R Learnilng 十八讲13-17

最新推荐文章于 2022-03-14 11:51:16 发布
最新推荐文章于 2022-03-14 11:51:16 发布
阅读量388 收藏 2
点赞数
分类专栏： R
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010608296/article/details/108563039
版权

0013-选择结构

1. 条件表达式if

x <- 24
if(x%%2==0) print("偶数")

## [1] "偶数"

 

 

x <- 23
if(x%%2==1) print("奇数")

## [1] "奇数"

 

 

x <- 24
y <- 9
if(x>y) print("x>y")

## [1] "x>y"

 

 

if(x<y) print("x<y")

a <- sample(1:10, 5)
a

## [1] 6 10 3 8 5

 

 

if(a>5) a=0

## Warning in if (a > 5) a = 0: 条件的长度大于一，因此只能用其第一元素

a

## [1] 0

 

 

x <- 6
if(x>0){
print(x)
print("当前数值大于0")
}

## [1] 6
## [1] "当前数值大于0"

 

 

x <- 6
if(x>0) print("x>0") else print("x<=0")

## [1] "x>0"

 

 

x <- -9
if (x>0) print("x>0") else print("x<0")

## [1] "x<0"

 

 

a <- runif(1,1,10)
b <- runif(1,1,10)
if (a>b){
print("a>b")
}else{
print("a<=b")
}

print("test")

## [1] "a>b"

## [1] "test"

2. if…else的简化版ifelse函数

x <- 3
y <- ifelse(x>0,x,-x)
y

## [1] 3

 

 

x <- -3
y <- ifelse(x>0,x,-x)
y

## [1] 3

 

 

x <--3
y <- ifelse(x>0,"x>0",ifelse(x==0,"x=0","x<0"))
y

## [1] "x<0"

 

 

x <- c("合格","不合格","淘汰","残次品","次品","合格")
b <- ifelse(x=="合格","合格","次品")
b

## [1] "合格" "次品" "次品" "次品" "次品" "合格"

 

 

3. 多分支选择结构if_else_if_else…

x <- c("tianjin","guangzhou","beijing")
if ("Tianjin" %in% x){
print("Tianjin exist")
}else if("tianjin" %in% x){
print("tianjin exist")
}else{
print("nothing to find")
}

## [1] "tianjin exist"

 

 

4. switch结构

switch(1, mean(1:10), rnorm(4)) # 执行mean(1:10)

## [1] 5.5

 

 

switch(2, mean(1:10), rnorm(4)) # 执行rnorm(4)

## [1] -0.5767823 -1.1685063 0.8742913 -0.6632414

 

 

x <- 2
switch(x, "tianjin","beijing","guangzhou")

## [1] "beijing"

 

 

a <- sample(-10:10,5)
a

## [1] -1 -4 -7 8 4

 

 

switch(1,a,0,-a)

## [1] -1 -4 -7 8 4

 

switch (2,a,0,-a)

## [1] 0

 

switch(3,a,0,-a)

## [1] 1 4 7 -8 -4

0014-循环结构

1. for循环

for (word in c("li","li","zong")){
print(word)
}

## [1] "li"
## [1] "li"
## [1] "zong"

 

 

for (i in 1:10){
print(i)
}

## [1] 1
## [1] 2
## [1] 3
## [1] 4
## [1] 5
## [1] 6
## [1] 7
## [1] 8
## [1] 9
## [1] 10

 

 

for (i in 1:10){
cat(i)
}

## 12345678910

 

 

for (i in 1:10){
print(1:i)
}

## [1] 1
## [1] 1 2
## [1] 1 2 3
## [1] 1 2 3 4
## [1] 1 2 3 4 5
## [1] 1 2 3 4 5 6
## [1] 1 2 3 4 5 6 7
## [1] 1 2 3 4 5 6 7 8
## [1] 1 2 3 4 5 6 7 8 9
## [1] 1 2 3 4 5 6 7 8 9 10

 

 

for (i in 1:10){
cat(1:i)
}

## 11 21 2 31 2 3 41 2 3 4 51 2 3 4 5 61 2 3 4 5 6 71 2 3 4 5 6 7 81 2 3 4 5 6 7 8 91 2 3 4 5 6 7 8 9 10

 

