R語言的功能

R是一套完整的數據處理、計算和制圖軟件系統。其功能包括：數據存儲和處理系統；數組運算工具（其向量、矩陣運算方面功能尤其強大）；完整連貫的統計分析工具；優秀的統計制圖功能；簡便而強大的編程語言：可操縱數據的輸入和輸出，可實現分支、循環，用戶可自定義功能。

章丘網站建設公司成都創新互聯公司,章丘網站設計制作，有大型網站制作公司豐富經驗。已為章丘上千余家提供企業網站建設服務。企業網站搭建\外貿網站建設要多少錢，請找那個售后服務好的章丘做網站的公司定做！

與其說R是一種統計軟件，還不如說R是一種數學計算的環境，因為R并不是僅僅提供若干統計程序、使用者只需指定數據庫和若干參數便可進行一個統計分析。R的思想是：它可以提供一些集成的統計工具，但更大量的是它提供各種數學計算、統計計算的函數，從而使使用者能靈活機動的進行數據分析，甚至創造出符合需要的新的統計計算方法。

該語言的語法表面上類似 C，但在語義上是函數設計語言（functional programming language）的變種并且和Lisp以及APL有很強的兼容性。特別的是，它允許在“語言上計算”（computing on the language）。這使得它可以把表達式作為函數的輸入參數，而這種做法對統計模擬和繪圖非常有用。

R是一個免費的自由軟件，它有UNIX、LINUX、MacOS和WINDOWS版本，都是可以免費下載和使用的。在那兒可以下載到R的安裝程序、各種外掛程序和文檔。在R的安裝程序中只包含了8個基礎模塊，其他外在模塊可以通過CRAN獲得。

R的源代碼可自由下載使用，亦有已編譯的執行檔版本可以下載，可在多種平臺下運行，包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。 R主要是以命令行操作，同時有人開發了幾種圖形用戶界面。

R內建多種統計學及數字分析功能。因為S的血緣，R比其他統計學或數學專用的編程語言有更強的物件導向(面向對象程序設計)功能。

R的另一強項是繪圖功能，制圖具有印刷的素質，也可加入數學符號。

雖然R主要用于統計分析或者開發統計相關的軟體，但也有人用作矩陣計算。其分析速度可媲美GNU Octave甚至商業軟件MATLAB。

R的功能能夠通過由用戶撰寫的套件增強。增加的功能有特殊的統計技術、繪圖功能，以及編程界面和數據輸出/輸入功能。這些軟件包是由R語言、LaTeX、Java及最常用C語言和Fortran撰寫。下載的執行檔版本會連同一批核心功能的軟件包，而根據CRAN紀錄有過千種不同的軟件包。其中有幾款較為常用，例如用于經濟計量、財經分析、人文科學研究以及人工智能。

R語言中的基本函數使用 - 更新中

用法：assign(x, value, pos = -1, envir = as.environment(pos),? inherits = FALSE, immediate = TRUE)

assign函數在循環時候，給變量賦值。

舉例說明：

1、

for (i in 1:(length(rowSeq)-1)){

assign(paste("nginx_server_fields7_", i, sep = ""), nginx_server_fields7[(rowSeq[(i-1)+1]):(rowSeq[i+1]), ])

}

2、

for (i in 1:3){

assign(paste("a", i, sep = ""), i:10)

}

ls()

[1] "a1" "a2" "a3" "i"

a1

[1]? 1? 2? 3? 4? 5? 6? 7? 8? 9 10

a2

[1]? 2? 3? 4? 5? 6? 7? 8? 9 10

a3

[1]?3? 4? 5? 6? 7? 8? 9 10

1、paste函數可用于字符串連接

用法：paste (..., sep = " ", collapse = NULL)，分隔符默認為空格

我們簡單舉個例子

1）paste("a","b") ##能連接a b

[1] "a b"

paste("a","b","c")

[1] "a b c"

2）設置分隔符paste("a","b",sep="=") ##注意到用等號分隔了

[1] "a=b"

3）連接多個元素paste("a",1:5,sep="") ##會自動每個元素與a相連

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,".pdf",sep="") ##比如想批量輸出文件名

