清除单个变量使用 rm() 函数,清除内存中所有的变量:
rm(list=ls())
合并字符串
data<-"4分50秒"
data<-paste("网站停留时间:","3小时",data,sep="")
分割字符串
unlist(strsplit(<字符串>,split=<分割符>))函数
创建向量和矩阵 =与<-区别:=是传值,<-是赋值
c(), length(), mode(), rbind()#行, cbind()
求平均值,和,连乘,最值,方差,标准差 帮助help(函数名) help(matrix)
mean(), sum(), min(), max(), var()#方差, sd()#标准差, prod()#将传入的数值连乘
中位数 median() 百分位数quantile()
五数计算(中位数,下四分位数,上四分位数,最小值,最大值)fivenum()
产生向量
x=c(1:100) 1:10-1每项减一 1:10*2 每项乘2 2:60*2+1 每项乘2加1 x[5]显示第5项x[1:5] x[-5]显示除第5项其他所有项x[-(1:5)] x[x<20&x>5] x[x[5]]第5项的数值
seq()函数 Which()函数
seq(5,20) seq(5,20,by=2) 5-20公差为2 seq(5,20,length=6) 5-20长度为6自动算公差
产生字母序列letters[] letters[1:26]
Which()函数
x<-c(1,2,3,4,5) x[which(x==2)] x[which.max(x)] which.min(x) x[which(x>2)]
rev()函数,向量颠倒 x<-c(2,5,1,3) rev(x) 3 1 5 2
sort( )函数排序 sort(x) 1 2 3 5
生成矩阵 矩阵函数matrix() 可简写matrix(x,n,n)
x<-c(1:12) matrix(x,nrow=3)形成3行的矩阵(默认按列排) matrix(x,ncol=4)形成4列的矩阵 按行排列matrix(d,ncol=7,byrow = TRUE)
matrix(x,nrow=3,ncol=4) 形成3行4列的矩阵 matrix(x,nrow=3,ncol=4,byrow=T)按行排列下去
函数t() t(矩阵)将矩阵转置
矩阵相乘a%*%b,加减a+b a-b
函数diag() diag(矩阵)取矩阵对角线的数diag(a) diag(向量)对角线矩阵diag(c(1:4)) diag(4)生成4阶单位矩阵
矩阵求逆,函数solve()
解方程组 ax=b x<-solve(a,b)
求矩阵特征值与特征向量eigen()
a=diag(4)+1 a.e=eigen(a,symmtric=T) 特征值a.e$values 特征向量a.e$vectors
判别x类型 is.vector(x) is.array(x) is.matrix(x)
数据框 x1=c(1:20) x2=c(21:40) x=data.frame(x1,x2)
画散点图 plot()
读R脚本 source("D:/H.r")
输出 print()
正态分布函数rnorm( ) rnorm(100,mean=80,sd=7)
泊松分布函数rpois( ) 见R分布函数图片
指数分布函数rexp( )
Gamma分布函数rgamma( )
均匀分布函数runif( ) runif(100,min=80,max=100)
二项分布函数rbinom( )
几何分布函数rgeom( )
求均值 函数mean( ), colMeans( ), apply( )
colMeans(x)[c("x1","x2")] apply(x,2,mean)求列的均值2是列 1是行apply(x,1,max)
num=seq(10378001,10378100)
x1=round(runif(100,min=80,max=100))
x2=round(rnorm(100,mean=80,sd=7))
x3=round(rnorm(100,mean=83,sd=18))
x3[which(x3>100)]=100
x=data.frame(num,x1,x2,x3)
直方图 hist(x$x1)
散点图绘制函数 plot(x1,x2) plot(x$x1,x$x2)
列联函数 table(x$x1)
柱状图 barplot(table(x$x1))
饼图 pie(table(x$x1))
箱尾图 boxplot(x$x1,x$x2,x$x3)
箱线图 boxplot(x[2:4],col=c("red","green","blue"),notch=T)
水平放置的箱尾图 boxplot(x[2:4],col=c("red","green","blue"),horizontal=T)
星相图 stars(x[c("x1","x2","x3")])
QQ图 判断是否符合正态分布 > qqnorm(x1) > qqline(x1)
茎叶图 stem(x$x1)
散点图的进一步设置 plot(x$x1,x$x2,main="数学分析与线性代数成绩的关系",xlab="数学分析",ylab="线性代数",