 

for (i in 1:10){
cat(1:i)
cat("\n")
}

## 1
## 1 2
## 1 2 3
## 1 2 3 4
## 1 2 3 4 5
## 1 2 3 4 5 6
## 1 2 3 4 5 6 7
## 1 2 3 4 5 6 7 8
## 1 2 3 4 5 6 7 8 9
## 1 2 3 4 5 6 7 8 9 10

 

 

a <- vector(length = 10)
a

## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

a <- c(1:10)
for (i in 1:10){
a[i] <- a[i] * 10
}
a

## [1] 10 20 30 40 50 60 70 80 90 100

 

 

for (i in seq(from=5, to=25, by=5)){
print(i)
}

## [1] 5
## [1] 10
## [1] 15
## [1] 20
## [1] 25

 

 

for (i in seq(from=5, to=25, by=5)){
cat(i," ")
}

## 5 10 15 20 25

 

 

for (i in seq(from=5, to=25, by=5)){
cat(i^2, "~~~")
}

## 25 ~~~100 ~~~225 ~~~400 ~~~625 ~~~

 

 

2. 斐波那切数列的实现

num.fibs <- 50
r = numeric(num.fibs)
r[1] = 1
r[2] = 1
for (i in 3:num.fibs){
r[i] = r[i-1] + r[i-2]
}
r

## [1] 1 1 2 3 5 8
## [7] 13 21 34 55 89 144
## [13] 233 377 610 987 1597 2584
## [19] 4181 6765 10946 17711 28657 46368
## [25] 75025 121393 196418 317811 514229 832040
## [31] 1346269 2178309 3524578 5702887 9227465 14930352
## [37] 24157817 39088169 63245986 102334155 165580141 267914296
## [43] 433494437 701408733 1134903170 1836311903 2971215073 4807526976
## [49] 7778742049 12586269025

 

 

3. max与min的算法实现

a <- sample(10:99,10)
a

## [1] 37 94 93 31 43 44 66 21 54 27

 

myMax = a[1]
for (i in 2:length(a)) {
if (a[i]>myMax){
myMax=a[i]
}
}
myMax

## [1] 94

 

 

myMin = a[1]
for (i in 2:length(a)) {
if (a[i]<myMin){
myMin=a[i]
}
}
myMin

## [1] 21

 

 

4. 循环遍历matrix矩阵

a <- matrix(nrow = 5, ncol = 6)
a

## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] NA NA NA NA NA NA
## [2,] NA NA NA NA NA NA
## [3,] NA NA NA NA NA NA
## [4,] NA NA NA NA NA NA
## [5,] NA NA NA NA NA NA

 

 

n <-1
for (i in 1:5){
for (j in 1:6){
a[i,j] <-n
n <- n +1
}
}
a

## [,1] [,2] [,3] [,4] [,5] [,6]
## [1,] 1 2 3 4 5 6
## [2,] 7 8 9 10 11 12
## [3,] 13 14 15 16 17 18
## [4,] 19 20 21 22 23 24
## [5,] 25 26 27 28 29 30

 

 

5. 九九乘法表cat练习

for (i in 1:9){
for (j in 1:i){
cat(i*j," ")
}
cat("\n")
}

## 1
## 2 4
## 3 6 9
## 4 8 12 16
## 5 10 15 20 25
## 6 12 18 24 30 36
## 7 14 21 28 35 42 49
## 8 16 24 32 40 48 56 64
## 9 18 27 36 45 54 63 72 81

 

 

for (i in 1:9){
for (j in 1:i){
cat(j," ")
}
cat("\n")
}

## 1
## 1 2
## 1 2 3
## 1 2 3 4
## 1 2 3 4 5
## 1 2 3 4 5 6
## 1 2 3 4 5 6 7
## 1 2 3 4 5 6 7 8
## 1 2 3 4 5 6 7 8 9

 