[1] "a1.pdf""a2.pdf""a3.pdf""a4.pdf""a5.pdf"、

2、collapse參數

謝益輝大佬說這個參數引無數英雄競折腰啊，大家只會sep

1）paste("a",1,collapse="+") ##注意到了吧，collapse沒用上

[1] "a 1"

2）paste(c("a","b","c"),collapse="+") ##這樣就很容易理解了，collapse折疊起了元素

[1] "a+b+c"

3）paste("a",1:5,sep="") ##再來更明顯的舉例

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,sep="",collapse="+")?##先在元素間連接，然后折疊

[1] "a1+a2+a3+a4+a5"

3、與paste0函數的區別

paste0函數，默認sep=""是兩個函數唯一的區別

paste(c("a","b","c"),1:3)##默認空格符

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep=" ")

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep="")

[1] "a1""b2""c3"

如果兩個向量長度不同paste(c("a","b","c"),1:5) ##超出范圍后繼續從前向后連接

[1] "a 1"? "b 2"? "c 3"? "a 4"? "b 5"

paste0(c("a","b","c"),1:3)#默認元素連接為sep=""

[1] "a1""b2""c3"

用法：unlist()函數的作用，就是將list結構的數據du，變zhi成非list的數據，即將list數據變成 字符串向量 或者數字向量的形式

如果是向量的話就直接輸出向量

例子：

%in%相當于match()函數的一個縮寫。用來判斷一個數組或矩陣是否包含在另一個數組或矩陣里。舉個例子一目了然：

#首先復制兩個變量a和b

a?-?1:5

b?-?3:7

a?%in%?b????#看a的元素是否包含在b中輸出結果如下：

[1]?FALSE?FALSE??TRUE??TRUE??TRUE

用法：apply(x, MARGIN, FUN, ...)

作用：對 矩陣 的行或列使用函數，或者對 數組 的各個維度使用函數

x為數據對象，MARGIN是維度的下標，MARGIN=1表示行，MARGIN=2表示列，FUN是自己指定的任意或自定義函數

注：數據框dataframe也可以使用apply函數，該函數會自動將數據框轉化為矩陣，但前提是數據框中各列的數據類型 必須是數值型，否則會報錯。

用法：lapply(x,FUN,...)

作用：對列表中的各個元素使用函數

x是格式為列表的數據源，FUN是任意函數。

intersect(data1，data2)：交集

union(data1，data2)：并集

R語言數據對象與運算

R語言數據對象與運算

R語言數據對象與運算 筆記整理

2.1 數據對象及類型

R語言創建和控制的實體被稱為對象（object）

ls()命令來查看當前系統里的數據對象

R對象的名稱必須以一個英文字母打頭，并由一串大小寫字母、數字或鐘點組成

注意：R區分大小寫

不要用R的內置函數名稱作為數據對象的名稱，如c、length等

2.2 數據對象類型

R語言的對象包括

數值型（numeric）：實數， 可寫成整數（integers）、小數（decimal fractions）、科學記數（scientific notation）

邏輯型（logical）：T(true)或F（FALSE）

字符型（character）：夾在" "或之間

復數型（complex）：形如a+bi

原味型（raw）：以二進制形式保存數據

缺省型（missing value）：有些統計資料是不完整的，當一個元素或值在統計的時候是“不可得到（not available）”或“缺失值（missing value）”的時候，相關位置可能會被保留并賦予一個特定的NA（not available）值，任何NA的運算結果都是NA。

辨別和轉換數據對象類型的函數：

辨別 轉換

character is.character() as,character()

complex

double

integer

logical

NA

numeric

2.3 數據對象構造

R語言里的數據對象主要有六種構造：向量（vector）、矩陣（matrix）、數組（array）、列表（list）、數據框（data frames）、因子（factor）

2.3.1 向量（vector）是由有相同基本類型元素組成的序列，相當于一維數組

5個數值組成的向量x，這是一個用函數c()完成的賦值語句，這里c()可以有任意多個參數，而它輸出的值則是一個把這些參數首尾相連形成的一個向量

R的賦值符號除了“-”外，還有"-""="

