列，每一列必须具有相同的长度，所以数据框是矩形结构，而且数据框的列必须命名。

创建数据框
state <- data.frame(state.name, state.abb, state.region, state.x77)：合成数据框，参数都是R内置数据向量
访问数据框 | 列表性质
state[1]：返回数据框的第1列，类型是列表
state[c(2,4)]：返回数据库的第2、4列
state[, "state.abb"] or state$state.abb：利用名字可以直接取出对应行列的元素
state[[1]]：返回数据框的第1列，类型是向量

访问数据框 | attach
attach(mtcars)：用attach()加载数据框mtcar之后，直接输入行列名就可以返回相应元素了，甚至连$符都不用
rownames(mtcars) / colnames(mtcars)：查询行列名
detach(mtcars)：退出数据框mtcars

访问数据框 | with
with(mtcars, {hp})：访问数据框mtcars的列名为hp的元素

因子 factor

变量分类：名义型，有序型，连续型
因子，在R中名义型变量和有序性变量称为因子。这些分类变量的可能值称为一个水平，例如有序型变量good, better, best，称为1个level。由这些水平值构成的向量就称为因子。
因子作用：分类，计算频数频率
table(mtcars$cyl)：频数统计，第1行为水平，第2行为频数
f <- factor(c("red", "red", "blue"))：创建因子
week <- factor(c("Mon", "Mon", "Fri", "Thu"), ordered = T, levels = c("Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"))：创建因子
cut(1:100, c(seq(0, 100, 10)))：有规律的分组

缺失数据

NA：not available，代表缺失值，用来存储缺失信息
在函数中添加na.rm = TURE表示跳过缺失值，注意这时候使用的数据数量已经减掉了NA个数
mean(x, na.rm = TURE)：跳过缺失值计算平均值
is.na(x)：识别缺失值，NA的位置返回TRUE，其他返回FALSE
na.omit(x)：x是向量，去掉数据集中的缺失值（多了一些属性信息）
na.omit(sleep)：sleep是数据集，去掉包含NA的行，但如果NA比较分散，那就删除掉太多数据了

is.nan(x)：识别NaN，不可能值
is.infinite(x)：识别Inf，无穷值

字符串

正则表达式：

nchar("Hello World")：返回向量中各个字符串的长度，空格也算字符
length(month.name)：返回向量中字符串的个数
paste("Everybody", "loves", "stats")：连接字符串，默认使用空格分隔
paste("Everybody", "loves", "stats", sep = "-")：连接字符串，自定义分隔符
paste(names, "love stats")：连接字符串，向量names中的元素分别连接
substr(x = month.name, start = 1, stop = 3)：提取字符串，提取出向量month.name中各元素前三个字符
toupper(temp)：把向量temp中的所有字符串转换为大写字母
tolower(temp)：把向量temp中的所有字符串转换为小写字母
gsub("^(\\w)", "\\U\1", tolower(temp), perl = T)：把向量temp中的所有字符串转换为小写字母，并设置首字母大写，U→L则得到首字母小写
grep("A+", x, fixed = T)：字符串匹配，在向量x中完全匹配A+，返回A+所在的位置，fixed用来控制是否使用正则表达式，很多字符串函数都有
match("AC", x)：字符串匹配，稍逊于grep()
strsplit(path, "/")：字符串分割，字符串path，分隔符/，返回一个列表
outer(c(1:12), month.name, FUN = paste, sep = "-")：字符串之间“笛卡尔积”，用paste表示方式为字符串连接，自定义分隔符

日期和时间

“ts”：time series时间序列，是一种数据类型，不是数据框的喔，包含Start、End、Frequency、Values
a <- "2017-01-01"：a是字符串
as.Date(a)：还是字符串
as.Date(a, format = "%Y-%m-%d")：类型转化为“Date”日期，format设置日期格式，参考strftime帮助文档
seq(as.Date("2017-01-01"), as.Date("2017-07-05"), by = 5)：以5天为间隔from 2017-01-01 to 2017-07-05的所有日期，自动认为是时间
sales <- round(runif(48, min=50, max=100))：生成随机数
ts(sales, start = c(2010,5), end = c(2014,4), frequency = 1)：frequency = 1,4,12分别表示按年、季度、月份的含义生成数据格式