 

for (i in 1:9){
for (j in 1:i){
cat(j,"x",i,"=",i*j,"\t")
}
cat("\n")
}

## 1 x 1 = 1
## 1 x 2 = 2 2 x 2 = 4
## 1 x 3 = 3 2 x 3 = 6 3 x 3 = 9
## 1 x 4 = 4 2 x 4 = 8 3 x 4 = 12 4 x 4 = 16
## 1 x 5 = 5 2 x 5 = 10 3 x 5 = 15 4 x 5 = 20 5 x 5 = 25
## 1 x 6 = 6 2 x 6 = 12 3 x 6 = 18 4 x 6 = 24 5 x 6 = 30 6 x 6 = 36
## 1 x 7 = 7 2 x 7 = 14 3 x 7 = 21 4 x 7 = 28 5 x 7 = 35 6 x 7 = 42 7 x 7 = 49
## 1 x 8 = 8 2 x 8 = 16 3 x 8 = 24 4 x 8 = 32 5 x 8 = 40 6 x 8 = 48 7 x 8 = 56 8 x 8 = 64
## 1 x 9 = 9 2 x 9 = 18 3 x 9 = 27 4 x 9 = 36 5 x 9 = 45 6 x 9 = 54 7 x 9 = 63 8 x 9 = 72 9 x 9 = 81

 

 

6. while循环

a <- 10
while (a<14) {
print(a)
a <- a + 1
}

## [1] 10
## [1] 11
## [1] 12
## [1] 13

 

 

a <- 10
while (a != 0) {
a <- a - 1
cat("倒数",a,"秒!\n")
}
print("START")

## 倒数 9 秒!
## 倒数 8 秒!
## 倒数 7 秒!
## 倒数 6 秒!
## 倒数 5 秒!
## 倒数 4 秒!
## 倒数 3 秒!
## 倒数 2 秒!
## 倒数 1 秒!
## 倒数 0 秒!
## [1] "START"

7. repeat语句-使用频率较低

repeat要结合if和break使用 repeat不遇到break就一直循环下去

f = 1
f[2] = 1
i = 1
repeat{
f[i+2] = f[i] + f[i+1]
i = i + 1
if (i > 30)
break
}
f

## [1] 1 1 2 3 5 8 13 21 34
## [10] 55 89 144 233 377 610 987 1597 2584
## [19] 4181 6765 10946 17711 28657 46368 75025 121393 196418
## [28] 317811 514229 832040 1346269 2178309

 

0015-函数

1. 函数的基础

a = 10
b = 10
f <- function(x,y){
x+y
}
c <- f(a,b)
c

## [1] 20

 

2. 默认参数

f <- function(x,y){
x+y
}
f(1,2)

## [1] 3

# f(1)

定义几个参数就需要写几个值进去,或者可以补充默认值

3. 任意个参数

f <- function(...){
a = list(...)
for (i in a)
cat(i,"\n")
}
f(31231,12313123,51314,1231341)

## 31231
## 12313123
## 51314
## 1231341

 

f <- function(w,...){
a = list(...)
w = w*w
cat(w,"\n")
for (i in a)
cat(i,"\n")
}
f(9,12313123,51314,1231341)

## 81
## 12313123
## 51314
## 1231341

4. 关于return的细节

f <- function(x){
return(x^2 + 3)
}
f(5)

## [1] 28

 

f <- function(x){
x^2 + 3
}
f(5)

## [1] 28

所以区别是什么呢? 没啥特别的区别~

但是function区块的代码,一旦遇到return就终止函数开始返回值,这可以算一个区别

 

r <- function(a){
if (a>0) return(a) else return(a*a)
}
r(2)

## [1] 2

 

r(-4)

## [1] 16

5. sapply函数

a <- c(1:7)
sqrt(a)

## [1] 1.000000 1.414214 1.732051 2.000000 2.236068 2.449490 2.645751

a <- c(1:7)
sapply(a,sqrt)

## [1] 1.000000 1.414214 1.732051 2.000000 2.236068 2.449490 2.645751

sapply函数类似pandas的map,sapply的输入函数也可以使用function自定义函数

0016-向量案例集

1. 睡眠时间

  • 例题: 统计某校小学生的睡眠时间,如果睡眠时间小于10小时,则认为睡眠时间是不足的. 睡眠时间如下, 统计睡眠不足的学生人数 10, 9, 10, 8, 8, 13, 10, 10, 10, 12

a <- c(10, 9, 10, 8, 8, 13, 10, 10, 10, 12)
sum(a<10)