例如：

c(1,3,5,7,9) - y

y

[1] 2 5 8 3

z = c(1,3,5,7,9)

z

[1] 1 3 5 7 9

assign（）函數對向量進行賦值

length（）：可返回向量的長度

mode（）可返回向量的數據類型

正則序列 用 “：”符號，可產生有規律的正則序列（： 的運算級別最高）

函數seq（）產生有規律的各種序列

seq（from,to ,by） from 給序列的起始值，to表示序列的終止值，by表示步長（by 省略時，表示步長值為1）

seq(1,10,2)

[1] 1 3 5 7 9

seq(1,10)

[1] 1 2 3 4 5 6 7 8 9 10

有時關注的是數列的長度，利用句法：seq（下界，by=，length=）

seq(1,by=2,length=10)

[1] 1 3 5 7 9 11 13 15 17 19

rep(x,times，……)x表示要重復的對象，times表示重復的次數

rep(c(1,3),4)

[1] 1 3 1 3 1 3 1 3

rep(c(1,3),each=4)

[1] 1 1 1 1 3 3 3 3

對每個元素進行重復;

R中的內置函數：

mean（）來示向量的均值

median（）求是位數

var（）求方差

sd（）求標準差

sort（）對向量排序

rev（）將向量按原方向的反方向排列

rank（）給求出向量的秩

prod（）求向量連乘積

append（）為向量添加元素

對向量運算常見函數表

函數 用途

sum（） 求和

max（） 求最大值

min（） 求最小值

range（） 求極差（全矩）

mean（） 求均值

median 求中位數

var（） 求方差

sd（） 求標準差

sort（） 排序

rev（） 反排序

rank（） 求秩

append（） 添加

replace（） 替換

match（） 匹配

pmatch（） 部分匹配

all（） 判斷所有

any（） 判斷部分

prod（） 積

2.3.2 矩陣

矩陣（matrix)是將數據用行和列排列的長方形表格，它是二維的數組，其單元必須是相同的數據類型，通常用列來表示不同的變量，用行表示各個對象。

其句法是：

matrix（data=NA,ncol=1,byrow-=FALSE,dimnames=NULL）

data是必須的，其它幾個選擇參數。

nrow表示矩陣的行數

ncol表示矩陣的列數

byrow默認為FALSE,表示矩陣按列排列，如設置為T,表示按行排列；

dimnames可更改矩陣行列名字

diag()函數生成對角矩陣

diag（）這個函數比較特別，當數據是向量時則生成對角矩陣，但當數據是矩陣時，則返回對角元素

也可用函數diag（）生成單位矩陣

當我們生成了某個矩陣后，若要訪問矩陣的某個元素或某行（列），可以利用形如A[i,j]的形式得到相應的索引矩陣

矩陣可進行相應的加減乘除運算，但運算過程中要注意行數和列數的限制條件

R里A*B并不是表示矩陣相乘，只表示矩陣對應的元素相乘

矩陣相乘應用A%*%B

dim（）返回矩陣的行數和列數

nrow（）返回矩陣的行數

ncol（）返回矩陣的列數

solve（）返回矩陣的逆矩陣

對矩陣運算的常見函數

函數 用途

as.matrix() 把非矩陣的轉換成矩陣

is.matrix() 辨別是否矩陣

diag() 返回對角元素或生成對角矩陣

eigen() 求特征值和特征向量

solve() 求逆矩陣

chol() Choleski分解

svd() 奇異值分解

qr() QR分解

det() 求行列式

dim() 返回行列數

t() 矩陣轉置

apply() 對矩陣應用函數

R語言還提供了專門針對矩陣的行或列計算的函數

如 colSUms（）對矩陣各列求和 colMeans（）求矩陣各列的均值

類似的有 rowSums（）rowMeans（）

更一般的方法：

apply（）函數來對各行各列進行運算

句法是：apply（X,MARGIN,FUN,……）

X表示要處理的數據

MARGIN表示函數作用的范圍

取1表示對行運用函數

取2表示對列運用函數

FUN表示要運用的函數

rbind（）、cbind（）將兩個或兩個以上的矩陣合并起來

rbind（）表示按行合并，cbind（）則表示按列合并

2.3.3 數組

