R语言基础

一、语言风格

• 基于S语言开发
• 大小写敏感，句末不用加分号
• \：路径中使用 & /：转义字符
• #：注释符
• R中没有标量；下标不从0而从1开始；变量无法被声明，在首次赋值时产生

二、基础命令

命令	功能
getwd()	查看当前工作目录
setwd(" ")	设定当前工作目录（文件路径要加 " "）
dir.create(" ")	创建新目录
source(" ")	在当前会话中执行某个脚本
sink()	重定向文本输出(append=TRUE,split=TRUE)
dev.off	将输出返回到终端
q()	退出程序
ls()	列出当前工作空间中的对象
rm() / rm(list=ls())	删除对象
?xxx / ??xxx	帮助
demo()	图形演示
install.packages(“xxx”) - library(xxx)	包的安装和调用
search() - libPaths()…	查看已载入的包，显示库的位置

三、运算符、函数和编程

运算符

符号	含义	符号	含义
<-	赋值	^ / **	求幂
x%%y	求余	x%/%y	整数除法
%in%	属于

函数

数学函数
统计函数
概率函数
字符处理函数
其它实用函数
将函数应用于矩阵、数组和数据框 apply(mydata, MARGIN=1<行>/2<列>,FUN)
将函数应用于列表 lapply / sapply

前缀	含义	函数	含义
d~	求某个点处的概率值(pdf/pmf)	~binom()	二项分布
p~	求累积概率值(cdf)	~multinom()	多项分布
q~	求p分位点	~pois	泊松分布
r~	产生符合分布的随机观测	~norm	正态分布

函数	功能	函数	功能
mean()	均值	sd()	标准差
cor()	相关度	isTRUE()	测试是否为真
log()	自然对数	log10()	以10为底的对数
set.seed(a)	设定随机种子	runif(n)	生成0-1上n个伪随机数
mvrnorm(n,mean,sigma)	生成多元正态数据	rep()	复制
sum(x)	求矩阵元素之和	rowSums/colSums	求矩阵行/列元素之和

编程

循环语句
① for(var in seq)  {statement1; statement2}
② while(condition) {statement1; statement2}

条件语句
① if(condition) statement1 <else statement2>
② ifelse(condition,statement1,statement2)
③ switch(var, statements)

用户自编函数
myfunction <- functions(arg1,arg2){
              statements
              return(object
              }

四、数据基础

数据结构

1. 向量（包括标量）
	赋值：a<-c("k","j","h")
	取值：a[3]   a[c(1,3)]   a[1:3]

2. 矩阵（二维）
	赋值：b<-matrix(vector,nrow,ncol,byrow=TRUE/FALSE,dimnames=<行标签和列标签>)
	取值：b[2,]   b[1,c(1,3)]   b[1:3,2:3]

3. 数组（>二维）
	赋值：c<-array(vector,dimensions<各维下标最大值>,dimnames= )
	取值：c[1,2,3]  

4. 数据框（可以存储不同类型的变量）
	赋值：d<-data.frame(col1,col2,...)
	      d<-as.data.frame(old_dataset[ , ])
	取值：d[1:2]  (只有一个维度可以取值)

5. 列表(可以由向量、矩阵、数组、数据框、列表等共同构成）
	赋值：e<-list(name1=obj1,name2=obj2,...)
	取值：e[[2]]  e[["xxx"]]

变量类型：日期型、连续型、名义型、有序型  [名义型or有序型 → 类别型 → 因子factor]
可处理数据类型：数值型numeric、字符型character、逻辑型TRUE/FALSE、复数型、原生型(字节)
因子factor(var,order=TRUE/FALSE,levels=c(),labels=c())
行/实例标识符rownames，用于区分数据集中不同的个体（相当于主键，用row.names="xxx"指定）

str(): 显示某个对象的数据结构
attach(): 将数据框添加到R的搜索路径中（避免出现同名对象的情况）
detach(): 将数据框从搜索路径中移除
with( ,{ }): 将数据框添加到R的搜索路径中（prefer）
// 用 with语句可以避免同名对象的问题；但赋值一般仅在函数的括号内生效
// 如需创建 with()结构以外存在的对象，使用特殊赋值符<<-代替

数据输入

* 从键盘输入（用edit一定要赋值到一个目标，不然编辑会丧失）
	mydata <- edit(mydata) / fix(mydata)
	mydata <- data.frame(age=numeric(0)),gender=character(0))
	//创建一个指定模式但不含实际数据的变量
	or：直接在程序中嵌入数据集
	
* 导入带分隔符的文本文件
	mydata <- read.table(file,options)
	
* 导入excel数据
	mydata <- read.table(".csv",<options>)
	library(xlsx)  mydata <- read.xlsx("",n<工作表序号>)
	or: 菜单栏操作
	
* 导入SAS数据
	library(Hmisc)  mydata <- sas.get()
	