## [1] 3

  • 例题: 接着上体,取出小学生睡眠时间的中位数, 并将低于中位数的时间筛选出来

median(a)

## [1] 10

a[a<median(a)]

## [1] 9 8 8

此外还可以使用which函数来求解

a <- c(10, 9, 10, 8, 8, 13, 10, 10, 10, 12)
which(a<median(a))

## [1] 2 4 5

a[which(a<median(a))]

## [1] 9 8 8

2. 判断逻辑

  • 例题: 某原件的硬度单位应该在6~16之间,如果不在这个区间则被认为过软或过硬,是不合格的,某样本分布如下,判断不合格产品数 7, 9, 14, 15, 12, 11, 5, 17, 18, 10

a <- c(7, 9, 14, 15, 12, 11, 5, 17, 18, 10)
b <- a[a<6 | a>16]
length(b)

## [1] 3

3. 取子集

  • 例题: 取前五个数和后五个数分别计算平均值 16, 18, 19, 20, 21, 22, 24, 27, 28, 30

a <- c(16, 18, 19, 20, 21, 22, 24, 27, 28, 30)
mean(a[1:5])

## [1] 18.8

mean(a[6:10])

## [1] 26.2

3. data()函数的使用

data()

输入这个命令就会跳出当前可用数据集 然后选择一个数据集使用how()来查看更多信息

  • 例题: R语言内置了precip数据集, 是美国70个城市的降雨量信息

?precip

输入上面这个命令会在Rstudio右下角的框框中显示这个数据集的信息

precip

## Mobile Juneau Phoenix Little Rock
## 67.0 54.7 7.0 48.5
## Los Angeles Sacramento San Francisco Denver
## 14.0 17.2 20.7 13.0
## Hartford Wilmington Washington Jacksonville
## 43.4 40.2 38.9 54.5
## Miami Atlanta Honolulu Boise
## 59.8 48.3 22.9 11.5
## Chicago Peoria Indianapolis Des Moines
## 34.4 35.1 38.7 30.8
## Wichita Louisville New Orleans Portland
## 30.6 43.1 56.8 40.8
## Baltimore Boston Detroit Sault Ste. Marie
## 41.8 42.5 31.0 31.7
## Duluth Minneapolis/St Paul Jackson Kansas City
## 30.2 25.9 49.2 37.0
## St Louis Great Falls Omaha Reno
## 35.9 15.0 30.2 7.2
## Concord Atlantic City Albuquerque Albany
## 36.2 45.5 7.8 33.4
## Buffalo New York Charlotte Raleigh
## 36.1 40.2 42.7 42.5
## Bismark Cincinnati Cleveland Columbus
## 16.2 39.0 35.0 37.0
## Oklahoma City Portland Philadelphia Pittsburg
## 31.4 37.6 39.9 36.2
## Providence Columbia Sioux Falls Memphis
## 42.8 46.4 24.7 49.1
## Nashville Dallas El Paso Houston
## 46.0 35.9 7.8 48.2
## Salt Lake City Burlington Norfolk Richmond
## 15.2 32.5 44.7 42.6
## Seattle Tacoma Spokane Charleston Milwaukee
## 38.8 17.4 40.8 29.1
## Cheyenne San Juan
## 14.6 59.2

这样就显示了70个city的降雨量信息

我们取出所有城市的名称

for (i in names(precip)){
cat(i,"\t")
}

## Mobile Juneau Phoenix Little Rock Los Angeles Sacramento San Francisco Denver Hartford Wilmington Washington Jacksonville Miami Atlanta Honolulu Boise Chicago Peoria Indianapolis Des Moines Wichita Louisville New Orleans Portland Baltimore Boston Detroit Sault Ste. Marie Duluth Minneapolis/St Paul Jackson Kansas City St Louis Great Falls Omaha Reno Concord Atlantic City Albuquerque Albany Buffalo New York Charlotte Raleigh Bismark Cincinnati Cleveland Columbus Oklahoma City Portland Philadelphia Pittsburg Providence Columbia Sioux Falls Memphis Nashville Dallas El Paso Houston Salt Lake City Burlington Norfolk Richmond Seattle Tacoma Spokane Charleston Milwaukee Cheyenne San Juan

