R语言学习笔记1

最新推荐文章于 2023-01-08 14:05:01 发布

生信小白isa

最新推荐文章于 2023-01-08 14:05:01 发布

阅读量374

点赞数

分类专栏： R语言文章标签：数据分析

本文链接：https://blog.csdn.net/xndkwj/article/details/112008560

版权

R语言专栏收录该内容

3 篇文章 0 订阅

订阅专栏

大数据时代 BIG DATA

1 要分析与某事物相关的所有数据，而不是依靠分析少量的数据样本；

2 我们乐于接受数据的纷繁复杂，而不是追求精确性；（但是在科研中，必须要严要求数据精确，允许有误差，或者至少是客观的）

3 不再探求难以捉摸的因果关系，转而关注事物的相关关系。

路遥知马力，日久见人心。

R是S语言的一种实现。

Mac_查看所有快捷键的方式：shift+option+K

console清屏快捷键：control+L

查看工作目录：getwd()。和Linux下的pwd一样

使用setwd命令来设置工作目录

> setwd(dir = "/Users/heliuqin/Rdata/")
> getwd()
[1] "/Users/heliuqin/Rdata"

> list.files() #查看目录下包含的文件
> dir() #查看目录下包含的文件 两者的功能一样

<<- 赋值给全局变量；<-赋值给局部变量

> ls()
[1] "u" "x" "y"
> ls.str()
u :  num 9
x :  num 1
y :  num 15
> ls(all.names = TRUE) #和Linux下ls -a 选项意思一样
[1] ".Random.seed" "u"            "x"            "y" 
> rm (list=ls())#删除所有参数变量

> .libPaths()#显示库所在的位置
[1] "/Library/Frameworks/R.framework/Versions/4.0/Resources/library"

R语言，查看帮助文档，非常重要！

> help(package="datasets") 打开内置数据集

> data()不加任何参数，可以列出数据集

> rivers 直接输入数据集的名字，就可以使用这个数据集，例如：

> rivers
  [1]  735  320  325  392  524  450 1459  135  465  600  330  336  280  315  870  906  202  329  290 1000  600  505 1450  840 1243  890  350  407
 [29]  286  280  525  720  390  250  327  230  265  850  210  630  260  230  360  730  600  306  390  420  291  710  340  217  281  352  259  250
 [57]  470  680  570  350  300  560  900  625  332 2348 1171 3710 2315 2533  780  280  410  460  260  255  431  350  760  618  338  981 1306  500
 [85]  696  605  250  411 1054  735  233  435  490  310  460  383  375 1270  545  445 1885  380  300  380  377  425  276  210  800  420  350  360
[113]  538 1100 1205  314  237  610  360  540 1038  424  310  300  444  301  268  620  215  652  900  525  246  360  529  500  720  270  430  671
[141] 1770

>  rivers <- c(1,2,3)
> rivers
[1] 1 2 3
> data("rivers")
> rivers
  [1]  735  320  325  392  524  450 1459  135  465  600  330  336  280  315  870  906  202  329  290 1000  600  505 1450  840 1243  890  350  407
 [29]  286  280  525  720  390  250  327  230  265  850  210  630  260  230  360  730  600  306  390  420  291  710  340  217  281  352  259  250
 [57]  470  680  570  350  300  560  900  625  332 2348 1171 3710 2315 2533  780  280  410  460  260  255  431  350  760  618  338  981 1306  500
 [85]  696  605  250  411 1054  735  233  435  490  310  460  383  375 1270  545  445 1885  380  300  380  377  425  276  210  800  420  350  360
[113]  538 1100 1205  314  237  610  360  540 1038  424  310  300  444  301  268  620  215  652  900  525  246  360  529  500  720  270  430  671
[141] 1770

rivers定义为其他数量时，可以使用data重新整回来。

> help("mtcars")

查看数据集的介绍

> euro
        ATS         BEF         DEM         ESP         FIM         FRF         IEP         ITL         LUF         NLG         PTE 
  13.760300   40.339900    1.955830  166.386000    5.945730    6.559570    0.787564 1936.270000   40.339900    2.203710  200.482000 
> names(euro)
 [1] "ATS" "BEF" "DEM" "ESP" "FIM" "FRF" "IEP" "ITL" "LUF" "NLG" "PTE"

