r 选取从小到大的数据_R语言（常用函数与数据管理）

本节内容可应用在数据读取之后。包括基本的运算(包括统计函数)、数据重整(排序、合并、子集、随机抽样、整合、重塑等)、字符串处理、异常值(NA/Inf/NaN)处理等内容。也包括 apply() 这种函数式编程函数的使用。

数学函数

数学运算符和一些统计学上需要的函数。

数学运算符

四则

幂运算

求余

整除

+, -, *, /

^ 或 **

%%

%/%

例子：

a

[1] 8 1 2

基本数学函数

绝对值：abs()

平方根：sqrt()

三角函数：sin(), cos(), tan(), acos(), asin(), atan()

对数：

log(x, base=n) 以 n 为底 x 的对数

log10(x) 以 10 为底的对数

指数：exp()

取整：

向上取整 ceiling()

向下取整 floor()

舍尾取整(绝对值减小) trunc()

四舍五入到第 N 位 round(x, digits=N)

四舍五入为有效数字共 N 位 singif(x, digits=N)

统计、概率与随机数

描述性统计等更多的统计内容，参考 “描述性统计”一文。

统计函数

常用的统计函数：

均值：mean()

中位数：median()

标准差：sd()

方差：var()

绝对中位差：mad(x, center=median(x), constant=1.4826, …)，计算式：

\[\mathrm{mad}(x) = constant * \mathrm{Median}(|x - center|)\]

分位数：quantile(x, probs)，例如 quantile(x, c(.3, 84%)) 返回 x 的 30% 和 84% 分位数。

极值：min() & max()

值域与极差：range(x)，例如 range(c(1, 2, 3)) 结果为 c(1, 3)。极差用 diff(range(x))

差分：diff(x, lag=1)。可以用 lag 指定滞后项的个数，默认 1

标准化：scale(x, center=TRUE, scale=TRUE)。可以使用 scale(x) * SD + C 来获得标准差为 SD、均值为 C 的标准化结果。

概率函数

常用的概率分布函数：

正态分布：norm

泊松分布：pois

均匀分布：unif

Beta 分布：beta

二项分布：binom

柯西分布：cauchy

卡方分布：chisq

指数分布：exp

F 分布：f

t 分布：t

Gamma 分布：gamma

几何分布：geom

超几何分布：hyper

对数正态分布：lnorm

Logistic 分布：logis

多项分布：multinom

负二项分布：nbinom

以上各概率函数的缩写记为 abbr, 那么对应的概率函数有：

密度函数： d{abbr}()，例如对于正态就是 dnorm()

分布函数：p{abbr}()

分位数函数：q{abbr}()

生成随机数：r{abbr}()，例如常用的 runif() 生成均匀分布

例子

通过 runif() 产生 $[0, 1]$ 上的服从均匀分布的伪随机数列。通过 set.seed() 可以指定随机数种子，使得代码可以重现。不过作用域只有跟随其后的那个随机数函数。

set.seed(123)print(runif(3))

[1] 0.2875775 0.7883051 0.4089769

# 位于 1.96 左侧的标准正态分布曲线下方的面积pnorm(1.96)

0.97500210485178

# 均值为500，标准差为100 的正态分布的0.9 分位点qnorm(.9,mean=500,sd=100)

628.15515655446

# 生成 3 个均值为50，标准差为10 的正态随机数set.seed(123)print(rnorm(3,mean=50,sd=10))

[1] 44.39524 47.69823 65.58708

数据框操作

数据框是最常使用的数据类型。下面给出数据框使用中一些实用的场景，以及解决方案。

行、列操作

新建

创建一个新的列(变量)是很常见的操作。比如我们现在有数据框 df ，想要在右侧新建一个列，使其等于左侧两列的和。

df=data.frame(x1=c(1,3,5),x2=c(2,4