R语言（1）

最新推荐文章于 2022-03-12 12:35:56 发布
最新推荐文章于 2022-03-12 12:35:56 发布
阅读量2.3k 收藏 12
点赞数 1
分类专栏： R语言 文章标签： r语言
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/weixin_51077152/article/details/119212934
版权
本文介绍了R语言的基础操作，包括创建向量和矩阵、求值函数如mean()和sum()，以及矩阵运算。还讨论了如何生成向量，如使用Seq()函数，并详细阐述了数据框的特性。此外，文章涵盖了统计分析函数，如summary()，并讲解了如何绘制各种统计图形，如散点图、直方图和箱形图。
摘要由CSDN通过智能技术生成

创建向量和矩阵

  1. 函数c()：用来把一些数据组合成向量
  2. nchar()：主要使用来返回字符长度 length()：则是用来返回字符数量
  3. mode():指变量的类型如：数值型、字符型、逻辑型等 class():指变量的类别如：矩阵、列表、数据框等 typeof():对变量类型的细分
  4. 函数cbind() 和rbind() 把向量和矩阵拼成一个新的矩阵。 cbind() 把矩阵横向合并成一个大矩阵（列方式），而rbind()是纵向合并（行方式）。
x=c(1,2,3,7,5)
y=3L
a="Jone"
b=c("Tom","Amy","Bob")
#####函数c()#####
x               #[1] 1 2 3 7 5
#####length()与nchar()#####
length(x)       #5
length(y)       #1
length(a)       #1
length(b)       #3

nchar(x)        #1 1 1 1 1
nchar(y)        #1
nchar(a)        #4
nchar(b)        #3 3 3
#####mode()、class()、typeof()#####
mode(x)         #"numeric"
mode(y)         #"numeric"
mode(a)         #"character"
mode(b)         #"character"


class(x)          #"numeric"
class(y)          #"integer"
class(a)          #"character"
class(b)          #"character"

typeof(x)         #"double"
typeof(y)         #"integer"
typeof(a)         #"character"
typeof(b)         #"character"
#####rbind()与cbind()#####
rbind(x,b)
#  [,1]  [,2]  [,3]  [,4]  [,5] 
#x "1"   "2"   "3"   "7"   "5"  
#b "Tom" "Amy" "Bob" "Tom" "Amy"
cbind(x,b)
#     x   b    
#[1,] "1" "Tom"
#[2,] "2" "Amy"
#[3,] "3" "Bob"
#[4,] "7" "Tom"
#[5,] "5" "Amy"

求值

  1. mean():求算术平均值

  2. sum():求和

  3. min()：最小值

  4. max()：最大值

  5. var()：样本方差在这里插入图片描述

  6. sd():标准差

  7. median()：中位数

  8. cov():协方差

  9. cor():相关系数

  10. prod():向量元素乘积，返回所有参数中元素乘积

产生向量

  1. 基础
A<-1:20                     #[1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
A<-1:20*2+2                 #[1]  4  6  8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
A[-5]                       #[1]  4  6  8 10 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
A[5]                        #[1] 12
A[(1:5)]                    #[1]  4  6  8 10 12
A[-(1:5)]                   #[1] 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
A[1]                        #[1]  4
A[A[1]]                     #[1] 10
A[1,2,3]                    #Error in A[1, 2, 3] : 量度数目不对
c(1,2,3)                    #[1] 1 2 3
A[c(1,2,3)]                 #[1] 4 6 8
A[A<20]                     #[1]  4  6  8 10 12 14 16 18
A[A>20&A<40]                #[1] 22 24 26 28 30 32 34 36 38
  1. Seq()函数:Seq(from,to,by/length)
    by = ((to - from)/(length - 1))
seq(1,20)                   #[1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
seq(1,20,by=2)              #[1]  1  3  5  7  9 11 13 15 17 19
seq(1,20,length=10)         #[1]  1.000000  3.111111  5.222222  7.333333  9.444444 11.555556 13.666667 15.777778 17.888889 20.000000
seq(1,20,by=2,length=10)    #Error in seq.default(1, 20, by = 2, length = 10) : 太多参数
  1. LETTERS[]：产生大写字母序列；letters[]：产生小写字母序列
letters                     #[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z"
letters[3]                  #[1] "c"  
letters[1,2,3]              #Error in letters[1, 2, 3] : 量度数目不对
letters[c(1,2,3)]           #[1] "a" "b" "c"
letters[1:30]               #[1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s" "t" "u" "v" "w" "x" "y" "z" NA  NA  NA  NA