获取数据

三种获取数据的途径：

1. 键盘输入数据；
2. 读取存储在外部文件上的数据；（R不擅长预处理，所以预处理后再用R）
3. 访问数据库系统来获取数据 。（RODBC包，提供通往各个数据库的接口）

【例】键盘输入数据

方法1：直接新建数据框

patientID <- c(1, 2, 3, 4)
admate <- c("10/15/2009", "11/01/2009", "10/21/2009", "10/28/2009")
age <- c(25, 34, 28, 52)
diabetes <- c("Type1", "Type2", "Type1", "Type1")
status <- c("Poor", "Improved", "Excellent", "Poor")
data <- data.frame(patientID, admate, age, diabetes, status)

方法2：初始化数据框后用edit函数，进行可视化输入

data2 <- data.frame(patientID = character(0), admate = character(0), 
					age = numeric(), diabetes = character(), status = character(0))
data2 <- edit(data2) # 然后会弹出一个表格，直接填入数据就可以，编辑完后直接关闭表格编辑器就行
fix(data2) # 同上一行，也可以直接对data2进行修改，也是自动保存

读入文件

分隔符：空格 – .txt；逗号 – .csv
help(package = "foreign")：查看读取不同文件的read.函数

1. 读入纯文本文件

x <- read.table("C:/user/input.txt")
head(x) # 截取文件前面几行数据
tail(x) # 截取文件后面几行数据
head(x, n=10) # 截取文件前面10行数据

2. 读入csv文件

x <- read.table("input.csv", sep = ",")

x <- read.table("input.txt", header = TRUE)：header表示是否把第一行当作变量名称
x <- read.table("input.txt", header = TRUE, skip = 5)：读取数据时跳过前面5行
x <- read.table("input.txt", header = TRUE, skip = 50, nrow = 200)：读取数据时跳过前面50行，且不超过前200行，即读取第51~200行

read.csv()：默认分隔符为逗号",“来读取
read.csv2()：默认分隔符为分号”;“来读取
read.delim()：默认分隔符为制表符”\t"来读取
read.fwf("fwf.txt", widths = c(2,3,4))：生成控制宽度的文件，看起来更整齐，widths给出所占宽度值

3. 读入网页文本文件

x <- read.table("网址", header = TRUE) # 其他参数都是一样的，就是把数据文件改成数据网址，R会把数据下载到本地

4. 读入网页非文本文件（但这不是R擅长的）

install.packages("XML")
library(XML) # 包里面的readHTMLTable可以读取网页中表格
readHTMLTable("网址", which = 3) # 该网址的第三个表格

5. 读入本地剪切板的内容

x <- read.table("clipboard", header = T, sep = "\t") # 方法1，clipboard剪切板
readClipboard() # 方法2，读取剪切板信息

6. 读入压缩文件

read.table(gzfile("input.gz")) # .gz压缩文件

7. 读入不标准格式的文件
   readLine("input.csv" , n = 5)：读入5行
   scan("scan.txt", what = list(numeric()))：numeric指定类型，括号里默认为0，表示读到末尾
   scan("scan.txt", what = list(character(3), numeric(0), numeric(0)))：括号里的3表示读该类型前三个

写入文件

1. 写入纯文本文件
   write()系列函数
   write.table(x, file = "C:/Users/documents/newfile.txt")
write.table(x, file = "C:/Users/documents/newfile.csv", sep = ",")：以逗号为分隔符，每个数据存放在单个单元格内；以空格为分隔符的话，内容则挤在一个单元格内。会把R中自动添上的行号也存进去，这时再read.table一下，在R里就变成两列行号了。
   write.table(x, file = "C:/Users/documents/newfile.csv", sep = ",", row.name = FALSE)：这样就不会把R自动添上的行号也写入文件了。
   创建同名文件时用参数append，表示是否加入已有文件，TRUE则加入到已有文件内容下方，FALSE则新建一个文件覆盖已有的同名文件。

