R语言的基本语句及基本规则

0x01 赋值语句

使用 “<-” 或 “=” 进行赋值。例如：

x <- 5  # 将数值 5 赋值给变量 x
y = 10  # 另一种赋值方式

0x02 输出语句

使用 print() 函数输出内容。例如：

print("Hello, R!")
print(x)

0x03 注释语句

任何在 #之后的内容在 R 解释器中都会被忽略，作为注释。
例如：x <- 5 # 给变量 x 赋值为 5，这里 # 给变量 x 赋值为 5就是注释部分，它不会被执行，只是为了方便开发者理解代码的含义。

0x04 条件语句

1.if 语句：

if (condition) {
  # 如果条件为真执行这里的代码
}

例如：

if (x > 0) {
  print("x is positive")
}

2.if-else 语句：

if (condition) {
  # 如果条件为真执行这里的代码
} else {
  # 如果条件为假执行这里的代码
}

例如：

if (x > 0) {
  print("x is positive")
} else {
  print("x is non-positive")
}

3.if-else if-else 语句：

if (condition1) {
  # 如果条件 1 为真执行这里的代码
} else if (condition2) {
  # 如果条件 2 为真执行这里的代码
} else {
  # 如果所有条件都为假执行这里的代码
}

例如：

if (x > 0) {
  print("x is positive")
} else if (x < 0) {
  print("x is negative")
} else {
  print("x is zero")
}

0x05 循环语句

1.for 循环：

for (item in sequence) {
  # 对序列中的每个元素执行这里的代码
}

例如：

for (i in 1:5) {
  print(i)
}

2.while 循环：

while (condition) {
  # 当条件为真时执行这里的代码
}

例如：

i <- 1
while (i <= 5) {
  print(i)
  i <- i + 1
}

0x06 函数调用语句

使用函数名加上括号，并在括号内传入相应的参数来调用函数。例如：

mean(c(1, 2, 3, 4, 5))  # 求向量的均值

0x07 向量

一、向量的一致性
向量中的元素必须是同一类型，可以是数值型、字符型、逻辑型等。例如：v <- c (1, 2, 3)是一个数值型向量，w <- c ("apple", "banana", "cherry")是一个字符型向量，x <- c(TRUE, FALSE, TRUE)是一个逻辑型向量。
如果尝试把不同类型的成员放在一起，R 语言会尽量进行自动类型转换，以保持队伍的某种一致性。例如，v <- c(1, 2, "three")，这里原本前两个是数字，第三个是字符，R 语言会把前两个数字也转换为字符类型，最终这个向量就全是字符类型了。

二、向量的顺序
向量中的元素是有顺序的，就像队伍中的成员有前后排列顺序一样。可以通过索引来访问特定位置的成员。
比如在前面的数字向量中，v[1]就代表第一个成员 1，v[3]就代表第三个成员 3。

三、向量的操作
可以对向量这个队伍进行各种操作。比如可以对整个向量进行数学运算，就像让整个队伍的成员同时执行某个任务一样。
例如，给向量中的每个元素都加 2，如果是向量 v <- c(1, 2, 3, 4, 5)，那么 v + 2 就会得到一个新的向量 c(3, 4, 5, 6, 7)。

四、建立向量的方法
在 R 语言中，建立向量的方法主要有以下几种：
1.使用 c()函数
这是最常见的创建向量的方法。可以将不同的值组合在一起创建一个向量。

v <- c(1, 2, 3, 4, 5)
w <- c("apple", "banana", "cherry")
x <- c(TRUE, FALSE, TRUE)

2.使用 :运算符
可以创建一个连续的整数序列向量。

v <- 1:5  # 创建包含 1、2、3、4、5 的向量

3.使用 seq()函数
可以更灵活地创建序列向量。可以指定起始值、结束值、步长等参数。

v <- seq(from = 1, to = 10, by = 2)  # 创建从 1 到 10，步长为 2 的向量（1、3、5、7、9）

4.使用 rep()函数
可以重复一个值或一个向量来创建新的向量。

v <- rep(5, times = 3)  # 创建包含三个 5 的向量（5、5、5）
w <- rep(c(1, 2), times = 2)  # 创建包含（1、2、1、2）的向量

5.从外部数据创建向量
① 从文件中读取数据创建向量：例如从 CSV 文件中读取一列数据可以创建一个向量。

   data <- read.csv("myfile.csv")
   v <- data$column_name  # 假设 CSV 文件中有一列名为 column_name，提取这一列数据作为向量