新建向量

  1. which()函数
    which.max(a)：取数组最大值的下标
    which.min(a)：取数组最小值的下标
    which(a>3)：取数组小于3的下标
    which(a==3)：取数组等于3的下标
    which(10:1 %in%a)：取数组中在1-10的数
m<-c(2,1,4,3,5,7,8,6,22,90,75,44,32)
m                           #[1]  2  1  4  3  5  7  8  6 22 90 75 44 32
which.max(m)                #[1] 10
which.min(m)                #[1] 2
which(m<5)                  #[1] 1 2 3 4
m[which(m<5)]               #[1] 2 1 4 3
which(m==22)                #[1] 9
m[which(m==22)]             #[1] 22  
which(1:80%in%m)            #[1]  1  2  3  4  5  6  7  8 22 32 44 75    
which(80:1%in%m)            #[1]  6 37 49 59 73 74 75 76 77 78 79 80    

a=c(1,3,4,5,3,2,5,6,3,2,5,6,7,5,8)
which(10:1%in%a)            #[1]  3  4  5  6  7  8  9 10
which(1:10%in%a)            #[1] 1 2 3 4 5 6 7 8
  1. rev():向量倒序/逆转
    sort():排序(或命令)一个向量或因素(部分)升序或降序排序
m=1:20
m                           #[1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
rev(m)                      #[1] 20 19 18 17 16 15 14 13 12 11 10  9  8  7  6  5  4  3  2  1

n=c(2,9,5,4,10,34,24,26,90,6,23,57)
n                           #[1]  2  9  5  4 10 34 24 26 90  6 23 57
sort(n)                     #[1]  2  4  5  6  9 10 23 24 26 34 57 90
sort(n,decreasing = F)      #[1]  2  4  5  6  9 10 23 24 26 34 57 90
sort(n,decreasing = T)      #[1] 90 57 34 26 24 23 10  9  6  5  4  2

rev(sort(n))                #[1] 90 57 34 26 24 23 10  9  6  5  4  2

生成矩阵 函数matrix()

matrix(data, nrow, ncol, byrow, dimnames)
data - 是这成为矩阵的数据元素输入向量。
nrow - 是要创建的行数。
ncol - 要被创建的列的数目。
byrow - 是一个合乎逻辑。如果为True，那么输入向量元素在安排的行。
dimname - 是分配给行和列名称。

matrix(c(1,2,3,4,5,6,7,8,9,10,11,12),3,4)
#     [,1] [,2] [,3] [,4]
#[1,]    1    4    7   10
#[2,]    2    5    8   11
#[3,]    3    6    9   12
matrix(c(1,2,3,4,5,6,7,8,9,10,11,12),3,4,T)
#     [,1] [,2] [,3] [,4]
#[1,]    1    2    3    4
#[2,]    5    6    7    8
#[3,]    9   10   11   12
matrix(c(1,2,3,4,5,6,7,8,9,10,11,12),3,4,T,dimnames = list(c("row1",'row2','row3'),c('col1','col2','col3','col4')))
#     col1 col2 col3 col4
#row1    1    2    3    4
#row2    5    6    7    8
#row3    9   10   11   12

访问矩阵

p=matrix(c(1,2,3,4,5,6,7,8,9,10,11,12),3,4,T,dimnames = list(c("row1",'row2','row3'),c('col1','col2','col3','col4')))
#     col1 col2 col3 col4
#row1    1    2    3    4
#row2    5    6    7    8
#row3    9   10   11   12
p[1,3]                      #[1] 3  
p[1,]                       #col1 col2 col3 col4 
                            #1    2    3    4
p[,3]                       #row1 row2 row3 
                            #3    7   11