2. 写入压缩文件
   write.table(mtcars, gzfile("newfile.txt.gz"))：最好把文件扩展名都写上

3. 其他
   help(package = "foreign")：查看foreign包里不同的读入写入格式

读写Excel文件

1. 将.xlsx文件另存为.csv文件，然后直接用read函数读入就行（如果Excel文件包含宏就不行了）
   read.table("mtcars.csv", header = T)
2. 将文件内容复制到剪贴板，直接用读取剪贴板的形式读入
   read.table("Clipboard", sep = "\t", header = T)
3. 使用专门的包，XLConnect（载入时会自动先配置适合Java的环境）
   vignette("XLConnect")查看介绍

读入

library("XLConnet")
ex <- loadWorkbook("data.xlsx") # 参数为（文件名）
readWorksheet(ex, 1) # 参数分别为（对象, 第1个工作表sheet1）。读取后直接保存为一个数据框
readWorksheet(ex, 1, startRow = 0, startCol = 0, endRow = 50, endCol = 3, header = T) # 读取部分内容
readWorksheetFromFile("data.xlsx", 1) # 是loadWorkbook和readWorksheet的结合体，参数分别为（文件名，第1个工作表sheet1）

写入
方法一：

wb <- loadWorkbook("file.xlsx", create = T) # create = T表示创建一个新文件
createSheet(wb, "Sheet1") # 在对象文件中创建一个新工作表，命名为Sheet1
writeWorksheet(wb, data = mtcars, sheet = "Sheet1") # 写入数据mtcars到对象文件的相应工作表Sheet1中
saveWorkbook(wb) # 保存对象

方法二：

writeWorksheetToFile("file.xlsx", data = iris, sheet = "Sheet1") # 一步到位

• 使用专门的包，xlsx

library(xlsx)
x <- read.xlsx("data.xlsx", 1, startRow = 1, endRow = 100) # 读入"data.xlsx"的sheet1
write.xlsx(x, file = "rdata.xlsx", sheetName = "Sheet1", append = T) # 写入x到"rdata.xlsx"的"Sheet1"，并设置为追加写入

读写R格式文件

优势：

1. 对存储为内部文件格式的数据进行自动压缩处理
2. 存储所有与待存储对象相关的R元数据（如果数据中包含因子、日期时间、类的属性等信），这些转换为其他文件就没有了

• RDS文件
  saveRDS(iris, file = "iris.RDS")：写入并存储，参数为（对象，文件名）
  readRDS("iris.RDS")：读入
• RData文件
  直接用工具栏打开
  load()函数载入，如果文件中有和工作区变量重名的，会直接覆盖，这个要注意
  所以载入RData文件之前最好对文件内容有所了解
  save(iris, iris3, file = "C:/Users/Desktop/iris.Rdata")：写入，把两组数据都保存到一个文件中
  save.image()：保存当前工作区所有对象，直接输这个命令即可

数据转换

is.data.frame(x)：判断数据对象x是否为数据框
dstate.x77 <- as.data.frame(state.x77)：强制转换为数据框。如果对象中有字符串也有数字，那么数字也会强行转换为字符串格式
methods(is) methods(as)：查看is函数/as函数包含的所有内容
Notes：并不是所有数据类型都可以互相强制转换，最方便的是向量，而向量可以转换为多种类型的数据。
例1：

x <- state.abb # 有50个数据
dim(x) <- c(5,10) # 将向量x定义在一个5*10二维空间
x <- state.abb
as.factor(x) # 将向量x变为因子类型
as.list(x) # 将向量x变为列表

例2：

state <- data.frame(x, state.region, state.x77) # 将向量x和其他两个构成一个数据框
state$Income # 取出数据框中一列，不适用于取行喔
state["Nevada", ] # 取出数据框中一行只能用这种一般的方式，别忘了逗号

例3：

y <- state["Nevada", ]
unname(y) # 去除列名
unlist(y) # 转换成向量

例4：数据太多，取子集

who <- read.csv("WHO.csv",header = T)
whol <- who[c(1:50),c(1:10)]
View(who1) # 用新标签页查看表格，更直观
who3 <- who[which(who$Continent = 7)] # 筛选出Continent项为7的行查看
who4 <- who[which(who$CountryID>50 & who$CountryID<=100)] # 筛选出CountryID项为介于50~100的行查看
who4 <- subset(who, who$CountryID>50 & who$CountryID<=100) # 使用subset筛选更方便
x <- 1:100
sample(x, 30) # 使用sample函数进行随机抽样
sample(x, 60, replace = T) # 使用sample函数进行随机有放回抽样
sort(sample(x, 60, replace = T)) # 在sample结果的基础上排序
mtcars[-1:-5,] # 删除1~5列