xlim=c(0,100),#横坐标区间
ylim=c(0,100),#纵坐标区间
xaxs="i",#Set x axis style as internal 使用内置属性
yaxs="i",#Set y axis style as internal
col="red", #Set the color of plotting symbol to red 颜色
pch=19) #Set the plotting symbol to filled dots 形状
连线图 plot(x$x1,x$x2,type="l") x$x1横坐标数组x$x2纵坐标数组
多条曲线的效果 plot(rain$Tokyo,type="l",col="red", ylim=c(0,300), main="Monthly Rainfall in major cities", xlab="Month of Year", ylab="Rainfall (mm)", lwd=2)
lines(rain$NewYork,type="l",col="blue",lwd=2)
lines(rain$London,type="l",col="green",lwd=2)
密度图 plot(density(rnorm(1000)))
函数data( )列出内置数据 data("cars")
散点图集 data("iris") pairs(iris[,1:4]) plot(iris[,1:4])
向日葵散点图 sunflowerplot(iris[, 3:4], col = "gold", seg.col = "gold")
利用par( )在同一个device输出多个散点图 par(mfrow=c(3,1)) plot(x1,x2); plot(x2,x3);plot(x3,x1);
绘图参数 colors()
绘图设备 dev.new() .....
正态性检测 shapiro.test()
协方差 cov(x,y) 相关系数 cor(x,y) cor.test(x,y) 相关系数越接近1,x与y越相关
x[is.na(x)]=0替换缺失值为0
数据框排序
y[order(y[,2],decreasing=F),] 逆序从大到小
y[order(y[,2],decreasing=T),] 顺序从小到大
数据结构
一、数据管理
vector:向量
numeric:数值型向量
logical:逻辑型向量
character;字符型向量
list:列表
data.frame:数据框
c:连接为向量或列表
length:求长度
subset:求子集
seq,from:to,sequence:等差序列
rep:重复
NA:缺失值
NULL:空对象
sort,order,unique去重,rev:排序
unlist:展平列表
attr,attributes:对象属性
mode,typeof:对象存储模式与类型
names:对象的名字属性
二、字符串处理
character:字符型向量
nchar:字符数
substr:取子串
format,format C:把对象用格式转换为字符串
paste,strsplit:连接或拆分
charmatch,pmatch:字符串匹配
grep,sub,gsub:模式匹配与替换
三、复数
complex,Re,Im,Mod,Arg,Conj:复数函数
四、因子
factor:因子
codes:因子的编码
levels:因子的各水平的名字
nlevels:因子的水平个数
cut:把数值型对象分区间转换为因子
table:交叉频数表
split:按因子分组
aggregate:计算各数据子集的概括统计量
tapply:对“不规则”数组应用函数
数学相关计算
一、计算
+, -, *, /, ^, %%, %/%:四则运算
ceiling,floor向下 ,round,signif,trunc,zapsmall:舍入
max,min,pmax,pmin:最大最小值
range:最大值和最小值
sum,prod:向量元素和积
cumsum,cumprod,cummax,cummin:累加、累乘
sort:排序
approx和approx fun:插值
diff:差分
sign:符号函数
二、数学函数
abs,sqrt:绝对值,平方根
log, exp, log10, log2:对数与指数函数
sin,cos,tan,asin,acos,atan,atan2:三角函数
sinh,cosh,tanh,asinh,acosh,atanh:双曲函数
beta,lbeta,gamma,lgamma,digamma,trigamma,tetragamma,pentagamma,choose ,lchoose:与贝塔函数、伽玛函数、组合数有关的特殊函数
fft,mvfft,convolve:富利叶变换及卷积
polyroot:多项式求根
poly:正交多项式
spline,splinefun:样条差值
besselI,besselK,besselJ,besselY,gammaCody:Bessel函数
deriv:简单表达式的符号微分或算法微分
三、数组
array:建立数组
matrix:生成矩阵
data.matrix:把数据框转换为数值型矩阵