* 导入xml/SAS/SPSS/STATA数据 

* 从网上抓取数据（rvest）

数据管理

* 创建新变量
	① mydata$sumx <- mydata$x1+mydata$x2
	② attach(mydata)
	  mydata$sumx <- x1+x2
	③ mydata <- transform(mydata,sumx=x1+x2)

* 数据集的标注
  ① 变量标签（只能将变量标签作为变量名）
	names(mydata)[2] <- "xxx"
  ② 值标签（因子）
	factor(c(),levels=c(),labels=c())
		
* 变量的重编码
	variable[condition] <- expression
	- leadership <- within(leadership,{agecat<-NA,agecat[age>75]<-"elder"})
	
* 变量的重命名
	① fix(mydata)  交互式编辑器
	② names(mydata)[2] <- "xxx"
	③ library(plyr)
	  mydata <- rename(mydata,c(var1="varA",var2="varB"))
	
* 缺失值（NA）
	is.na()  检验缺失值是否存在（缺失值不可比较 var==NA ×）
	is.infinite()  检验Inf和-Inf
	is.nan()  检验类似sin(Inf)等
	na.rm=TRUE  在数值函数中排除缺失值
	na.omit()   移除所有含有缺失值的观测（行删除）
	
* 日期值
	"%m/%d/%y"  一种日期格式
	Sys.Date()  返回当天日期    date()  返回当天的日期和时间
	format(var,format="xxx")  输出指定格式的日期值
	difftime(x,y,units="<days><weeks><months><years>...")  计算时间间隔（也可以两个日期直接相减）
	as.Date(x,"xxx")      将字符型转化为日期型
	as.character(dates)   将日期型转化为字符型

* 类型判断和转换
	is.xxx()  类型判断（返回TRUE / FALSE）
	as.xxx()  类型转换（将参数转换成对应类型）
	
* 数据排序
	newdata <- mydata[order(var1,-var2), ]  （默认升序，加负号降序）
	
* 数据集的合并
	total <- merge(dataframeA,dataframeB,by="ID") 横向合并（通过公共索引）
	total <- cbind(A,B)  横向合并（自然连接）
	total <- rbind(A,B)  纵向合并（添加观测，两个数据框必须有相同变量）
	
* 数据集取子集
	选入/保留变量   newdata <- mydata[ ,c(6:10)]  
	剔除/丢弃变量 ① newdata <- mydata[c(-8,-9)]
	             ② mydata$8 <- mydata$9 <- NULL
	             ③ delvars <- names(mydata) %in% c("8","9")
	               newdata <- mydata[!delvars]
	选入观测（选子集）subset(mydata, conditions<...&...|...>, select=20:50)
	随机抽样  mysample <- mydata[sample(1:nrow(mydata),n,replace=TRUE/FALSE), ]

* 整合与重构
	转置  t()  
	整合  aggregate(x,by,FUN)  (by中的变量一定在一个list中)
	融合  library(reshape2)  melt(mydata,id=c("xx","xx"))
	重铸  library(reshape2)  dcast(mydata,formula,fun.aggregate)

* 其他 
	- 生成var1和var2的列联表(提取计数)   table(mydata$var1,mydata$var2) 
	- SQL语句操作数据框  library(sqldf)  newdata <- sqldf("select * from mydata where ...") 
	

五、一般绘图

* dev语句
	dev.new() 新建窗口
	dev.next() / dev.prev() / dev.set() 同时打开多个图形窗口
	jpeg(" .jpg")/pdf(" .pdf")...dev.off() 保存图形/pdf输出
//对应菜单界面
	plots → export → save as
	history → recording → next/pre
	
* 绘图操作
	plot(x,y,type=<无：只有点 / "b"：点+线 / "c"：只有线>,<其他参数>)
	hist()   boxplot()  barplot()
	
* 参数修改
	par()  生成一个含有当前图形参数设置的列表
	opar <- par(no.readonly=TRUE)  保存当前参数设置
	par(pch=<符号形状>, cex=<符号大小>, lty=<线条类型>, lwd=<线条宽度>, col=<符号边界颜色>, bg=<填充色>  ...)
	//通过par设置的参数对在其中的图都有效，而在plot中指定的参数仅对那个特定图形有效
	
* 颜色

* 文本

* 尺寸和边界

* 坐标轴、文本标签
	main 标题    sub 副标题     title 可用于总设置
	xlab/ylab  x/y轴标签       xlim/ylim  x/y坐标范围
	//先禁用默认参数
	par(ann=FLASE<禁用标题、标签>,axes=FALSE<禁用坐标轴>,xaxt="n",yaxt="n"<分别禁用x轴y轴>)

* 参考线
	abline(h=yvalues,v=xvalues)
	
* 图例
	legend(location,title,legend...)
	
* 文本标注/数学标注
	text(), mtext(), plotmath()

* 图形组合和布局的精确控制
	par(mfrow/mfcol=c(1,2))   按行/列填充的1行2列的图形矩阵
	layout(matrix(c(1,1,2,3),2,2,byrow=TRUE),width=c(3,1),heights=c(1,2)...
	fig=...