R语言中的esttab命令_R语言︱基本函数、统计量、常用操作函数

先言：R语言常用界面操作

帮助：help(nnet) = ?nnet =??nnet

清除命令框中所有显示内容：Ctrl+L

清除R空间中内存变量：rm(list=ls())、gc()

获取或者设置当前工作目录：getwd、setwd

保存指定文件或者从磁盘中读取出来：save、load

读入、读出文件：read.table、wirte.table、read.csv、write.csv

1、一些简单的基本统计量

#基本统计量

sum/mean/sd/min    #一些基本统计量

which.min()        #找出最小值的序号

以上是单数列，如果是多变量下的呢？

#多元数据

colMeans()    #每列,row是行(横向)

colnames()    #列名

colSums()     #列求和

cov()         #协方差阵

cor()         #相关矩阵

cor.test()    #相关系数

abs

绝对值

sqrt

平方根

exp

e^x次方

log

自然对数

log2,log10

其他对数

sin,cos,tan

三角函数

sinh,cosh,tanh

双曲函数

poly

正交多项式

polyroot

多项式求根

对象操作：

assign

赋值操作，等同于“

rm

删除对象

ls

显示内存中的对象

str

显示对象的内在属性或简要说明对象

ls.str

展示内存中所有对象的详细信息

length

返回对象中元素的个数

names

显示数据的名称，对于数据框则是列名字

levels

因子向量的水平

dim

数据的维度

nrow

矩阵或数据框的行数

ncol

列数

rownames

数据的行名字

colnames

列名字

class

数据类型

mode

数据模式

head

数据的前n行

tail

数据的后n行

summary

显示对象的概要

attr

x的属性类型

is.na

检测变量的类型

is.null

is.array

is.data.frame

is.numeric

is.complex

is.character

简单统计：

max

最大元素

min

最小元素

range

最小值和最大值组成的向量

sum

和

prod

元素连乘

pmax

向量间相同下标进行比较最大者，并组成新的向量

pmin

向量间相同下标进行比较最小者，并组成新的向量

cumsum

累积求和

cumprod

连乘

cummax

最大

cummin

最小

mean

均值

weighted,mean

加权平均数

median

中位数

sd

标准差

norm

正态分布

f

F分布

unif

均匀分布

cauchy

柯西分布

binom

二项分布

geom

几何分布

chisq.test

卡方检验，进行独立性检验

prop.test

对总体均值进行假设检验

shapiro.test

正态分布检验

t.test

T检验，对总体均值进行区间估计

aov

方差分析

anova

一个或多个模型对象的方差分析

2、向量

向量在循环语句中较为广泛

#向量

#向量在循环语句中较为广泛

M=vector(length = 8);M  #生成一个长为8的布尔向量

M[1]="1";M             #赋值之后就会定义为字符

M[1]=1;M              #赋值之后，定义为数值

逻辑向量使用

y[y 

3、数据储存形式

#数据储存形式

data.frame(wi=iris,ci=cars)   #数据框形式，可以直接定义变量名

list(wi=iris,ci=cars)         #list，也可以直接定义变量名

注意：attach()、detach()

可以将数据框中的变量释放到Rs内存中，然后就可以直接调用。

attach(iris)

names(setosa)

detach(iris)

在data.frame中，是可以实现数据集重命名的，比如data.frame(x=iris,y=cars)，

也可以实现横向、纵向重命名，data.frame(x=iris,y=cars,row.names=iris)

4、数据查看函数——names、str、unique组合、typeof()、mode()、class()

##数据查看函数

names(iris)           #查看所有变量名字

str(iris)             #变量属性(int整数,num数值)

unique(iris$setosa)   #查看分类变量的水平

table(iris$setosa)    #分类水平，不同水平的个数(=unique+sum功能)

summary(iris)         #所有变量各自的均值、分位数、众数、最大、最小值等统计量，在回归中就是系数表等

attributes(iris)      #包括names(变量名)、row.names(序号的名称)、class(数据形式)

一般names、str、unique会组合使用。

如何查看数据类型——typeof()、mode()、class()的区别？

我这里用个因子例子来说明，希望能讲清楚

> gl(2,5)            #新建一个因子

[1] 1 1 1 1 1 2 2 2 2 2

Levels: 1 2

> class(gl(2,5))   #查看变量的类，显示为因子；

[1] "factor"

> mode(gl(2,5))     #查看数据大类，显示为数值型；

[1] "numeric"

> typeof(gl(2,5))    #查看数据细类，显示为整数型；

[1] "integer"

#来自：http://f.dataguru.cn/thread-99785-1-1.html

从精细度上说，typeof>mode>class.

5、矩阵的基本知识与注意

#矩阵的基本知识

t()       #转置

det()     #行列式，方阵

x%*%y     #向量内积

x%o%y#向量外积

A=array(1:9,dim=c(3,3))

A*A    #这个代表矩阵内两两子元素相乘

A%*%A #才是我们想要的结果

crossprod(A,A)    #等于t(A)%*%A

crossprod(t(A),A) #等于A%*%A，所以需要t(A)一下

t

矩阵转置

rowsum

行求和

colsum

列求和

rowmeans

行平均

colmeans

列平均

solve

对线性方程求解或求矩阵的逆

diag

对角阵

6、因子

##因子(≈文本+数字的组合)

#SPSS中值标签定义有异曲同工之妙

M=factor(iris$setosa,levels=c(1,0),labels=c("M","F"));M  #能够转化因子格式+定义值标签

M=as.factor(iris$setosa);M #上面的函数更有效，因为as.factor只能转化成因子格式

7、输入输出

library

加载包

data

加载制定数据集

load

加载save或者save.image保存的数据

read.table

读取表格

read.csv

读取以逗号分割的表格

read.delim

读取以tab分割个表格

read.fwf

以fixed width formatted 形式读取数据至表格

save

二进制保存指定对象

save.image

二进制保存当前线程内所有对象

write.table

将数据以表格形式写入文本

write.csv

将数据以CSV表格形式写入文本

cat

强制转化为字符后输出

sink

输出转向到指定文件

print

输出屏幕

format

格式化

8、逻辑运算

!x

逻辑非

x & y

逻辑与

x && y

逻辑与(仅匹配并返回第一个值)

x | y

逻辑或

x || y

逻辑或(仅返回第一个值)

x or (x,y)

异或