lower.tri:矩阵的下三角部分
mat.or.vec:生成矩阵或向量 t:矩阵转置
cbind:把列合并为矩阵
rbind:把行合并为矩阵
diag:矩阵对角元素向量或生成对角矩阵
aperm:数组转置
nrow, ncol:计算数组的行数和列数
dim:对象的维向量
dimnames:对象的维名
row/colnames:行名或列名
%*%:矩阵乘法
crossprod:矩阵交叉乘积(内积)
outer:数组外积
kronecker:数组的Kronecker积
apply:对数组的某些维应用函数
tapply:对“不规则”数组应用函数
sweep:计算数组的概括统计量
aggregate:计算数据子集的概括统计量
scale:矩阵标准化
matplot:对矩阵各列绘图
cor:相关阵或协差阵
Contrast:对照矩阵
row:矩阵的行下标集
col:求列下标集
四、线性代数
solve:解线性方程组或求逆
eigen:矩阵的特征值分解
svd:矩阵的奇异值分解
backsolve:解上三角或下三角方程组
chol:Choleski分解
qr:矩阵的QR分解
chol2inv:由Choleski分解求逆
五、逻辑运算
<,>,<=,>=,==,!=:比较运算符
!,&,&&,|,||,xor():逻辑运算符
logical:生成逻辑向量
all,any:逻辑向量都为真或存在真
ifelse():二者择一
match,%in%:查找
unique:找出互不相同的元素 去重
which:找到真值下标集合
duplicated:找到重复元素
六、优化及求根
optimize,uniroot,polyroot:一维优化与求根
程序设计
一、控制结构
if,else,ifelse,switch:分支
for,while,repeat,break,next:循环
apply,lapply,sapply,tapply,sweep:替代循环的函数。
二、函数方面
function:函数定义
source:调用文件
call:函数调用
.C,.Fortran:调用C或者Fortran子程序的动态链接库
Recall:递归调用
browser,debug,trace,traceback:程序调试
options:指定系统参数
missing:判断虚参是否有对应实参
nargs:参数个数 stop:终止函数执行
on.exit:指定退出时执行
eval,expression:表达式计算
system.time:表达式计算计时
invisible:使变量不显示
menu:选择菜单(字符列表菜单)
其它与函数有关的还有:delay,delete.response,deparse,do.call,dput,environment ,,formals,format.info,interactive,
is.finite,is.function,is.language,is.recursive ,match.arg,match.call,match.fun,model.extract,name,parse,substitute,sys.parent ,warning,machine
三、输入输出
cat,print:显示对象
sink:输出转向到指定文件
dump,save,dput,write:输出对象
scan,read.table,load,dget:读入
四、工作环境
ls,objects:显示对象列表
rm, remove:删除对象
q,quit:退出系统
.First,.Last:初始运行函数与退出运行函数。
options:系统选项
?,help,help.start,apropos:帮助功能
data:列出数据集
统计分析
一、计分布
每一种分布有四个函数:d――density(密度函数),p――分布函数,q――分位数函数,r――随机数函数。
比如,正态分布的这四个函数为dnorm,pnorm,qnorm,rnorm
列出各分布后缀,前面加前缀d、p、q或r就构成函数名:
norm:正态
t:t分布
f:F分布
chisq:卡方(包括非中心)
unif:均匀
exp:指数
weibull:威布尔
gamma:伽玛
beta:贝塔
lnorm:对数正态
logis:逻辑分布
cauchy:柯西
binom:二项分布
geom:几何分布
hyper:超几何
nbinom:负二项
pois:泊松
signrank:符号秩,
wilcox:秩和
tukey:学生化极差
二、简单统计量
sum, mean, var, sd, min, max, range, median, IQR(四分位间距)等为统计量
sort,order,rank与排序有关,其它还有ave,fivenum,mad,quantile,stem等
三、统计检验
R中已实现的有chisq.test,prop.test,t.test
四、多元分析
cor,cov.wt,var:协方差阵及相关阵计算
biplot,biplot.princomp:多元数据biplot图
cancor:典则相关
princomp:主成分分析
hclust:谱系聚类
kmeans:k-均值聚类
cmdscale:经典多维标度 其它有dist,mahalanobis,cov.rob
五、时间序列
