R

• 向量初始化

z=c(1:2)
z=c()
z[1]=1
z[2]=2

z=rep(0,1000)
s=seq(1,10,1)
s=seq(1,10,length=10)
s:1,2,3,4,5,6,7,8,9,10

• 内积

crossprod(a,b) #把a转置，然后和b乘
#相当于
t(a)%*%b

• R中运算优先级冒号（：）比加减乘除都高，索引时不加括号会发生很多问题

• 统计分布每一种分布有四个函数：d――density（密度函数 pdf），p――分布函数（cdf），q――分位数函数，r――随机数函数。比如，正态分布的这四个函数为dnorm，pnorm，qnorm，rnorm。下面我们列出各分布后缀，前面加前缀d、p、q或r就构成函数名：norm：正态，t：t分布，f：F分布，chisq：卡方（包括非中心） unif：均匀，exp：指数，weibull：威布尔，gamma：伽玛，beta：贝塔 lnorm：对数正态，logis：逻辑分布，cauchy：柯西， binom：二项分布，geom：几何分布，hyper：超几何，nbinom：负二项，pois：泊松 signrank：符号秩，wilcox：秩和，tukey：学生化极差

• var,sd计算的都是无偏的方差，标准差（分母n-1）

• 在array上，沿margin方向，依次调用FUN。返回值为vector。margin表示数组引用的第几维下标（即array[index1, index2, …]中的第几个index），1对应为1表示行，2表示列，c(1,2)表示行列

apply(array, margin, FUN, ...)
m <- matrix(c(1:10), nrow=2)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    3    5    7    9
[2,]    2    4    6    8   10
> apply(m, 1, sum)
[1] 25 30
> apply(m, 2, sum)
[1]  3  7 11 15 19

• lapply
  lapply(list, FUN, …)
  在list上逐个元素调用FUN。可以用于list,dataframe上

> lst <- list(a=c(1:5), b=c(6:10))
> lapply(lst, mean)
$a
[1] 3

$b
[1] 8

• sapply
  sapply(list, FUN, …, simplify, USE.NAME=TRUE)
  比lapply多了一个simplify参数。如果simplify=FALSE，则等价于lapply。否则，在上一种情况的基础上，将lapply输出的list简化为vector或matrix。

> lst <- list(a=c(1:5), b=c(6:10))
> sapply(lst, mean)
a b 
3 8 

• mapply
  mapply(FUN, …, MoreArgs=NULL, SIMPLIFY=TRUE, USE.NAMES=TRUE)
  mapply是多变量版的sapply，参数(…)部分可以接收多个数据，mapply将FUN应用于这些数据的第一个元素组成的数组，然后是第二个元素组成的数组,返回值是vector或matrix

 mapply(sum, list(a=1,b=2,c=3), list(a=10,b=20,d=30))
 a  b  c 
11 22 33 
> mapply(function(x,y) x^y, c(1:5), c(1:5))
[1]    1    4   27  256 3125
> mapply(function(x,y) c(x+y, x^y), c(1:5), c(1:5))
     [,1] [,2] [,3] [,4] [,5]
[1,]    2    4    6    8   10
[2,]    1    4   27  256 3125