R语言笔记1——函数(dnorm optim sample integrate sort sapply)

R语言笔记1——函数的使用

dnorm

dnorm() 是R语言中正态分布的概率密度函数，d代表density，norm代表正态分布，返回给定x在标准正态分布下的概率密度。

对于一个给定的正态分布，X ∼ N(μ,σ2)，μ代表均值，σ2代表方差，dnorm()可以计算给定x下的概率密度，即P(X<=x|μ=a,σ=b)，比如，对于标准正态分布 X ∼ N(0,1)，要计算x=1时的概率密度，即dnorm(1)=P(X<=1|μ=0,σ=1)

> dnorm(1) # 默认为标准正态分布，故亦可以写作下面这种形式[1] 0.2419707> dnorm(1,mean=0,sd=1)[1] 0.2419707
> dnorm(1,mean=0,sd=1)
[1] 0.2419707

dpois

dpois() R语言中的函数用于计算一组整数值的泊松密度。它还创建泊松分布的密度图。

用法： dpois(vec, lambda)

参数：
**vec:**整数值序列
**lambda:**每个时间间隔的平均事件数

范例1：

# R program to compute 
# Poisson Density
  
# Sequence of x-values
x <- seq(-10, 10, by = 1)
  
# Calling dpois() Function
y <- dpois(x, lambda = 5)
y

optim

optim() 函数：基于Nelder-Mead、准牛顿和共轭梯度算法的通用优化（求最小值）。它包括一个用于盒约束优化和模拟退火的选项。

R语言optim

rnorm

rnorm 函数：rnorm (n, mean = 0, sd = 1)，n 为产生随机值个数（长度），mean 是平均数， sd 是标准差

使用该函数的时候后，一般要赋予它 3个值.

rnorm（） 函数会随机正态分布，然后随机抽样 或者取值 n 次，

rnorm（5，0,1） 以N（0,1）的正态分布，分别列出5个值。

r 这列代表随机，可以替换成dnorm, pnorm, qnorm 作不同计算：

r = random = 随机， d= density = 密度， p= probability = 概率 ， q =quantile = 分位

sample

随机抽样又分为重复随机抽样和不重复随机抽样两种。重复抽样是指：本次从整体中抽取出的数据样本，在下一次抽取时同样有机会被抽取。不重复抽样就是：一旦被抽取为样本，下次就不能再被抽取了。

sample() 函数可以完成随机抽样处理，其基本形式为：
sample（x, size, replace = FALSE）
具体参数说明：
x 整体数据，以向量形式给出
size 抽取样本的数目
replace 如果为F（默认），则是不重复抽样，此时size不能大于x的长度；
如果为T，则是重复抽样，此时size允许大于x的长度
prob 抽样向量中元素被抽到的可能性
相应的示例代码如下：

sample(c(1:20),size=10)  #在1~20数据中不重复地随机抽取10个元素作为样本
[1] 13  7  4  5  2 19 14  6 10  3
sample(c(1:20),size=30,replace=T)  #重复地随机抽取30个元素作为样本
[1]  7 11  2 11  7  3  1 13 12  4 19 11 16  4 18 13 13  5 17 11  3 15 17  5  1
[26] 15  5 12 10 10

integrate

**integrate（） **函数在有限或无限区间上一元函数的自适应求积

integrate(f, lower, upper, …, subdivisions = 100L,
rel.tol = .Machine$double.eps^0.25, abs.tol = rel.tol,
stop.on.error = TRUE, keep.xy = FALSE, aux = NULL)

integrate(function(x) x*exp(-(y-x)^2/2-lambda*abs(x)), 
          lower = -Inf,
          upper = Inf)$value

sort

sort（） 函数对向量按照从小到大排序，默认返回向量从小到大的值

 test <- c(7,1,9,3,8)
> test
[1] 7 1 9 3 8
> a <- sort(test) ## 默认升序
> class(a)  ## 返回值为数值
[1] "numeric"
> a
[1] 1 3 7 8 9
> sort(test,decreasing = T) ## 降序排列
[1] 9 8 7 3 1

findInterval

findInterval（） 函数-做cut处理
findInterval (x, vec)，x 为数据向量，vec为一个单调递增的向量来产生区间，产生的区间默认为左闭右开

x <- 2:18
v <- c(5, 10, 15)
findInterval(x, v)
[1] 0 0 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3
cbind(x, findInterval(x, v))
       x  
 [1,]  2 0
 [2,]  3 0
 [3,]  4 0
 [4,]  5 1
 [5,]  6 1
 [6,]  7 1
 [7,]  8 1
 [8,]  9 1
 [9,] 10 2
[10,] 11 2
[11,] 12 2
[12,] 13 2
[13,] 14 2
[14,] 15 3
[15,] 16 3
[16,] 17 3
[17,] 18 3

sapply

sapply() 函数的作用是：将列表、向量或数据帧作为输入，并以向量或矩阵的形式给出输出。
**sapply()函数和lapply()**函数做同样的工作，但是返回一个列表。

sapply(X, FUN)

| 参数 | 描述 |
| X | 向量或对象 |
| FUN | 作用于x中每个元素的函数 |

我们可以从cars数据集中测量汽车的最小速度和停止距离：

dt <- cars
lmn_cars <- lapply(dt, min)
smn_cars <- sapply(dt, min)
lmn_cars
# 结果
$speed
[1] 4
$dist
[1] 2

smn_cars
# 结果
speed  dist
    4     2

apply

apply() 以数据帧或矩阵作为输入，并以向量、列表或数组的形式给出输出。apply()函数主要用于避免显式使用循环结构。它是所有集合中最基本的，可以在母体上使用。
apply函数的详细使用方法