下面我们想看第十个元素是啥

precip[10]

## Wilmington
## 40.2

反过来

precip["Wilmington"]

## Wilmington
## 40.2

0017-抛硬币试验

1. 抛硬币的概率实验

  • 例题: 分别抛三枚硬币, 三枚硬币的图案可能使一样的,也可能是不一样的, 一样的老板给你3元,不一样你给老板3元,这个游戏公平吗?

显然不公平对吧? 同正或同反的概率是1/2 * 1/2 * 1/2 * 2 = 1/4, 这个游戏肯定玩过来是老板赚钱, 但是如果用R去算应该如何算呢?

假如我们玩100次游戏,0代表正面,1代表反面,那么同为0或同为1时是我们赢了,其他是输了,我们能赢或者输多少钱呢,100000次呢?

a <- sample(c(0,1), 3, rep=T)
a

## [1] 0 1 0

可以算sum值,如果是0说明同为正面,3说明同为反面,1或2说明我们输了

sum(a)

## [1] 1

 

我们重复100次

money = 0
for (i in 1:100){
a = sample(c(0,1), 3, rep=T)
if (sum(a)==0 | sum(a)==3){
money = money + 3
}else{
money = money -3
}
}
money

## [1] -150

 

money = 0
for (i in 1:100000){
a = sample(c(0,1), 3, rep=T)
if (sum(a)==0 | sum(a)==3){
money = money + 3
}else{
money = money -3
}
}
money

## [1] -149514

 

2. 接下来我们用table函数来看a的分布情况

mySum <- c()
for (i in 1:1000){
a <- sample(c(0,1), 3, replace=T)
mySum <- c(mySum,sum(a))
}
mySum

