R语言-基础知识

余数

10%%3

商

10%/%3

10/3

关系运算

identical(2^3,2**3)

变量赋值

x<-1.5

x

类

class(sqrt(1:10))

ls(pattern="^is",baseenv())

检查变量：print,summary,head,str,unclass,attributes,view
均匀分布的30个随机数

num<-runif(30)

概述性描述

summary(num)

因子,分类变量

fac<-factor(sample(letters[1:5],30,replace=T))

fac

数据集,查询前六行表头（是表格）

dfr<-iris
head(dfr)

描述性统计：分类型自动频数分布

summary(dfr)

structure

str(num)

structure:obs表示observation观测值的个数，150次观测，每次5个变量。给出大概的结构。

str(dfr)

去掉类别:unclass
factor 会把字符串用数字的形式进行存储
unclass返回到了存储形式

fac
print("*****")
unclass(fac)

属性

attributes(fac)

view:比print更加高级一点

print(num)
View(num)

工作区：global environment
查看工作区变量ls()
删除工作区变量rm()
garbage colect

 ls()
#rm(list=ls())删除掉所有变量，但是并没有真正的删除，通过gc()删除标注为不在需要的变量。相当于在Windows中，用rm()删除了文件，gc()清空回收站。

向量:首尾都能取到

8.5:4.5

c(1,1:3,c(56,9),1)

创建vector：

vector('numeric',5)

vector('logical',5)

注意是单引号

vector('character',5)

vector('list',5 )

对于较大的数据时候，尽量先初始化，不要动态的创建

numeric(5)# 初始化

创建序列seq

seq.int(3,12)

seq.int(3,12,2)

seq.int(0.1,0.01,-0.01)

特例

n<-0
1:n
1:1
seq_len(n)#生成一个长度为n的序列，从0开始
seq_len(10)

seq_along:得到位置号

pp<-c('peter','piper')
seq_along(pp)
for(i in seq_along(pp)) print(pp[i])

向量的长度

length(1:5)
length(c(T,F,NA))#缺失值仍是占有空间的所以结果为3，而不是2

字符串向量

sn<-c('sehee','djife')
length(sn)#字符串向量长度
nchar(sn)#字符串长度，得到的结果是每个位置上的字符串有多少个字符，返回形式是向量。

改变向量长度的后果

poincare<-c(1,0,0,0,2)
length(poincare)<-3#改变长度，直接截取前三个
poincare

length(poincare)<-5
poincare#恢复长度后，用na填补

向量元素的命名

c(apple=1,banana=2,'kiwi fruit'=3,4)
#c生成向量，数值有名字，有空格就需要引号，第四个值得名字是4


x<-1:4
names(x)
names(x)<-c('apple','banana','kiwi fruit','')
names(x)

names(1:4)#直接创建向量是没有名字的

向量的索引：
索引：访问向量中部分或者个别元素（子集，下标，切片）

x<-(1:5)^2
x
x[c(1,3,5)]#索引以1开始，与Python从0开始不同
x[c(-2,-4)]#删除第二个和第四个数后的结果进行显示
x[c(T,F,T,F,T)]#逻辑向量进行索引,F位置上的不显示
x

names(x)<-c('a','b','c','d','e')#给每个位置命名方便后续索引操作
x[c('a')]

c错误示范

x[c(-1,1)]

x[c(1,NA,5)]

错误示范

x[c(-2,NA)]

允许越界，结果是na

x[6]

非整数索引

x<-1:10
x[1.9]

which函数

which(x>8)
which.min(x)#最小值在哪里，给出位置
which.max(x)

向量循环和重复

#r语言会自动对参与运算的向量自动匹配
1:5+1
1:5+1:15
1:5+1:7#给出警告，因为长的和短的不是整数倍的关系

rep函数：广播机制
将一个向量重复一定的次数repeat,可以用于做初始化，很方便

rep(1:5,3)
rep(1:5,each=3)
rep(1:5,times=1:5)
rep(1:5,length.out=7)
rep.int(1:5,3)
rep_len(1:5,13)

矩阵和数组
dim=c(行，列，页面)

#array函数
three_d_array<-array(1:24,dim=c(4,3,2),dimnames=list(c('one','two','three','four'),c('ein','zwei','drei'),c('un','duex')))
three_d_array
class(three_d_array)

a_matrix<-matrix(1:12,nrow=4,dimnames=list(c('one','two','three','four'),c('ein','zwei','drei')))
a_matrix
class(a_matrix)

two_d_matrix<-array(1:12,dim=c(4,3),dimnames=list(c('one','two','three','four'),c('ein','zwei','drei')))
two_d_matrix
class(two_d_matrix)

byrow按行填充数据

matrix(1:12,nrow=4,byrow=T,dimnames=list(c('one','two','three','four'),c('ein','zwei','drei')))

行列和维度

dim(three_d_array)

dim(a_matrix)


nrow(a_matrix)
nrow(a_matrix)
ncol(three_d_array)


length(three_d_array)
length(a_matrix)

plot(cars)