矩阵运算

  1. 矩阵加减：
  2. 矩阵相乘：
  3. 矩阵求逆：solve（）函数；奇异矩阵（行列式为0）没有逆矩阵；
  4. t()函数：矩阵行列转换/转置矩阵
  5. diag()函数：提取或替换一个矩阵的对角线,或构造一个对角矩阵
  6. rnorm()函数(正态分布 )：产生一系列的随机数，随机数个数，均值和标准差都可以设定
    rnorm(n, x, y): 产生n个平均数为x，标准差为y的数。 默认情况下，平均数为0， 标准差为1
  7. solve()函数：
    solve(a):求矩阵a的逆
    solve(a,b):求解线性方程
  8. eigen()函数：求解矩阵的特征值与特征向量
> e=matrix(c(1:9),3,3)
> e
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> f=matrix(c(11:19),3,3)
> f
     [,1] [,2] [,3]
[1,]   11   14   17
[2,]   12   15   18
[3,]   13   16   19
> #加法：
> e+f
     [,1] [,2] [,3]
[1,]   12   18   24
[2,]   14   20   26
[3,]   16   22   28
> #减法：
> e-f
     [,1] [,2] [,3]
[1,]  -10  -10  -10
[2,]  -10  -10  -10
[3,]  -10  -10  -10
> f-e
     [,1] [,2] [,3]
[1,]   10   10   10
[2,]   10   10   10
[3,]   10   10   10
> #乘法：
> e*f
     [,1] [,2] [,3]
[1,]   11   56  119
[2,]   24   75  144
[3,]   39   96  171
> e%*%f
     [,1] [,2] [,3]
[1,]  150  186  222
[2,]  186  231  276
[3,]  222  276  330
> #除法：
> e/f
           [,1]      [,2]      [,3]
[1,] 0.09090909 0.2857143 0.4117647
[2,] 0.16666667 0.3333333 0.4444444
[3,] 0.23076923 0.3750000 0.4736842
> f/e
          [,1]     [,2]     [,3]
[1,] 11.000000 3.500000 2.428571
[2,]  6.000000 3.000000 2.250000
[3,]  4.333333 2.666667 2.111111
> f%/%e
     [,1] [,2] [,3]
[1,]   11    3    2
[2,]    6    3    2
[3,]    4    2    2
> #求余：
> e%%f
     [,1] [,2] [,3]
[1,]    1    4    7
[2,]    2    5    8
[3,]    3    6    9
> #矩阵行列转换：
> t(e)
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
[3,]    7    8    9
> t(f)
     [
最低0.47元/天 解锁文章
weixin_51077152
关注
专栏目录
R语言基础入门教程.pdf
04-01
R语言是一种用于统计分析、绘图的语言和操作环境，属于GNU系统的一个自由、免费、源代码开放的软件。在R语言中，有六种基本数据结构，包括向量、矩阵、数组、列表、数据框和因子。向量是R语言中最基本的数据结构，由...
R语言学习（复习：数据结构）
ThisAmy的博客
03-25 4568
R语言学习（复习，20190325） 复习： > d<-c(1,2,3,4) > d [1] 1 2 3 4 > d<-c(1:10) > d [1] 1 2 3 4 5 6 7 8 9 10 > d<-8.9 > d [1] 8.9 > mode(d) [1] "numeric" > d<-c(2,5,7...
《机器学习与R语言》读书笔记3：数据的管理和理解
八宝粥的专栏
09-25 2347
任何机器学习项目初期的核心部分都是与管理和理解所收集的数据有关的 R数据结构：向量、因子、列表、数组和数据框 向量（R的基本数据结构）： （一个向量可以包含任意数量的元素，所有元素必须是一样的类型） 向量存储一组有序的值，称为元素。 向量类型： integer（整型）、numeric（数值型）、character（字符型）、logical（逻辑型）、
列表和数据框的练习
qq_40943157的博客
02-02 1248
> x1<-list(seq(from=-4,to=40,length=20),matrix(data=c(F,T,T,T,F,T,T,F,F),dim=c(3,3)),"'don'' ''qulxote",factor(x=c("LOW","MED","MED",HIGH"))) + x1 + + l + l + x1<-list(seq(from=-4,to=40,length=20),matrix(data=c(F,T,T,T,F,T,T,F,F),dim=c(3,3)),"'do.
2021-02-25
qq_2604617551的博客
02-25 841
pheatmap(bf3,cluster_rows = FALSE,cluster_cols = FALSE) Error in seq.default(min(x, na.rm = T), max(x, na.rm = T), length.out = n + : 'to' must be a finite number 此外: Warning message: In seq.default(min(x, na.rm = T), max(x, na.rm = T), length.out = ...