## [1] 2 2 2 1 3 2 2 3 1 3 2 3 2 2 1 1 0 1 2 0 2 3 1 0 2 1 1 2 2 2 3 0 3 0 0 1 2
## [38] 1 2 1 1 2 1 3 2 0 0 2 1 3 0 1 1 3 1 3 2 2 2 1 1 1 1 1 3 2 1 1 1 3 1 2 3 1
## [75] 1 1 2 2 0 1 1 3 2 1 2 2 2 1 2 0 2 2 1 2 1 2 3 1 3 1 2 0 1 2 3 1 2 2 0 3 0
## [112] 0 1 1 0 2 2 2 2 1 1 1 0 0 1 2 2 1 2 2 3 1 1 2 2 2 2 1 0 1 3 1 1 3 2 3 3 1
## [149] 3 2 1 2 1 1 2 1 2 3 2 2 0 3 1 2 2 2 3 0 0 1 2 1 2 1 1 1 1 1 2 0 1 3 2 2 3
## [186] 2 1 1 2 2 1 2 1 3 2 3 1 3 1 1 2 1 1 1 1 2 1 2 1 1 2 1 1 1 2 2 2 2 1 1 0 2
## [223] 1 1 1 1 2 3 1 0 0 1 1 1 2 2 3 1 2 3 1 2 1 3 1 1 3 1 1 3 2 2 2 1 1 2 2 0 1
## [260] 1 1 2 1 1 3 0 3 1 1 0 2 2 0 0 1 1 2 1 1 3 1 2 2 1 1 2 1 1 2 1 2 1 1 1 1 1
## [297] 1 2 3 1 0 1 1 1 0 2 3 2 1 2 1 0 2 2 2 1 2 1 1 1 1 1 2 2 1 1 1 0 2 0 0 1 0
## [334] 1 0 2 1 3 2 2 1 1 0 1 2 2 1 2 1 2 1 1 0 2 3 2 2 2 2 2 1 2 2 2 2 2 1 2 1 2
## [371] 1 3 1 1 1 0 1 1 1 2 1 0 1 2 2 3 1 3 0 1 3 2 1 2 1 1 1 2 1 1 1 3 2 3 1 2 2
## [408] 1 1 2 3 2 3 0 3 2 3 2 2 1 1 2 1 3 0 2 1 0 2 1 2 0 2 1 2 1 2 3 3 0 1 0 2 1
## [445] 2 2 1 1 2 1 1 2 2 1 3 1 3 3 0 1 3 3 2 2 1 1 1 1 1 2 0 1 1 2 2 2 2 3 3 1 3
## [482] 2 3 3 1 0 1 1 2 2 0 0 2 2 1 3 3 1 2 2 3 2 1 2 1 1 2 2 2 2 2 2 1 0 0 2 1 2
## [519] 0 2 0 1 3 2 2 2 1 1 2 1 0 1 1 1 2 1 0 2 2 0 2 0 2 1 2 2 2 3 1 1 1 0 1 2 2
## [556] 1 2 2 1 2 1 1 0 1 2 1 3 1 0 1 1 2 1 1 2 1 2 2 2 2 1 3 2 1 0 3 3 2 1 1 2 1
## [593] 3 1 3 2 1 0 1 0 2 1 1 1 0 1 3 1 0 2 1 0 1 1 2 1 1 1 2 1 2 0 1 0 1 2 2 3 2
## [630] 1 2 0 2 2 2 2 2 2 2 1 2 1 3 0 3 0 0 1 2 1 1 2 2 0 2 2 2 2 2 1 1 1 1 2 2 1
## [667] 1 1 1 2 2 1 2 1 1 2 1 3 1 1 1 1 1 3 1 1 1 1 2 2 1 2 0 1 2 2 0 1 2 2 2 1 1
## [704] 0 1 3 0 1 0 1 1 2 1 3 2 1 2 2 1 2 2 1 1 2 2 0 1 2 0 1 1 3 2 0 3 2 2 2 1 2
## [741] 2 0 2 0 2 2 1 1 2 2 1 1 2 2 1 1 2 1 2 2 2 2 1 3 2 2 0 1 1 2 1 2 2 2 3 1 2
## [778] 2 3 2 0 2 1 1 1 1 1 2 2 2 0 2 1 2 0 1 3 2 1 2 1 1 2 3 3 0 1 2 0 2 2 1 1 2
## [815] 0 2 2 3 3 1 1 0 2 2 2 2 1 1 1 2 1 2 1 0 2 2 1 1 2 0 1 2 1 0 0 1 2 3 2 2 2
## [852] 2 2 2 1 1 2 1 1 2 0 1 2 1 1 1 2 2 1 2 2 2 1 2 3 2 1 1 1 1 1 1 0 0 0 1 1 2
## [889] 0 1 3 2 2 0 3 2 1 1 2 3 3 1 2 2 1 0 1 1 1 1 0 0 1 1 2 3 0 0 1 2 2 0 0 2 1
## [926] 1 2 2 2 3 1 1 2 0 1 0 0 2 1 2 2 2 3 1 3 2 1 2 1 2 1 2 1 2 2 1 0 0 2 3 2 3
## [963] 2 2 1 2 2 3 2 1 2 1 2 2 2 3 0 1 2 2 2 2 0 1 2 1 2 2 3 2 1 2 0 1 0 1 2 0 2
## [1000] 1

 

table(mySum)

## mySum
## 0 1 2 3
## 124 389 374 113

 

所以table函数的功能是查看向量中值的分布情况 近似的去看也就是赚钱概率为(146+104)/1000 = 0.230 和理论预期值0.25相差不多,如果我们重复次数更多,就会更接近0,25

下面我们去访问table这个对象

x <- table(mySum)
x

## mySum
## 0 1 2 3
## 124 389 374 113

 

x["0"] # 这是使用名称进行访问

## 0
## 124

 

x[1] # 这是使用索引进行访问

## 0
## 124

3. table转Dataframe

x

## mySum
## 0 1 2 3
## 124 389 374 113

df <- as.data.frame(x)
df

## mySum Freq
## 1 0 124
## 2 1 389
## 3 2 374
## 4 3 113

后面就也可以使用Dataframe的逻辑来进行运算

 