②从数据库中查询数据创建向量：使用相应的数据库连接包，查询数据库中的一列数据可以创建向量。

6.使用函数的返回值创建向量
一些函数的返回值是向量，例如统计函数的结果可以创建向量。

v <- runif(5)  # 创建包含 5 个随机数的向量，来自均匀分布

0x08 变量命名

在 R 语言中，变量命名有以下规则：
一、字符组成
变量名可以由字母、数字、点（.）和下划线（_）组成。
例如：my_variable、variable1、my.var都是合法的变量名。

二、开头字符
变量名必须以字母或点开头，不能以数字开头，且如果以点开头，后面必须紧跟字母，不能是数字。
正确的例子：myVar、.myVar、.myVar1。
错误的例子：1myVar、.1myVar。

三、区分大小写
R 语言是区分大小写的，这意味着不同大小写的变量名代表不同的变量。
例如：myVar和myvar是两个不同的变量。

四、避免特殊字符和关键字
1.变量名不能包含除了字母、数字、点和下划线之外的特殊字符，如空格、逗号、括号等。
错误的例子：my var、my(Var)。
2.变量名也不能是 R 语言的关键字，如 if、else、for等。
错误的例子：if、elsewhere（因为它与关键字 else相似）。

五、有意义的命名
为了提高代码的可读性和可维护性，变量名应该具有描述性，能够清楚地表达变量所代表的含义。
例如：使用total_score而不是ts来表示总分，这样其他人在阅读你的代码时更容易理解变量的用途。

0x09 数组

在 R 语言中，数组（array）是一种可以存储多个相同类型元素的数据结构，它具有多个维度。
一、创建数组
可以使用 array()函数来创建数组。

# 创建一个一维数组
arr1 <- array(c(1, 2, 3, 4, 5))

# 创建一个二维数组
arr2 <- array(c(1:12), dim = c(3, 4))

在创建二维数组的例子中，dim = c(3, 4)指定了数组的维度为 3 行 4 列。

二、访问数组元素
可以使用下标来访问数组中的元素。

# 访问二维数组 arr2 的第一行第二列元素
arr2[1, 2]

三、数组的属性
1.dim()函数可以查看数组的维度。
例如：dim(arr2)将返回 c(3, 4)，表示这个数组有 3 行 4 列。
2.length()函数可以查看数组的总长度，即所有元素的个数。

四、数组的运算
可以对数组进行各种数学运算，例如加法、减法、乘法等。这些运算会对数组中的每个元素进行操作。

arr3 <- array(c(2, 4, 6, 8, 10))
arr4 <- arr1 + arr3

这里将数组 arr1和 arr3对应元素相加，得到一个新的数组 arr4。

五、数组与其他数据结构的转换
1.可以将数组转换为向量，使用 as.vector()函数。
例如：vec <- as.vector(arr2)将二维数组 arr2转换为一个向量。
2.可以从向量或其他数据结构创建数组，如前面创建数组的例子所示。

0x0A 数据框

在 R 语言中，数据框（data frame）是一种用于存储数据的表格型数据结构，它非常常用且功能强大。
一、创建数据框
使用 data.frame()函数创建数据框。可以将不同类型的向量作为参数传入，每个向量代表数据框的一列。

name = c("Alice", "Bob", "Charlie")
age = c(25, 30, 35)
gender = c("F", "M", "M")
df <- data.frame(name, age, gender)

二、查看数据框的结构
使用 str()函数可以查看数据框的结构信息，包括每列的名称、类型和数据的预览。

str(df)

三、访问数据框的元素
1.使用下标可以访问数据框中的特定元素。例如，df[1, 2]访问数据框 df的第一行第二列的元素。
2.使用列名可以访问特定的列。例如，df$name访问名为 “name” 的列。
3.可以使用条件筛选来选择满足特定条件的行。例如，df[df$age > 30,]选择年龄大于 30 的行。

四、添加和删除列
1.添加列：可以通过赋值的方式添加新的列。例如，df$new_column <- c(1, 2, 3)在数据框 df中添加一个名为 “new_column” 的列。
2.删除列：可以使用 subset()函数或者通过将特定列赋值为 NULL来删除列。例如，df <- subset(df, select = -new_column)或者 df$new_column <- NULL。

五、对数据框进行操作
1.排序：可以使用 order()函数对数据框进行排序。例如，df[order(df$age),]按照年龄列对数据框进行升序排序。
2.合并数据框：可以使用 rbind()（按行合并）和 cbind()（按列合并）函数来合并多个数据框。例如，df1 <- data.frame(a = c(1, 2), b = c(3, 4))，df2 <- data.frame(a = c(5, 6), b = c(7, 8))，rbind(df1, df2)按行合并两个数据框。