ts:时间序列对象
diff:计算差分
time:时间序列的采样时间
window:时间窗
六、统计模型
lm,glm,aov:线性模型、广义线性模型、方差分析
文件操作
一、文件执行:
在用R生成一个PDF文档后,如果想去打开它,你可能会在文件夹里找到再点开。再或者我们想调用系统中的其它程序来做点事情,可能要打开cmd敲点命令。实际上这都可以在R内部完成。举例来说用pandoc转换na.md成docx再打开它。
system('pandoc d:\\rspace\\na.md -o d:\\rspace\\na.docx')
shell.exec('d:\\rspace\\na.docx')
二、 网络浏览:
browseURL:浏览某个指定的网页
download.file:下载网络文件到本地
三、文件操作
dir.create:新建一个文件夹
list.dirs:显示目录下的文件夹
list.files:显示目录下的文档
file.create:文档创建
file.exists:判断文档是否存在
file.remove:文档删除
file.rename:重命名
file.append:文档添加
file.copy:文档复制
file.symlink(from, to)
file.show:显示文档内容
file.info:显示文档信息
file.edit:编辑文档
zip: 压缩文件
unzip: 解压缩文件
四、 运算进度条
在一个大循环运算时,如果可以看到目前的进度是比较方便的,txtProgressBar和setTxtProgressBar函数可以帮助做到这一点
library(stringr)
用stringr包处理字符串
# 合并字符串
fruit <- c("apple","banana","pear","pinapple")
res <- str_c(1:4,fruit,sep=' ',collapse=' ')
str_c('I want to buy ',res,collapse=' ')
# 计算字符串长度
str_length(c("i","like","programming R",123,res))
# 按位置取子字符串
str_sub(fruit,1,3)
# 子字符串重新赋值
capital <-toupper(str_sub(fruit,1,1))
str_sub(fruit,rep(1,4),rep(1,4))<- capital
# 重复字符串
str_dup(fruit,c(1,2,3,4))
# 加空白
str_pad(fruit,10,"both")
# 去除空白
str_trim(fruit)
# 根据正则表达式检验是否匹配
str_detect(fruit,"a$")
str_detect(fruit,"[aeiou]")
# 找出匹配的字符串位置
str_locate(fruit,"a")
# 提取匹配的部分
str_extract(fruit,"[a-z]+")
str_match(fruit,"[a-z]+")
# 替换匹配的部分
str_replace(fruit,"[aeiou]","-")
# 分割
str_split(res," ")
library(stringr)
str_c(str_sub(x, 1, 4),str_sub(x, 5, 6),str_sub(x, 7, 8),sep='-')
rm(list=ls())
合并字符串
data<-"4分50秒"
data<-paste("网站停留时间:","3小时",data,sep="")
分割字符串
unlist(strsplit(<字符串>,split=<分割符>))函数
创建向量和矩阵 =与<-区别:=是传值,<-是赋值
c(), length(), mode(), rbind()#行, cbind()
求平均值,和,连乘,最值,方差,标准差 帮助help(函数名) help(matrix)
mean(), sum(), min(), max(), var()#方差, sd()#标准差, prod()#将传入的数值连乘
中位数 median() 百分位数quantile()
五数计算(中位数,下四分位数,上四分位数,最小值,最大值)fivenum()
产生向量
x=c(1:100) 1:10-1每项减一 1:10*2 每项乘2 2:60*2+1 每项乘2加1 x[5]显示第5项x[1:5] x[-5]显示除第5项其他所有项x[-(1:5)] x[x<20&x>5] x[x[5]]第5项的数值
seq()函数 Which()函数
seq(5,20) seq(5,20,by=2) 5-20公差为2 seq(5,20,length=6) 5-20长度为6自动算公差
产生字母序列letters[] letters[1:26]
Which()函数
x<-c(1,2,3,4,5) x[which(x==2)] x[which.max(x)] which.min(x) x[which(x>2)]
rev()函数,向量颠倒 x<-c(2,5,1,3) rev(x) 3 1 5 2
sort( )函数排序 sort(x) 1 2 3 5
生成矩阵 矩阵函数matrix() 可简写matrix(x,n,n)