例5：合并数据

data.frame(USArrests,state.division) # 在数据框USArrests加一列state.division
cbind(USArrests,state.division) # 合并列

data1 <- head(USArrests,20)
data2 <- tail(USArrests,20)
rbind(data1,data2) # 合并行，但要求要有相同的列数、列名才可以合并，重复行会保留而不删除

duplicated(data4) # 返回是否为重复数据
data4[duplicated(data4), ] # 取出重复的部分，只取其一
data4[!duplicated(data4), ] # 取出非重复的部分
unique(data4) # 直接把重复的数据去除，只取其一

例6：转置数据框 t(…)

t(mtcars) # 转置矩阵
rev(letters) # 翻转向量

rownames(women) # 提取行名，这里是1~15序号
rev(rowname(women)) # 翻转提取的行名
women[rev(rowname(women)), ] # 按照翻转提取的行名进行索引，得到数据框women上下翻转了

例7：修改数据框中的值

women$height*2.54 # 把height列各数据乘2.54
data.frame(women$height*2.54, women$weight) # 重新组合数据框，可行但低效

transform(women, height=height*2.54) # 使用函数transform直接修改，若用已有列名的话会覆盖原数据
transform(women, cm=height*2.54) # 直接在原有数据基础上新增一列cm列

例8：数据框排序

sort(rivers) # 数字默认从小到大顺序排序
sort(state.name) # 单词默认从首字母依次排序
rev(sort(rivers)) # 加上rev函数按相反方向排序
### sort函数只能对向量排序，不能对数据框进行排序，但是可以变通一下
mtcars[sort(rownames(mtcars)), ] # 将数据框mtcars按列名排序

order(rivers) # 返回对应值从小到大排序后在第几位
mtcars[order(mtcars$mpg), ] # 将数据框mtcars按mpg列数值从小到大排序
mtcars[order(-mtcars$mpg), ] # 将数据框mtcars按mpg列数值从大到小排序（加负号后全部变成负数，从小到大排序之后输出，但输出的是相应位置的原始数据，所以就变成从大到小排序了）

mtcars[order(mtcars$mpg,mtcars$disp), ] # 在mpg列数值相同的情况下，按disp列数值从小到大排序

?rank

例9：对行或列进行运算

worldPhones <- as.data.frame(worldPhone) # 转换为数据框
rs <- rowSums(worldPhones) # 按行求和
cm <- colMeans(worldPhones) # 按列求平均
total <- cbind(worldPhones,Total = rs) # 将各行总和添加到最后一列，列名为Total
rbind(total,Mean = cm) # 将各列平均值添加到最后一行，行名为Mean

apply(worldPhones,MARGIN=1,FUN=sum) # 按行求和
apply(worldPhones,MARGIN=2,FUN=mean) # 按列求平均
### apply适用于数据框或矩阵

lapply(state.center,FUN=length) # 适用于列表，计算列表的长度，返回列表
sapply(state.center,FUN=length) # 计算列表的长度，返回向量
tapply(state.name,division,FUN=length) # 统计state.name下各数据的division个数，返回向量

数据中心化，是指数据集中的各项数据减去数据集的均值。
x-mean(x)
数据标准化，是指在中心化之后在除以数据集的标准差，即数据集中的各项数据减去数据集的均值再除以数据集的标准差。
(x-mean(x))/sd(x)

scale(state, center = T, scale = T) # center--是否中心化，scale--是否标准化

数据转换 - reshape2包

如果不用reshape2包解决“按照某项合并”的问题：

x <- data.frame(k1 = c(NA,NA,3,4,5), k2 = c(1,NA,NA,4,5), data = 1:5)
y <- data.frame(k1 = c(NA,2,NA,4,5), k2 = c(NA,NA,3,4,5), data = 1:5)
merge(x,y,by="k1") # 根据k1进行合并
merge(x,y,by="k2",incomparables = NA) # 根据k2进行合并，并丢掉k2项为NA的情况
merge(x,y,by=c("k1","k2")) # 根据k1和k2进行合并