數組（array）可以看作是帶有多個下標的類型相同的元素的集合。

數組的生成函數是array（），其句法是

array（data=NA,dim=length(data),dimnames-NULL）

data表示數據，可以為空

dim 表示維數

dimnames可以更改數組難度的名稱

2.3.4 列表

向量、矩陣和的單元必須是同一類型的數據，若一個數據對象需要含有不同的數據類型，可采用列表（list）這種數據對象的形式。

列表是一個對象的有序集合構成的對象，列表中包含的對象又稱為它的分量（components），分量可以是不同的模式或（和）類型

語法式為：list （變量1=分量1，變量2=分量2,……）

若要訪問列表的某一成分，可以用LST[[1]],LST[[2]]的形式訪問

因分量可以被命名，故可以在列表名稱后加$符號，再寫上成分名稱來訪問列表分量

函數length（）、mode（）、names（）可以分別返回列表的長度（分量的數目）、數據類型、列表里成分的名字

2.3.5 數據框

數據框（data frame）是一種矩陣形式的數據，但數據框中各列可以是不同類型的數據。數據框每列是一個變量，每行是一個觀測 。

對可能列入數據框中的列表有如下的一些限制：

1．分量必須是向量（數值，字符，邏輯），因子，數值矩陣，列表或者其他數據框。

2．矩陣，列表和數據框為新的數據框提供了盡可能多的變量，因為它們各自擁有列、元素或者變量。

3．數值向量、邏輯值、因子保持原有格式，而字符向量會被強制轉換成因子并且它的水平就是向量中出現的獨立值。

4．在數據框中以變量形式出現的向量結構必須長度一致，矩陣結構必須有一樣的行數。

R中用函數data.frame()生成數據框，其句法是：data.frame（data1,data2,……）

數據框的列名默認為變量名，也可對列名進行重新命名

也可以對數據框的行名進行修改

2.3.6 因子和有序因子

分類型數據經常要把數據分成不同的水平或因子（factor）

生成因子的命令是factor（），其句法是：factor（data,levels,labels,……）

其中data表示數據

levels是因子水平向量

labels是因子的標簽向量

levels，labels是備選項，可以不選

若上面的每個因子并不表示因子的大小，要表達因子之間有大小順序（考慮因子之間的順序），則可以用 ordered（）函數產生

2.4 數據的錄入及編輯

c函數：c函數是把各個值聯成一個向量或列表，可以形成數值型向量、字符型向量或其它類型向量

scan函數：功能類似于c函數，實際上是一種鍵盤輸入數據函數。當輸入scan（），然后按回車鍵，這時將等待輸入數據，數據之間只要空格分開即可（c函數要用逗號分開）。輸入完數據，再按回車鍵，這時數據錄入完畢。

scan函數還可以讀入外部文本文件，若現有一個文本文件，data.txt，讀入這個文件的命令是： x=scan(file="dat.txt")

若原文件的數據之間有逗號等分隔符，用scan讀入應該去掉這些分隔符，其命令是： x=scan(file="dat.txt"，sep=",")

編輯數據

data.entry命令

xx原先未被定義，現在賦予其一個空值，這時會出現一個電子表格界面，等待輸入數據： data.entry(xx=c(NA))

當電子表格關閉后，數據會自動保存

edit命令用來編輯函數，也可用來編輯數據，但不會自動保存

fix函數與edit類似，但它可以自動保存

從外部文件讀入數據

從文本文件讀取：

s1=read.table("student.txt")

s1

V1 V2 V3

1 class sex score

2 1 女 80

3 1 男 85

4 2 男 92

5 2 女 76

6 3 女 61

7 3 女 95

8 3 男 83

讀入表格數據的命令是：read.table

忽略掉標簽而直接使用默認的行標簽

s2=read.table("student.txt",header=T)

s2

class sex score

1 1 女 80

2 1 男 85

3 2 男 92

4 2 女 76

5 3 女 61

6 3 女 95

7 3 男 83

從網絡讀入數據

url可以從網頁上讀入正確格式的數據，要借助read.table函數

address=

/sample.txt

read.table(file=url(address))