x<-c(1:12) matrix(x,nrow=3)形成3行的矩阵(默认按列排) matrix(x,ncol=4)形成4列的矩阵 按行排列matrix(d,ncol=7,byrow = TRUE)
matrix(x,nrow=3,ncol=4) 形成3行4列的矩阵 matrix(x,nrow=3,ncol=4,byrow=T)按行排列下去
函数t() t(矩阵)将矩阵转置
矩阵相乘a%*%b,加减a+b a-b
函数diag() diag(矩阵)取矩阵对角线的数diag(a) diag(向量)对角线矩阵diag(c(1:4)) diag(4)生成4阶单位矩阵
矩阵求逆,函数solve()
解方程组 ax=b x<-solve(a,b)
求矩阵特征值与特征向量eigen()
a=diag(4)+1 a.e=eigen(a,symmtric=T) 特征值a.e$values 特征向量a.e$vectors
判别x类型 is.vector(x) is.array(x) is.matrix(x)
数据框 x1=c(1:20) x2=c(21:40) x=data.frame(x1,x2)
画散点图 plot()
读R脚本 source("D:/H.r")
输出 print()
正态分布函数rnorm( ) rnorm(100,mean=80,sd=7)
泊松分布函数rpois( ) 见R分布函数图片
指数分布函数rexp( )
Gamma分布函数rgamma( )
均匀分布函数runif( ) runif(100,min=80,max=100)
二项分布函数rbinom( )
几何分布函数rgeom( )
求均值 函数mean( ), colMeans( ), apply( )
colMeans(x)[c("x1","x2")] apply(x,2,mean)求列的均值2是列 1是行apply(x,1,max)
num=seq(10378001,10378100)
x1=round(runif(100,min=80,max=100))
x2=round(rnorm(100,mean=80,sd=7))
x3=round(rnorm(100,mean=83,sd=18))
x3[which(x3>100)]=100
x=data.frame(num,x1,x2,x3)
直方图 hist(x$x1)
散点图绘制函数 plot(x1,x2) plot(x$x1,x$x2)
列联函数 table(x$x1)
柱状图 barplot(table(x$x1))
饼图 pie(table(x$x1))
箱尾图 boxplot(x$x1,x$x2,x$x3)
箱线图 boxplot(x[2:4],col=c("red","green","blue"),notch=T)
水平放置的箱尾图 boxplot(x[2:4],col=c("red","green","blue"),horizontal=T)
星相图 stars(x[c("x1","x2","x3")])
QQ图 判断是否符合正态分布 > qqnorm(x1) > qqline(x1)
茎叶图 stem(x$x1)
散点图的进一步设置 plot(x$x1,x$x2,main="数学分析与线性代数成绩的关系",xlab="数学分析",ylab="线性代数",
xlim=c(0,100),#横坐标区间
ylim=c(0,100),#纵坐标区间
xaxs="i",#Set x axis style as internal 使用内置属性
yaxs="i",#Set y axis style as internal
col="red", #Set the color of plotting symbol to red 颜色
pch=19) #Set the plotting symbol to filled dots 形状
连线图 plot(x$x1,x$x2,type="l") x$x1横坐标数组x$x2纵坐标数组
多条曲线的效果 plot(rain$Tokyo,type="l",col="red", ylim=c(0,300), main="Monthly Rainfall in major cities", xlab="Month of Year", ylab="Rainfall (mm)", lwd=2)
lines(rain$NewYork,type="l",col="blue",lwd=2)
lines(rain$London,type="l",col="green",lwd=2)
密度图 plot(density(rnorm(1000)))
函数data( )列出内置数据 data("cars")
散点图集 data("iris") pairs(iris[,1:4]) plot(iris[,1:4])
向日葵散点图 sunflowerplot(iris[, 3:4], col = "gold", seg.col = "gold")
利用par( )在同一个device输出多个散点图 par(mfrow=c(3,1)) plot(x1,x2); plot(x2,x3);plot(x3,x1);
绘图参数 colors()
绘图设备 dev.new() .....