names(数据集名称)：可以单独查看数据的属性信息

> hhxi <- data.frame(state.name,state.abb,state.area,state.division,state.region)
> hhxi
       state.name state.abb state.area     state.division  state.region
1         Alabama        AL      51609 East South Central         South
2          Alaska        AK     589757            Pacific          West
3         Arizona        AZ     113909           Mountain          West
4        Arkansas        AR      53104 West South Central         South
5      California        CA     158693            Pacific          West
6        Colorado        CO     104247           Mountain          West
7     Connecticut        CT       5009        New England     Northeast
8        Delaware        DE       2057     South Atlantic         South
9         Florida        FL      58560     South Atlantic         South
10        Georgia        GA      58876     South Atlantic         South
11         Hawaii        HI       6450            Pacific          West
12          Idaho        ID      83557           Mountain          West
13       Illinois        IL      56400 East North Central North Central
14        Indiana        IN      36291 East North Central North Central
15           Iowa        IA      56290 West North Central North Central
16         Kansas        KS      82264 West North Central North Central
17       Kentucky        KY      40395 East South Central         South
18      Louisiana        LA      48523 West South Central         South
19          Maine        ME      33215        New England     Northeast
20       Maryland        MD      10577     South Atlantic         South
21  Massachusetts        MA       8257        New England     Northeast
22       Michigan        MI      58216 East North Central North Central
23      Minnesota        MN      84068 West North Central North Central
24    Mississippi        MS      47716 East South Central         South
25       Missouri        MO      69686 West North Central North Central
26        Montana        MT     147138           Mountain          West
27       Nebraska        NE      77227 West North Central North Central
28         Nevada        NV     110540           Mountain          West
29  New Hampshire        NH       9304        New England     Northeast
30     New Jersey        NJ       7836    Middle Atlantic     Northeast
31     New Mexico        NM     121666           Mountain          West
32       New York        NY      49576    Middle Atlantic     Northeast
33 North Carolina        NC      52586     South Atlantic         South
34   North Dakota        ND      70665 West North Central North Central
35           Ohio        OH      41222 East North Central North Central
36       Oklahoma        OK      69919 West South Central         South
37         Oregon        OR      96981            Pacific          West
38   Pennsylvania        PA      45333    Middle Atlantic     Northeast
39   Rhode Island        RI       1214        New England     Northeast
40 South Carolina        SC      31055     South Atlantic         South
41   South Dakota        SD      77047 West North Central North Central
42      Tennessee        TN      42244 East South Central         South
43          Texas        TX     267339 West South Central         South
44           Utah        UT      84916           Mountain          West
45        Vermont        VT       9609        New England     Northeast
46       Virginia        VA      40815     South Atlantic         South
47     Washington        WA      68192            Pacific          West
48  West Virginia        WV      24181     South Atlantic         South
49      Wisconsin        WI      56154 East North Central North Central
50        Wyoming        WY      97914           Mountain          West

安装MASS包 > install.packages("MASS")

安装以后必须加载才可以调用 > library(MASS) 也可以这样不加载包，直接调用包内的数据集 > data(Chile,package="car")(但是这个比较特殊，因为要先加载carData)所以后面改为 > data(Chile,package="carData")

> (.packages()) 查看加载的哪些包

>detach("package:carData") 卸除（不加载），暂时不使用这个包

显示安装包的数据集 > data(package="MASS")

显示R中所有的数据集 > data(package=.packages(all.available = TRUE))

数据结构

数据结构基础，很重要。一定要打好基础！切勿直接比葫芦画瓢！

1、数值型，可以直接进行加减乘除；

2、字符串型，可以进行连接、转换、提取等；

3、逻辑性，真或者假；

4、日期；

EXCEl中输入一长串数字时，会自动变为科学计数法。解决方法是，在前面加一个单引号‘。原因是：不同的数据类型，对应不同的处理函数。

R中数据类型

1、向量、标量

2、矩阵

3、数组

4、列表

5、数据框

6、因子

7、时间序列

。。。。

向量，vector 一维数组。用函数c来创建向量

> y <- c("one","two","three")输入字符串时，加引号。和安装包时一样，都要加引号。说明你是一个外部人员。

> z <- c(TRUE,T,F)创建逻辑向量，必须大写。

> c(1:100)等差数列。

> seq(from=1,to=100)

> seq(from=1,to=100,by=2) by设置等差的距离。

> seq(from=1,to=100,length.out = 10) lengthout设置输入的个数

rep(1:4, 2)
rep(1:4, each = 2)       # not the same.
rep(1:4, c(2,2,2,2))     # same as second.
rep(1:4, c(2,1,2,1))
rep(1:4, each = 2, len = 4)    # first 4 only.
rep(1:4, each = 2, len = 10)   # 8 integers plus two recycled 1's.
rep(1:4, each = 2, times = 3)  # length 24, 3 complete replications

mode查看数据类型.

> mode(x)
[1] "numeric"
> mode(z)
[1] "logical"

> rivers[rivers>500] 去除rivers中大于500的函数

向量化编程的优势

向量索引

1、正（负）整数索引；

2、逻辑向量索引；

3、名称索引；

> x[90] 输出第90个元素

> x[-1] 不输出第1个元素

> x[c(4:10)] 输出第4到10个元素

> x[x>5 & x<8] &表示同时的意思

> y <- c("one","two","three","four","five")

> "one" %in% y one和y进行逻辑比较。使用的是%in%这个字符，逻辑判断符号。

> y %in% c("one","two")
[1]  TRUE  TRUE FALSE FALSE FALSE
> y[y %in% c("one","two")]
[1] "one" "two"
> y
[1] "one"   "two"   "three" "four"  "five"

> l <- c(1,2,3,4)
> names(l) <- c("one","two","three","four")
> l
  one   two three  four 
    1     2     3     4

names 给向量的元素，赋予命名。

> names(euro)
 [1] "ATS" "BEF" "DEM" "ESP" "FIM" "FRF" "IEP" "ITL" "LUF" "NLG" "PTE"

> euro["ATS"]
    ATS 
13.7603

生信小白isa

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
R语言学习笔记1

大数据时代 BIG DATA1 要分析与某事物相关的所有数据，而不是依靠分析少量的数据样本；2 我们乐于接受数据的纷繁复杂，而不是追求精确性；（但是在科研中，必须要严要求数据精确，允许有误差，或者至少是客观的）3 不再探求难以捉摸的因果关系，转而关注事物的相关关系。路遥知马力，日久见人心。R是S语言的一种实现。...
复制链接

扫一扫