讀入其他格式的數據庫

要讀入其他格式的數據庫，必須先安裝"foreign"模塊，它不屬于R的8個內置模塊，需在使用前安裝。 library(foreign)

SAS：R只能詩篇SAS Transport format（XPORT）文件，需要把普通的SAS數據文件（.ssd和.sas7bdat）轉換成Transport format(XPORT)文件，再用命令：read.xport()

SPSS數據庫：read.spss()可讀入SPSS數據文件

Epi info數據庫：

要給數據集一個名字，則是;read.epiinfo("文件名.rec")-名稱

Stata數據庫：

R可讀入Stata5,6,7的數據庫

讀入數據文件后，使用數據集名$變量名，即可使用各個變量

read.dta(“文件名.dta”)

讀入數據文件后，使用數據集名$變量名，即可使用各個變量。

mean(data$age)

便是計算數據集 data中的變量age的均數。

2.5 函數、循環與條件表達式

2.5.1 編寫函數

句法是：

函數名 = function (參數1，參數2…)

{

函數體

函數返回值

}

對于這類只有一個算術式的簡單函數，也要不要{}

mean(data$age)

便是計算數據集 data中的變量age的均數。

若不使用圓括號，直接輸入函數名，按回車鍵將顯示函數的定義式：

單參數：使函數個性化，可使用單參數，函數將會根據參數的不同，返回值不同

welcome.sb = function(names) print(paste("welcome",names,"to

use R"))

welcome.sb("Mr fang")

[1] "welcome Mr fang to use R"

welcome.sb("Mr Wang")

[1] "welcome Mr Wang to use R"

默認參數：即不輸入任何參數

函數的默認參數

welcome.sb=function(names="Mr fang")print(paste("welcome",

names,"to use R"))

welcome.sb()

[1] "welcome Mr fang to use R"

當函數體的表達式超過一個時，要用｛｝封起來

2.5.2 for循環

for循環的句法是：

for (變量 in取值向量) {

表達式…

}

R語言中的函數c中的c代表什么意思

c本身在這里應該是“combine”的首字母，用于合并一系列數字從而形成向量/數列。

R語言基礎知識筆記

1、向量是用于存儲數值型，字符型或者邏輯型數據的一維數組。執行組合功能的函數為c()，可以用來創建向量。向量可根據位置進行索引，需要用[]。

2、矩陣是一個二維數組，每個元素都擁有相同的模式，可通過函數matrix()創建矩陣。

3、數組是一個可以在兩個以上維度存儲數據的數據對象。例如，如果創建尺寸(2,3,4)的數組，那么就是創建4個矩形矩陣每個2行3列。數組只能存儲數據類型。

4、矩陣和數組一樣都只能包含一種數據類型，當有多種模式的數據時，使用數據框就更為方便。數據框可以用函數data.frame () 創建。

5、$? 被用來選取一個給定數據框中的某個特定變量。

6、attach()綁定數據集，detach()解除數據集。

7、with：attach，detach最好在單獨的數據框內使用，在多個同名對象最好不要使用，函數with()，可以再具有多個同名對象的數據框內使用，但是必須加入花括號{}，這樣就無須擔心名稱沖突了，但是它也有局限性，賦值僅在此函數的括號內生效。

8、列表是一些對象的有序集合。

9,、數據導入?read.table()，其中header =?T，代表第一行為變量名稱，不作為數據，header =?F相反。sep代表數據分隔符，txt為"\t",csv為","。

10、table函數，用 table() 函數統計因子各水平的出現次數（稱為頻數或頻率）。

sex =?c("女","女","女","男","男")

table(sex)

sex

男 女

2 3

求眾數

aim =?table(sex)[table(sex)==max(table(sex))]

aim

女

3

max(table(sex))