正态性检测 shapiro.test()
协方差 cov(x,y) 相关系数 cor(x,y) cor.test(x,y) 相关系数越接近1,x与y越相关
x[is.na(x)]=0替换缺失值为0
数据框排序
y[order(y[,2],decreasing=F),] 逆序从大到小
y[order(y[,2],decreasing=T),] 顺序从小到大
数据结构
一、数据管理
vector:向量
numeric:数值型向量
logical:逻辑型向量
character;字符型向量
list:列表
data.frame:数据框
c:连接为向量或列表
length:求长度
subset:求子集
seq,from:to,sequence:等差序列
rep:重复
NA:缺失值
NULL:空对象
sort,order,unique去重,rev:排序
unlist:展平列表
attr,attributes:对象属性
mode,typeof:对象存储模式与类型
names:对象的名字属性
二、字符串处理
character:字符型向量
nchar:字符数
substr:取子串
format,format C:把对象用格式转换为字符串
paste,strsplit:连接或拆分
charmatch,pmatch:字符串匹配
grep,sub,gsub:模式匹配与替换
三、复数
complex,Re,Im,Mod,Arg,Conj:复数函数
四、因子
factor:因子
codes:因子的编码
levels:因子的各水平的名字
nlevels:因子的水平个数
cut:把数值型对象分区间转换为因子
table:交叉频数表
split:按因子分组
aggregate:计算各数据子集的概括统计量
tapply:对“不规则”数组应用函数
数学相关计算
一、计算
+, -, *, /, ^, %%, %/%:四则运算
ceiling,floor向下 ,round,signif,trunc,zapsmall:舍入
max,min,pmax,pmin:最大最小值
range:最大值和最小值
sum,prod:向量元素和积
cumsum,cumprod,cummax,cummin:累加、累乘
sort:排序
approx和approx fun:插值
diff:差分
sign:符号函数
二、数学函数
abs,sqrt:绝对值,平方根
log, exp, log10, log2:对数与指数函数
sin,cos,tan,asin,acos,atan,atan2:三角函数
sinh,cosh,tanh,asinh,acosh,atanh:双曲函数
beta,lbeta,gamma,lgamma,digamma,trigamma,tetragamma,pentagamma,choose ,lchoose:与贝塔函数、伽玛函数、组合数有关的特殊函数
fft,mvfft,convolve:富利叶变换及卷积
polyroot:多项式求根
poly:正交多项式
spline,splinefun:样条差值
besselI,besselK,besselJ,besselY,gammaCody:Bessel函数
deriv:简单表达式的符号微分或算法微分
三、数组
array:建立数组
matrix:生成矩阵
data.matrix:把数据框转换为数值型矩阵
lower.tri:矩阵的下三角部分
mat.or.vec:生成矩阵或向量 t:矩阵转置
cbind:把列合并为矩阵
rbind:把行合并为矩阵
diag:矩阵对角元素向量或生成对角矩阵
aperm:数组转置
nrow, ncol:计算数组的行数和列数
dim:对象的维向量
dimnames:对象的维名
row/colnames:行名或列名
%*%:矩阵乘法
crossprod:矩阵交叉乘积(内积)
outer:数组外积
kronecker:数组的Kronecker积
apply:对数组的某些维应用函数
tapply:对“不规则”数组应用函数
sweep:计算数组的概括统计量
aggregate:计算数据子集的概括统计量
scale:矩阵标准化
matplot:对矩阵各列绘图
cor:相关阵或协差阵
Contrast:对照矩阵
row:矩阵的行下标集
col:求列下标集
四、线性代数
solve:解线性方程组或求逆
eigen:矩阵的特征值分解
svd:矩阵的奇异值分解
backsolve:解上三角或下三角方程组
chol:Choleski分解
qr:矩阵的QR分解
chol2inv:由Choleski分解求逆
五、逻辑运算
<,>,<=,>=,==,!=:比较运算符
!,&,&&,|,||,xor():逻辑运算符
logical:生成逻辑向量
all,any:逻辑向量都为真或存在真
ifelse():二者择一
match,%in%:查找
unique:找出互不相同的元素 去重
which:找到真值下标集合
duplicated:找到重复元素
六、优化及求根
optimize,uniroot,polyroot:一维优化与求根
程序设计
一、控制结构
if,else,ifelse,switch:分支
for,while,repeat,break,next:循环
apply,lapply,sapply,tapply,sweep:替代循环的函数。
二、函数方面
function:函数定义
source:调用文件
call:函数调用
.C,.Fortran:调用C或者Fortran子程序的动态链接库
Recall:递归调用
browser,debug,trace,traceback:程序调试
options:指定系统参数
missing:判断虚参是否有对应实参
nargs:参数个数 stop:终止函数执行
on.exit:指定退出时执行
eval,expression:表达式计算
system.time:表达式计算计时
invisible:使变量不显示
menu:选择菜单(字符列表菜单)