R 语言基础课总结
wangprince2017
03-12 4549
一 R 和Rstudio介绍 基本使用 1.要用project方法管理数据，这样显得丝毫不慌，最重要的是，这样可以把示例文件和代码放在一起，打开后就指定工作目录，不会出现在该目录下找不到文件的提示。（这是大多数R语言初学者比较头疼事情，有时候老师操作快结束了，自己文件还没有载入……） 2 在新建Rproject后，再新建脚本 3.数据分析结束，保存脚本文件，小洁老师课上提到“点击离代码最近的磁盘那个按钮”，我以前都是点击工作台的保存，也没啥问题，算了还是按小洁老师改过来的吧。 4.关于R
R语言期末试题R语言期末试题
12-30
R 语言期末试题 一、编写函数计算 myfun (n) (n^n) 该知识点涉及到 R 语言的函数编写和数学运算。在 R 语言中，可以使用函数来计算复杂的数学运算。在这个例子中，我们编写了一个函数 myfun，输入参数为 n，输出为...
R语言实战代码1.zip
08-24
《R语言实战》一书是R语言学习者的重要参考资料，其第二版更是深入浅出地介绍了R语言在实际数据分析和统计建模中的应用。书中的原版代码是学习过程中的重要辅助工具，可以帮助读者理解并实践书中讲解的各种方法和...
R语言实验指导书1
08-03
2. **RStudio编程环境**：RStudio是一款集成开发环境（IDE），为R语言提供了便利的界面，包括代码编辑器、控制台、工作区管理、历史记录以及各种扩展功能，极大提高了R语言的使用效率。 3. **R语言数据类型**：R...
R语言概述思维导图1
08-04
**R语言概述** R语言是一种专门用于统计计算和图形绘制的高级编程语言，由统计学家为了满足数据分析的需求而创建。在大数据时代，随着数据分析的重要性日益凸显，R语言因其强大的统计分析功能和丰富的可视化能力，...
iris3[1][1].7.rar
10-23
iris专业抓包工具 计算机网络ethereal实验
有偿求教r语言时间序列问题
weixin_45554564的博客
02-23 372
最近刚开始自学，实操时遇到了好多问题，又不知道能问谁，希望能向懂时间序列建模分析的前辈请教一些问题，有偿，给????或者小礼物都可以。
R读取TXT文件时，文件列名有重复，无法读取为data.frame格式的问题
qq_37327056的博客
04-17 9393
这种方法比较麻烦，也有一定的修改mutidata2&lt;-read.table("COLON_Methy_Expression.txt",header = FALSE)mutidata2 &lt;- mutidata2[!duplicated(mutidata2[,1]), ]data2&lt;-mutidata2[-1,-1]rownames(data2)&lt;-mutidata2[1,-1...
R 学习笔记1
lixixi
02-03 3981
函数c(),length(),mode(),rbind(),cbind() x=c(1,3,4,2,5,6,3,2) x [1] 1 3 4 2 5 6 3 2 mode(x) [1] “numeric” y=c(“a”,”d”,”xra”) y [1] “a” “d” “xra” mode(y) [1] “characte...
《R语言编程艺术》笔记3--矩阵和数组
NicolasHe的专栏
09-27 2578
矩阵（matrix）是一种特殊的向量，包含两个附加的属性：行数和列数。所以矩阵和向量一样，有模式的概念。iru数值型和字符型。（但反过来，向量不能看作是只有一列或只有一行的矩阵） 数组（array）是R里更一般的对象，矩阵是数组的一个特殊情形。数组可以是多维的。例如一个三维数组可以包含行、列和层（layer），而一个矩阵只有行和列两个维度。 R的强大之处在于它丰富的矩阵运算。 1.创建矩阵
个体软件过程中代码的估算、度量和错误的记录
赵亮的博客专栏(theforever，碧海情天)
08-15 1442
PSP(Personal Software Process,个体软件过程）是一个过程描述、测度和方法的结构化集合，能够帮助软件工程师改善其个人性能。它提供了表格、脚本和标准，以帮助软件工程师估算和计划其工作。它显示了如何定义过程及如何测量其质量和生产率。一个基本的PSP原则是：每个人都是不同的，对于某个工程师有效的方法不一定适合另一个。这样，PSP帮助工程师测量和跟踪他们自己的工作，使得他们能够找到
R语言读取出现 列的数目比列的名字要多的解决方法
热门推荐
dayday学习的博客
02-27 2万+
R语言读取出现 列的数目比列的名字要多的解决方法 出现上面的错误后来我加载了一下 不加表头的header=F的我成功的加载过来了，发现有30多个变量，而且还是乱码。因此我加了fileEncoding = ‘utf-8’ 有可能你的编码不是utf-8换成你文本的编码就可以了 ...
r语言变量长度不一致怎么办_R语言从入门到精通：Day3
weixin_39553423的博客
11-21 8485
在大概了解了R语言和在自己电脑上安装了Rstudio之后，相信大家对学习使用R语言迫不及待了。接下来，我们会推出一系列的推文来帮助大家由浅入深的学习R语言，保证每一个同学在这系列推文结束的时候都能成为R语言编程的大牛。温馨提示本节内容难点较多，务必紧跟红色标记，牢记重点内容。R语言作为一种编程语言，在生物信息和生物统计学中应用非常广泛。学习R语言的初期和学习其他编程语言一样，我们首先要了...
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
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