[1] 3

table(sex)==max(table(sex))

sex

男??? 女

FALSE?TRUE

11、 無尺度網絡： 是指在某一復雜的 系統 中，大部分節點只有少數幾個連結，而某些節點卻擁有與其他節點的大量連結。這些具有大量連結的節點稱為“集散節點”，所擁有的連結可能高達數百、數千甚至數百萬。這一特性說明該網絡是無尺度的，因此，凡具有這一特性的網絡都是無尺度網絡。

12、options(stringsAsFactors = F)

#在調用as.data.frame的時，將stringsAsFactors設置為FALSE可以避免character類型自動轉化為factor類型。

13、class()：查看數據結構：vector、matrix、array、dataframe、list。

14、str()：作用用英語來表示是：check classification of viriables,一般用于檢查數據框當中有哪些數據。

15、mode() ：查看數據元素類型。

16、typeof() ：查看數據元素類型，基本等同于mode（），比mode()更為詳細。

17、example()：假設有一個函數foo，example("foo")，函數foo的使用示例。

18、apropos()：列出名稱中含有foo的所有可用函數。apropos("foo",mode="function")。

19、data()：列出當前已加載包中所含的所有可用示例數據集。

20、ls()：列出當前工作空間中的對象。

21、rm()：移除（刪除）一個或多個對象。

22、history(#)：顯示最近使用過的#個命令（默認值為25）。

23、options()：顯示或設置當前選項。有一個收藏文件有介紹options的功能。

24、boxplot()：生成盒型圖。

25、sum()：計算和。sum(x,na.rm = TRUE)。

26、median()：計算中位數。

27、cbind()：以列結合變量。cbind(x,y,z)。

28、rbind()：以行結合變量。

29、vector()：以向量形式結合數據。vector(length = 10)。

30、rep()：以矩陣形式結合數據。rep(c(1,,2,3),each = 10)

31、seq()：生成一個有序的數列。seq(1,10)。

32、dim()：矩陣或者cbind輸出的維數。dim(Mydata)。

33、scan()：從ascii文件中讀取數據。scan(file = "test.txt")。

34、write.table()：把一個變量寫入到ascii文件。write.table(Z,file = "test.txt")。

35、order()：確定數據的順序。order(x)。

36、merge()：合并兩個數據框。merge(x,y,by = "ID")。

37、str()：顯示一個對象的內部結構。str(Mydata)。

38、factor()：定義變量作為因子。factor(x)。

39、tapply()：tapply(X =?Veg$R,INDEX = Veg$Transect,FUN = mean).tapply函數根據第二個變量(Transect)的不同水平對第一變量(R)進行了求平均值運算。還可以求sd，var，length等操作。R語言初學者指南P75詳細介紹了這個函數。

40、下一頁介紹了sapply和lapply。

41、summary()：計算基本信息。

42、table()：計算列聯表，統計因子各水平的出現次數(頻數或頻率)。table(x,y)。

43、plot()：y對x的圖形。pch形狀，col顏色。

44、par()：par(mfrow = c(2,2),mar = c(3,3,2,1))

mfrow生成一個具有4個面板的圖形窗口。mar選項指定每個圖形周圍空白的大小，底部、左側、頂部、右側。

45、paste()：將變量連接成字符串。paste("a","b",sep = "")。

46、log()：?log = "x",log = "y",log = "xy",生成對數軸。

47、%in%：

a-c(1,3,13,1443,43,43,4,34,3,4,3)

b-c(1,13,11,1313,434,1)

a%in%b

# 返回內容#?

[1] TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

# 取反操作

!(a%in%b)

48、sort()函數是對向量進行從小到大的排序

rank()函數返回的是對向量中每個數值對應的秩

order()函數返回的值表示位置，依次對應的是向量的最小值、次小值、第三小值……最大值等（位置索引）

arrange()函數（需加載dplyr包）針對數據框，返回基于某列排序后的數據框，方便多重依據排序。

49、subset()： df - data.frame( a = 1:10, b = 2:11, c = 3:12 )