其它与函数有关的还有:delay,delete.response,deparse,do.call,dput,environment ,,formals,format.info,interactive,
is.finite,is.function,is.language,is.recursive ,match.arg,match.call,match.fun,model.extract,name,parse,substitute,sys.parent ,warning,machine
三、输入输出
cat,print:显示对象
sink:输出转向到指定文件
dump,save,dput,write:输出对象
scan,read.table,load,dget:读入
四、工作环境
ls,objects:显示对象列表
rm, remove:删除对象
q,quit:退出系统
.First,.Last:初始运行函数与退出运行函数。
options:系统选项
?,help,help.start,apropos:帮助功能
data:列出数据集
统计分析
一、计分布
每一种分布有四个函数:d――density(密度函数),p――分布函数,q――分位数函数,r――随机数函数。
比如,正态分布的这四个函数为dnorm,pnorm,qnorm,rnorm
列出各分布后缀,前面加前缀d、p、q或r就构成函数名:
norm:正态
t:t分布
f:F分布
chisq:卡方(包括非中心)
unif:均匀
exp:指数
weibull:威布尔
gamma:伽玛
beta:贝塔
lnorm:对数正态
logis:逻辑分布
cauchy:柯西
binom:二项分布
geom:几何分布
hyper:超几何
nbinom:负二项
pois:泊松
signrank:符号秩,
wilcox:秩和
tukey:学生化极差
二、简单统计量
sum, mean, var, sd, min, max, range, median, IQR(四分位间距)等为统计量
sort,order,rank与排序有关,其它还有ave,fivenum,mad,quantile,stem等
三、统计检验
R中已实现的有chisq.test,prop.test,t.test
四、多元分析
cor,cov.wt,var:协方差阵及相关阵计算
biplot,biplot.princomp:多元数据biplot图
cancor:典则相关
princomp:主成分分析
hclust:谱系聚类
kmeans:k-均值聚类
cmdscale:经典多维标度 其它有dist,mahalanobis,cov.rob
五、时间序列
ts:时间序列对象
diff:计算差分
time:时间序列的采样时间
window:时间窗
六、统计模型
lm,glm,aov:线性模型、广义线性模型、方差分析
文件操作
一、文件执行:
在用R生成一个PDF文档后,如果想去打开它,你可能会在文件夹里找到再点开。再或者我们想调用系统中的其它程序来做点事情,可能要打开cmd敲点命令。实际上这都可以在R内部完成。举例来说用pandoc转换na.md成docx再打开它。
system('pandoc d:\\rspace\\na.md -o d:\\rspace\\na.docx')
shell.exec('d:\\rspace\\na.docx')
二、 网络浏览:
browseURL:浏览某个指定的网页
download.file:下载网络文件到本地
三、文件操作
dir.create:新建一个文件夹
list.dirs:显示目录下的文件夹
list.files:显示目录下的文档
file.create:文档创建
file.exists:判断文档是否存在
file.remove:文档删除
file.rename:重命名
file.append:文档添加
file.copy:文档复制
file.symlink(from, to)
file.show:显示文档内容
file.info:显示文档信息
file.edit:编辑文档
zip: 压缩文件
unzip: 解压缩文件
四、 运算进度条
在一个大循环运算时,如果可以看到目前的进度是比较方便的,txtProgressBar和setTxtProgressBar函数可以帮助做到这一点
library(stringr)
用stringr包处理字符串
# 合并字符串
fruit <- c("apple","banana","pear","pinapple")
res <- str_c(1:4,fruit,sep=' ',collapse=' ')
str_c('I want to buy ',res,collapse=' ')
# 计算字符串长度
str_length(c("i","like","programming R",123,res))
# 按位置取子字符串
str_sub(fruit,1,3)
# 子字符串重新赋值
capital <-toupper(str_sub(fruit,1,1))
str_sub(fruit,rep(1,4),rep(1,4))<- capital
# 重复字符串
str_dup(fruit,c(1,2,3,4))
# 加空白
str_pad(fruit,10,"both")
# 去除空白
str_trim(fruit)
# 根据正则表达式检验是否匹配
str_detect(fruit,"a$")
str_detect(fruit,"[aeiou]")
# 找出匹配的字符串位置
str_locate(fruit,"a")
# 提取匹配的部分
str_extract(fruit,"[a-z]+")
str_match(fruit,"[a-z]+")
# 替换匹配的部分
str_replace(fruit,"[aeiou]","-")
# 分割
str_split(res," ")
library(stringr)
str_c(str_sub(x, 1, 4),str_sub(x, 5, 6),str_sub(x, 7, 8),sep='-')