准备reshape2包：

install.packages("reshape2") # 安装
library(reshape2) # 载入
help(package = "reshape2")

melt：对宽数据进行处理，得到长数据 – 类似于数据透视表的原表

names(airquality) <- tolower(names(airquality)) # 为方便演示，将列名改成小写
aql <- melt(airquality) # 依次列出列名与值，按列读取
aql <- melt(airquality, id.vars = c("month","day")) # 按时间顺序依次列出列名与值，按列读取

cast：对长数据进行处理，得到宽数据 – 类似于数据透视表

aqw <- dcast(aql,month +day ~variable)

数据转换 - tidyr包

准备tidyr包：

install.packages(c("tidyr")) # tidy干净整洁
library(tidyr)

例1：列的扩宽与恢复

tdata <- mtcars[1:10,1:3]
tdata <- data.frame(names = rownames(tdata),tdata)

gdata <- gather(tdata, key = "Key", value = "Value", cyl, disp, mpg) # 列转换
gdata <- gather(tdata, key = "Key", value = "Value", 2:4) # 列转换，和上式结果一样
spread(gdata, key = "Key", value = "Value") # 列转换，回到了tdata的格式
# key：设置需要扩宽的类别变量；value：设置需要扩宽的变量的度量值

例2：列的拆分与连接

df <- data.frame(x=c(NA,"a.b","a.d","b.c"))
x <- separate(df,col=x,into=c("A","B")) # 拆分，默认以.为分隔符

df <- data.frame(x=c(NA,"a.b-b","a-d","b-c"))
x <- separate(df,col=x,into=c("A","B")，sep="-") # 拆分，设置以连字符-为分隔符

unite(x,col="AB",A,B,sep="-") # 连接，设置以连字符-为分隔符

数据转换 - dplyr包

非常强大，前面很多数据转换的操作都能实现
准备dplyr包：

install.packages(c("dplyr"))
library(dplyr)

dplyr::filter(iris,Sepal.Length>7) ：过滤掉小于等于7的
dplyr::distinct(rbind(iris[1:10,],iris[1:15,]))：去除重复的
dplyr::slice(iris,10:15)：切片，取出数据任意行
dplyr::sample_n(iris,10)：随机取样，随机抽10行
dplyr::sample_frac(iris,0.1)：按0.1比例随机取样
dplyr::arrange(iris,Sepal.Length)：排序，按Sepal.Length从小到大排序
dplyr::arrange(iris,desc(Sepal.Length))：排序，按Sepal.Length从大到小排序，descend降序
select()：查找，比如：含有某些固定字符、只知道开头结尾的字符…
summarise(iris,avg=mean(Spal.Length))：统计函数
dplyr::group_by(iris,Spacies)：分组，根据Spacies这一列给iris分组
iris %>% group_by(Spacies)：使用管道符%>%，效果同上
iris %>% group_by(Spacies) %>% summaries(avg=mean(Sepal.Width))：对iris分组后统计
iris %>% group_by(Spacies) %>% summaries(avg=mean(Sepal.Width)) %>% arrange(avg)：统计后排序
dplyr::mutate(iris,new=Sepal.Length+Petal.Length)：加入新列

例1：列连接

a <- data.frame(x1=c("A","B","C"), x2=c(1,2,3))
b <- data.frame(x1=c("A","B","D"), x3=c(T,F,T))
dplyr::left_join(a,b,by="x1") # 左连接
dplyr::right_join(a,b,by="x1") # 右连接
dplyr::full_join(a,b,by="x1") # 全连接，取并集
dplyr::semi_join(a,b,by="x1") # 内连接，取交集
dplyr::anti_join(a,b,by="x1") # 取交集的补集

first <- slice(mtcars, 1:20) # 取出前二十行，但不包含行名
mtcars <- mutate(mtcars, Model=rownames(mtcars)) # 先添加一列
first <- slice(mtcars, 1:20) # 取出前二十行
second <- slice(mtcars, 10:30) # 取出前二十行

intersect(first,second) ：取交集
dplyr::union_all(first,second) ：取并集
dplyr::union(first,second)：取非冗余的并集
setdiff(first,second)：取second在first的补集，即first中去除second后剩下的
setdiff(second,first)：取first在second的补集