df - subset(df, select = c(a,c)) #選取列a和c

df - subset(df, select = -c(a,c) ) #去除列a和c

R語言常用函數整理（基礎篇）

R語言常用函數整理本篇是基礎篇，即R語言自帶的函數。

vector：向量

numeric：數值型向量

logical：邏輯型向量

character；字符型向量

list：列表

data.frame：數據框

c：連接為向量或列表

length：求長度

subset：求子集

seq，from:to，sequence：等差序列

rep：重復

NA：缺失值

NULL：空對象

sort，order，unique，rev：排序

unlist：展平列表

attr，attributes：對象屬性

mode，class，typeof：對象存儲模式與類型

names：對象的名字屬性

字符型向量 nchar：字符數

substr：取子串 format，formatC：把對象用格式轉換為字符串

paste()、paste0()不僅可以連接多個字符串，還可以將對象自動轉換為字符串再相連，另外還能處理向量。

strsplit：連接或拆分

charmatch，pmatch：字符串匹配

grep，sub，gsub：模式匹配與替換

complex，Re，Im，Mod，Arg，Conj：復數函數

factor：因子 codes：因子的編碼 levels：因子的各水平的名字 nlevels：因子的水平個數 cut：把數值型對象分區間轉換為因子

table：交叉頻數表 split：按因子分組 aggregate：計算各數據子集的概括統計量 tapply：對“不規則”數組應用函數

dev.new() 新建畫板

plot()繪制點線圖,條形圖,散點圖.

barplot( ) 繪制條形圖

dotchart( ) 繪制點圖

pie( )繪制餅圖.

pair( )繪制散點圖陣

boxplot( )繪制箱線圖

hist( )繪制直方圖

scatterplot3D( )繪制3D散點圖.

par()可以添加很多參數來修改圖形

title( )　添加標題

axis( )　調整刻度

rug( )　添加軸密度

grid( )　添加網格線

abline( )　添加直線

lines( )　添加曲線

text( )　添加標簽

legend(）　添加圖例

+, -, *, /, ^, %%, %/%：四則運算 ceiling，floor，round，signif

1、round() #四舍五入

例：x - c(3.1416, 15.377, 269.7)

round(x, 0) #保留整數位

round(x, 2) #保留兩位小數

round(x, -1) #保留到十位

2、signif() #取有效數字(跟學過的有效數字不是一個意思)

例：略

3、trunc() #取整

floor() #向下取整

ceiling() #向上取整

例：xx - c(3.60, 12.47, -3.60, -12.47)

trunc(xx)

floor(xx)

ceiling(xx)

max，min，pmax，pmin：最大最小值

range：最大值和最小值 sum，prod：向量元素和，積 cumsum，cumprod，cummax，cummin：累加、累乘 sort：排序 approx和approx fun：插值 diff：差分 sign：符號函數

abs，sqrt：絕對值，平方根

log, exp, log10, log2：對數與指數函數

sin，cos，tan，asin，acos，atan，atan2：三角函數

sinh，cosh，tanh，asinh，acosh，atanh：雙曲函數

beta，lbeta，gamma，lgamma，digamma，trigamma，tetragamma，pentagamma，choose ，lchoose：與貝塔函數、伽瑪函數、組合數有關的特殊函數