0x0B 列表

在 R 语言中，列表（list）是一种非常灵活的数据结构，可以存储不同类型的元素，包括其他列表。
一、创建列表
可以使用 list()函数创建列表。

my_list <- list(name = "Alice", age = 25, scores = c(80, 90, 95), sublist = list(a = 1, b = 2))

二、访问列表元素
1.使用下标和双括号 [[]]可以访问列表中的特定元素。例如，my_list[[1]]访问列表中的第一个元素，这里是 “Alice”。
2.使用美元符号 $可以通过名称访问列表中的元素。例如，my_list$age访问年龄元素，即 25。
3.对于嵌套列表，可以使用多个下标或美元符号组合来访问内部元素。例如，my_list$sublist$a访问嵌套列表中的 “a” 元素，即 1。

三、添加和删除元素
1.添加元素：可以通过赋值的方式向列表中添加新元素。例如，my_list$new_element <- "new value"在列表中添加一个名为 “new_element” 的元素。
2.删除元素：可以将特定元素赋值为 NULL来删除它。例如，my_list$new_element <- NULL删除 “new_element” 元素。

四、列表的特点
1.灵活性：列表可以存储不同类型的元素，包括向量、数据框、函数等。这使得列表在处理复杂数据结构时非常有用。
2.嵌套性：列表可以包含其他列表，形成嵌套的结构，方便组织和管理数据。

五、列表与其他数据结构的转换
可以将列表转换为向量、数据框等其他数据结构，具体取决于列表的内容和需求。例如，可以使用 unlist()函数将列表转换为向量，但需要注意如果列表中包含不同类型的元素，转换可能会导致一些信息丢失。

0x0C 数据读入

在 R 语言中，可以从多种来源读入数据，以下是一些常见的方法：
一、从文本文件读入数据
1.读入 CSV 文件：
使用 read.csv()或 readr包中的 read_csv()函数。

   # 使用基础函数
   data <- read.csv("your_file.csv")
   
   # 使用 readr 包
   library(readr)
   data <- read_csv("your_file.csv")

2.读入文本文件（制表符分隔、空格分隔等）：
使用 read.table()或 readr包中的 read_tsv()（读入制表符分隔文件）、read_delim()（可指定分隔符）等函数。

   # 读入制表符分隔的文件
   data <- read.table("your_file.txt", sep = "\t")

二、从 Excel 文件读入数据
使用 readxl包：

   library(readxl)
   data <- read_excel("your_file.xlsx")

三、从数据库读入数据
如前面所述，使用相应的数据库连接包（如 RMySQL、RODBC等）建立数据库连接，然后执行 SQL 查询将数据读入 R。

四、从网页上获取数据
使用 rvest包进行网页抓取，提取所需的数据。

   library(rvest)
   page <- read_html("your_webpage_url")
   data <- page %>% html_nodes("your_selector") %>% html_text()

五、从 R 数据文件读入数据
使用 load()函数可以加载 .RData文件，其中可能包含之前保存的数据集或其他 R 对象。

   load("your_data.RData")

六、从其他统计软件导入数据
例如，可以使用 foreign包从 SPSS、SAS、Stata 等软件中导入数据。

在读取数据时，要注意可能需要根据实际情况指定一些参数，如文件路径、分隔符、列名、数据类型等，以确保正确地读入数据。

如果你还需要从同一目录下读取更多文件，可以利用setwd函数：
设置工作目录: setwd("your_directory_path")
查询当前工作目录:getwd()

0x0D 数据导出

在 R 语言中，可以将数据导出为多种格式，以下是一些常见的方法：
一、导出为 CSV 文件
使用 write.csv()或 write_csv()（来自 readr包）函数。

   # 使用基础函数
   write.csv(data, "output_file.csv", row.names = FALSE)
   
   # 使用 readr 包
   library(readr)
   write_csv(data, "output_file.csv")

参数 row.names = FALSE可以避免将行名写入 CSV 文件中，同理col.names参数可决定列名是否写入文件。

二、导出为 Excel 文件
使用 writexl包：

   library(writexl)
   write_xlsx(data, "output_file.xlsx")

三、导出为文本文件
使用 write.table()函数：

   write.table(data, "output_file.txt", sep = "\t", row.names = FALSE)

这里 sep = "\t"指定了使用制表符作为分隔符，你可以根据需要选择其他分隔符。

四、保存为 R 数据文件
使用 save()函数可以将 R 对象保存为 .RData文件。

   save(data, file = "output_data.RData")

在导出数据时，可以根据具体需求调整函数的参数，以满足不同的格式要求和输出设置。