R

1.R：有着统计分析功能及强大作图功能的软件系统，是一门编程语言，不是编译语言

2.所有操作都是针对存储在活动内存中的对象

3.输入一个对象的名字来显示其内容
一个名为n的对象，其内容是数值10（[]中的数字1表示从n的第一个元素开始显示）

> n
 [1]   10

4.赋值符号：-> 或 <-
赋值对象：数值/算式/函数结果

> n <- 3 + rnorm(1)

运行rnorm(1)将产生一个服从平均数为0标准差为1的标准正态分布的随机变量

5.ls：显示所有在内存中的对象，
(1)若要显示出在名称中带有某个指定字符的对象，则需要通过设定选项pattern,简写pat

> ls()
[1] "m" "n1"  "name"
> ls(pat = "m")
[1] "m" "name"

(2)限为显示在名称中以某个字母开头的对象

> ls(pat = "^m")
[1] "m"

(3)ls.str()将会展示内存中所有对象的详细信息，展示结果很长（包括数据框/矩阵/数据列表等信息），用max.level = -1可以避免

> ls.str()
m : num 0.5 n1 : num 10 n2 : num 100 name : chr "Carmen"
> M  <- data.frame(n1,n2,m)
> ls.str(pat = "M")
M : 'data.frame':     1 obs. of  3 variables:
  $ n1: num 10
  $ n2: num 100
  $ m : num 0.5
>ls.str(pat="M",max.level = -1)
M : 'data.frame':     1 obs. of  3 variables:

6.删除某个对象：rm(x)
删除对象x和y:rm(x,y)
删除内存中的所有对象：rm(list = ls())

7.在线帮助
（1）help(lm)和help(“lm”)的区别：后者查询关于某特殊语法意义字符

?lm 显示关于函数lm()(线性模型)的帮助页面

（2）默认情况下，help只会在被载入内存中的包中搜索，若要搜索所有包，则需要设置：

> help("bs", try.all.packages = TRUE)

若打开页面，没有bs函数的帮助页面，所属包没有被载入内存，可以使用package

> help("bs",package = "splines")

（3）html格式的帮助可以通过输入下面的函数启动

> help.start()

(4)刷新数据库

> help.search("tree",rebuild = TRUE)

help.search():搜索所有已安装的包中给定字符串的相关内容
如：help.search(“tree”) 会列出所有在帮助页面含有"tree"的函数
（5）找出所有在名字中含有指定字符串的函数：函数apropos(在被载入的包中进行搜索)

> apropos(help)
[1] "help"       ".helpForCall"  "help.search"
[4] "help.start"

8.所有的对象都有两个内在属性：类型（mode）和长度(length)
类型是对象元素的基本种类，四种：数值型，字符型，复数型，逻辑型

9.（1）字符型的值输入时须加上双引号，若需要引用双引号的话，可以让它跟在反斜杠\后面("在某些函数如cat的输出显示或write.table写入磁盘时会被以特殊的方式处理)

> x <- "Double quotes \" delimitate R's strings."
>  x
[1] "Double  quotes \" delimitate R's strings."
> cat(x)
Double  quotes " delimitate R's strings.

（2）另一种表示字符型变量方法，用单引号来界定变量，这种不需要用反斜杠来引用双引号，但是引用单引号时必须用

> x <- "Double quotes " delimitate R\'s strings."
> x
[1] "Double  quotes \" delimitate R's strings."

10.read.table:创建一个数据框，读取表格形式的数据
scan:也可读取数据，并可以指定变量的类型
read.fwf:可读取文件中一些固定宽度格式的数据
write.table:在文件中写入一个对象，一般是写一个数据框，也可以是其他类型的对象（向量，矩阵……）
writa(x,file = “data.txt”):将一个对象写入文件，x是对象的文字
save(x,y,z,file = “xyz.RData”):记录一组任意数据类型的对象
load(“xyz.RData”):工作空间使用这函数后被加载到内存中

11.生成数据
（1）产生规则整数序列

> x <- 1:30

:优先级

> 1 : 10-1
[1] 0 1 2 3 4 5 6 7 8 9 
> 1 : (10-1)
[1] 1 2 3 4 5 6 7 8 9

(2)seq函数
① > seq(1,5,0.5)
[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

②> seq(length = 9,from = 1,to = 5)
[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

③> c(1 1.5 2 2.5 3 3.5 4 4.5 5)
[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

(3)scan函数
直接用键盘输入数据

> z <- scan()
1: 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
10:
Read 9 items
> z
[1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

(4)rep函数：创建一个所有元素都相同的向量

> rep(1,30)
[1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 11

(5)sequence函数：创建一系列连续的整数序列，每个序列都以给定参数的数值结尾

> sequence(4:5)
[1] 1 2 3 4 1 2 3 4 5
> sequence(c(10,5))
[1] 1 2 3 4 5 6 7 8 9 10 1 2 3 4 5

(6)gl函数：产生规则的因子序列
gl(k,n):k是水平数（或类别数），n是每个水平重复的次数
length:用来指定产生数据的个数
labels:用来指定每个水平因子的名字

> gl(3,5)
[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
Levels:1 2 3
> gl(3,5,length = 30)
[1] 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3
Levels:1 2 3
> gl(2,6,label = c("Male","Female"))
[1] Male Male Male Male Male Male
[7] Female Female Female Female Female Female
Levels:Male Female

(7)expand.grid()函数：创建一个数据库，结果把各参数的各水平完全搭配

> expand.grid(h = c(60,80),w = c(100,300),sex = c("Male","Female"))
   h    w    sex
1 60   100   Male
2 80   100   Male
3 60   300   Male
4 80   300   Male
5 60   100   Female
6 80   100   Female
7 60   300   Female
8 80   300   Female