fft，mvfft，convolve：富利葉變換及卷積

polyroot：多項式求根

poly：正交多項式

spline，splinefun：樣條差值

besselI，besselK，besselJ，besselY，gammaCody：Bessel函數

deriv：簡單表達式的符號微分或算法微分

array：建立數組

matrix：生成矩陣

data.matrix：把數據框轉換為數值型矩陣

lower.tri：矩陣的下三角部分

mat.or.vec：生成矩陣或向量

t：矩陣轉置

cbind：把列合并為矩陣

rbind：把行合并為矩陣

diag：矩陣對角元素向量或生成對角矩陣

aperm：數組轉置

nrow, ncol：計算數組的行數和列數

dim：對象的維向量

dimnames：對象的維名

rownames，colnames：行名或列名

%*%：矩陣乘法

crossprod：矩陣交叉乘積（內積）

outer：數組外積

kronecker：數組的Kronecker積

apply：對數組的某些維應用函數

tapply：對“不規則”數組應用函數

sweep：計算數組的概括統計量

aggregate：計算數據子集的概括統計量

scale：矩陣標準化

matplot：對矩陣各列繪圖

cor：相關陣或協差陣

Contrast：對照矩陣

row：矩陣的行下標集

col：求列下標集

solve：解線性方程組或求逆

eigen：矩陣的特征值分解

svd：矩陣的奇異值分解

backsolve：解上三角或下三角方程組

chol：Choleski分解

qr：矩陣的QR分解

chol2inv：由Choleski分解求逆

，，=，=，==，!=：比較運算符 !，，，|，||，xor()：

邏輯運算符 logical：

生成邏輯向量 all，

any：邏輯向量都為真或存在真

ifelse()：二者擇一 match，

%in%：查找

unique：找出互不相同的元素

which：找到真值下標集合

duplicated：找到重復元素

optimize，uniroot，polyroot：一維優化與求根

if，else，

ifelse，

switch：

分支 for，while，repeat，break，next：

循環 apply，lapply，sapply，tapply，sweep：替代循環的函數。

function：函數定義

source：調用文件 ’

call：函數調用 .

C，.Fortran：調用C或者Fortran子程序的動態鏈接庫。

Recall：遞歸調用

browser，debug，trace，traceback：程序調試

options：指定系統參數

missing：判斷虛參是否有對應實參

nargs：參數個數 stop：終止函數執行

on.exit：指定退出時執行 eval，expression：表達式計算

system.time：表達式計算計時

invisible：使變量不顯示

menu：選擇菜單（字符列表菜單）

其它與函數有關的還有：

delay，

delete.response，

deparse，

do.call，

dput，

environment ，

formals，

format.info，

interactive，

is.finite，

is.function，

is.language，

is.recursive ，

match.arg，

match.call，

match.fun，

model.extract，

name，

parse 函數能將字符串轉換為表達式expression

deparse 將表達式expression轉換為字符串

eval 函數能對表達式求解

substitute，

sys.parent ，

warning，

machine

cat，print：顯示對象

sink：輸出轉向到指定文件

dump，save，dput，write：輸出對象

scan，read.table，readlines, load，dget：讀入

ls，objects：顯示對象列表

rm, remove：刪除對象

q，quit：退出系統

.First，.Last：初始運行函數與退出運行函數。

options：系統選項

?，help，help.start，apropos：幫助功能

data：列出數據集

head()查看數據的頭幾行

tail()查看數據的最后幾行

每一種分布有四個函數：

d―density（密度函數），p―分布函數，q―分位數函數，r―隨機數函數。

比如，正態分布的這四個函數為dnorm，pnorm，qnorm，rnorm。下面我們列出各分布后綴，前面加前綴d、p、q或r就構成函數名：

norm：正態，

t：t分布，

f：F分布，

chisq：卡方（包括非中心）

unif：均勻，

exp：指數，

weibull：威布爾，

gamma：伽瑪，

beta：貝塔

lnorm：對數正態，

logis：邏輯分布，

cauchy：柯西，

binom：二項分布，

geom：幾何分布，

hyper：超幾何，

nbinom：負二項，

pois：泊松

signrank：符號秩，

wilcox：秩和，

tukey：學生化極差

sum, mean, var, sd, min, max, range, median, IQR（四分位間距）等為統計量，

sort，order，rank與排序有關，

其它還有ave，fivenum，mad，quantile，stem等。

R中已實現的有chisq.test，prop.test，t.test。

cor，cov.wt，var：協方差陣及相關陣計算

biplot，biplot.princomp：多元數據biplot圖

cancor：典則相關

princomp：主成分分析

hclust：譜系聚類

kmeans：k-均值聚類

cmdscale：經典多維標度

其它有dist，mahalanobis，cov.rob。

ts：時間序列對象

diff：計算差分

time：時間序列的采樣時間

window：時間窗

lm，glm，aov：線性模型、廣義線性模型、方差分析

quo()等價于quote()

enquo()等價于substitute(）

新聞標題：r語言c函數功能 r語言中的c函數
瀏覽路徑：http://vcdvsql.cn/article6/doodgig.html

成都網站建設公司_創新互聯，為您提供、用戶體驗、企業建站、網站排名、企業網站制作、外貿建站

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