wangchuang2017
关注
专栏目录
R语言入门视频笔记--6--R函数之cat、format、switch函数
dianyueji9619的博客
04-05 995
一、cat 猫 怎么就变成一个输出函数了呢？ cat 一个输出函数，功能和print有相同之处 我们一起比较看看 1、cat(“hellow world”)或cat('hellow world')输出的是： hello world 1 print("hellow world")或print('hellow world')输出的是: [1] "hello w...
R语言进行网络分析，计算CS系数
Irishan002的博客
07-15 1817
R语言进行网络分析，计算CS系数，bootnet要用type = "case“
R语言_(6)_控制流
Mikowoo007的博客
10-12 502
条件 if_else if (cond) statement_1 if (cond) statement_1 else statement_2 if (cond_1) statement_1 else if (cond_2) statement_2 else if (cond_3) statement_3 else statement_4 switch 语句 switch(statement, list) 如果表达式的返回值在 1到 lenght(list)，则返回列表相应位置的值；否则
R语言编程基础（2）
哈伦2019的博客
03-19 2027
#练习1：设计程序计算12+22+32+42+…+100^2 n=100 S=0 for(i in 1:n) { S=S+i**2 } S #练习2：分别用repeat、while、for语句输出所有不大于25且是5的倍数的正数 i<-5 system.time( repeat { print(i) #程序不唯一，可以采用%%运算来执行 i<-i+5 if(i...
社交网络分析的 R 基础：（一）初探 R 语言
张高兴的博客
02-05 1970
写在前面 3 年的硕士生涯一转眼就过去了，和社交网络也打了很长时间交道。最近突然想给自己挖个坑，想给这 3 年写个总结，画上一个句号。回想当时学习 R 语言时也是非常戏剧性的，开始科研生活时到处发邮件要源代码，发完最后一封本以为又是无功而返，很意外的收到了秒回的邮件，邮件中附上了由 R 语言编写的实验代码。当时过于开心，因为终于有热心的作者回复了，以至于没有仔细考虑，想都没想对着满是警告的代码开...
R语言基础入门二
呆萌很的博客
03-14 496
R语言基础入门,R判断语句,R循环语句
C语言入门第三天之运算符
assiduous_me的博客
08-27 328
运算符:顾名思义，参与运算的符号 1.算术运算符： + - * / % ++ -- #include&lt;stdio.h&gt; int main() { /**************算术运算符***************/ int x = 12;//初始化一个整型变量x int y;//定义一个变量y y = x + 2; printf("y = x + 2 运算后y的值...
学习笔记(74):R语言入门基础-睡眠时间
随缘更新
06-13 486
本课程旨在帮助学习者快速入门R语言： 课程系统详细地介绍了使用R语言进行数据处理的基本思路和方法。 课程能够帮助初学者快速入门数据处理。 课程通过大量的案例详细地介绍了如何使用R语言进行数据分析和处理 课程操作实际案例教学，通过编写代码演示R语言的基本使用方法和技巧 ...
R语言算术运算和逻辑运算
weixin_30602505的博客
07-12 262
Arithmetic Operators Operator Description + addition - subtraction * multiplication / division ^ or ** exponentiation x %% y modulus (x mod y) 5%%2 is ...
R语言︱函数使用技巧（循环、if族/for、switch、repeat、ifelse、stopifnot）
热门推荐
素质云笔记
04-19 8万+
1、循环 ##循环for iris allzl=unique(iris$setosa) for (i in 1:2){ pp=iris[iris$setosa==allzl[i],] plot(pp$Sepal.Length~pp$Sepal.Width) } 2、switch分支语句 ##switch分支语句 switch(1,mean(1:10),rnorm(4)) #执行
[R语言] 生成随机数
qiao_wan的博客
08-23 7万+
【R语言】生成随机数 版权声明：本文为博主原创文章，未经允许不得转载。 一、sample()函数 1、sample(x, size, replace, prob) x 表示从x中选取随机数，x可以是一个向量（可以由一个元素或者多个元素组成）。 size表示随机生成的随机数的个数，是一个非负的整数。 replace表示抽取方式（replace = TRUE 表示可放回抽取，replac...
R语言学习笔记（二）--向量，函数，集合
yichao0630的博客
03-13 2055
向量索引和subset函数 向量的名字 > height<-c(155,186,177,169) > names(height) NULL > names(height)<-c('Mary','Jason','Tom','Tina') > height Mary Jason Tom Tina 155 186 177 169 另一种类...
学习笔记（25):R语言入门基础-ifelse函数
weixin_49657468的博客
11-16 1403
本课程旨在帮助学习者快速入门R语言： 课程系统详细地介绍了使用R语言进行数据处理的基本思路和方法。 课程能够帮助初学者快速入门数据处理。 课程通过大量的案例详细地介绍了如何使用R语言进行数据分析和处理 课程操作实际案例教学，通过编写代码演示R语言的基本使用方法和技巧 ...
R语言绘制雷达图的示例
wangprince2017
09-23 2万+
雷达图及其在R中的绘制示例 雷达图（radar charts）又叫蜘蛛网图。传统的雷达图被认为是一种表现多维（4维以上）数据的图表。它将多个维度的数据量映射到坐标轴上，这些坐标轴起始于同一个圆心点，通常结束于圆周边缘，将同一组的点使用线连接起来就称为了雷达图。 雷达图在图形表现上通常以线、面或线面叠加的方式呈现，也可以配置数据点。 如下示例，使用雷达图展示了古细菌丰度的时间动态，不同的图表示了不同的类群，雷达图的顶点为不同时间，颜色代表了不同的试验组。 （来源文献：Cro...
R语言-解方程
wangprince2017
01-25 1万+
要求方程ax+b=0的根, 实际上是求函数 f=ax+b的零点 一元方程 f&lt;-function(x,a,b) {return(a*x+b) } function是函数与 那些参数有关, return是 函数的表达式 root&lt;-uniroot(f,c(-10,10),a=5,b=10,tol = 0.1) c(-10,10)    f(10)*f(-10)&lt...
R语言-散点图
wangprince2017
01-28 1万+
一.绘制基本散点图 (1)使用plot()函数 (2)使用ggplot()函数  heightweight是个多列数据集 ggplot(heightweight,aes(x=ageYear,y=heightIn))+geom_point() ggplot(heightweight,aes(x=ageYear,y=heightIn))+geom_point(shape=21)...
R语言-三角函数
wangprince2017
01-25 8452
sin()   cos()   tan() sin(1) 1表示弧度 &gt; a&lt;-c(1:5) &gt; sin(a) [1] 0.8414710 0.9092974 0.1411200 [4] -0.7568025 -0.9589243 &gt; plot(a,sin(a)) &gt; &gt; &gt; a&lt;-seq(1,10,0.1) &gt; plot(...
02 数据类型 （向量 数据框 矩阵和列表
wangprince2017
03-14 8281
数据类型简介 数值型numeric 例：1.4 2 3 字符型character 例："a" 'n' '1' 'TRUE' 'FALSE' 只要带有引号（单双均可） 逻辑型logical(必须大写） TRUE T FALSE F NA #比较运算的结果是逻辑值 >,<,<=,>=,==（相等？）,!=（不相等） 3==5 FALSE 3！=4 TRUE #逻辑运算 多个逻辑条件的连接 #与&amp
R中的概率分布函数及可视化
wangprince2017
11-18 7851
R中拥有众多的概率函数，既有概率密度函数，也有概率分布函数，可以调用函数，也可以产生随机数，其使用规则如下所示： 其中前面字母为函数类型，含义如下： [dpqr]distribution_abbreviation() d=密度函数（density） p=分布函数（distributionfunction） q=分位数函数（quantilefunction） r=生成随机数（随...
R语言基础
wangprince2017
03-12 7761
本文所有内容均来自生信技能树课程. 向量 数据类型及数据结构 数据结构 逻辑型数据 数据类型的判断，和转换。数据类型的转换是有条件的，无法转换输出NA。 向量生成 1.用c 2.连续的数字用冒号”:” 3.有重复的用rep(),有规律的序列用seq(),随机数用rnorm 4.通过组合,产生更为复杂的向量。paste0()与paste() > c("a","f","md","b") [1] "a" "f" "md" "b" > 1:5 [
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

wangchuang2017

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值