(windows安装安装路径不要出现中文,不然RStudio找不到R软件)
1、R中的数据结构
1.1向量,标量
1.2矩阵
1.3数组
1.4列表
1.5数据框
1.6因子
1.7时间序列
2、R语言基础
2.1运算符
R 语言赋值使用的是左箭头 <- 符号,不过一些新版本也支持等号=,也可以用->符号(最新版本)。
2.2变量的定义
R 语言的有效的变量名称由字母,数字以及点号 . 或下划线 _ 组成。
变量名称以字母或点开头。
注意:首字母为“.”点,或者英文字母,“.”号后面不能直接跟数字
demo
> var.1 = c(0,1,2,3)
> print(var.1)
[1] 0 1 2 3
> var.2 = c("Hello","R")
> print(var.2)
[1] "Hello" "R"
> var.3 <= c("Hello","Java")
错误: 找不到对象'var.3'
#符号错误 <= 应该是 <-
> var.3 <- c("Hello","Java")
> print(var.3)
[1] "Hello" "Java"
> c(true,1)->var.4
错误: 找不到对象'true'
#布尔值大小写敏感
> c(TRUE,1) -> var.4
> print(var.4)
[1] 1 1
>
列出已定义的变量ls()函数
> var.1 = c(0,1,2,3)
> var.2 = c("Hello","R")
> var.3 <- c("Hello","Java")
> c(TRUE,1) -> var.4
> print(ls())
[1] "var.1" "var.2" "var.3" "var.4"
>
删除变量可以使用rm()函数
> print(ls())
[1] "var.1" "var.2" "var.3" "var.4"
> rm(var.1)
> print(ls())
[1] "var.2" "var.3" "var.4"
>
linux中进入和退出R软件
[root@VM-0-3-centos ~]# R
R version 3.6.0 (2019-04-26) -- "Planting of a Tree"
Copyright (C) 2019 The R Foundation for Statistical Computing
Platform: x86_64-redhat-linux-gnu (64-bit)
R是自由软件,不带任何担保。
在某些条件下你可以将其自由散布。
用'license()'或'licence()'来看散布的详细条件。
R是个合作计划,有许多人为之做出了贡献.
用'contributors()'来看合作者的详细情况
用'citation()'会告诉你如何在出版物中正确地引用R或R程序包。
用'demo()'来看一些示范程序,用'help()'来阅读在线帮助文件,或
用'help.start()'通过HTML浏览器来看帮助文件。
用'q()'退出R.
> q()
Save workspace image? [y/n/c]: n
运行R脚本,在命令窗口使用Rscript来执行该脚本
#linux 创建编辑脚本文件 并运行脚本文件
[root@VM-0-3-centos zxgtest]# touch test.R
[root@VM-0-3-centos zxgtest]# vim test.R
[root@VM-0-3-centos zxgtest]# Rscript test.R
[1] 1 2 3 4 5
2.3、常见的函数
输入输出print()函数
> print("Hello R!")
[1] "Hello R!"
>
拼接cat()函数
> cat("张三","今年",18,"岁",'
')
张三 今年 18 岁
>
cat()函数输出到文件中,append=TRUE输出到文件中不覆盖,追加到后面
> cat("输出到文件中",file="/zxgtest/test.txt")
> cat("追加数据不覆盖之前文件数据",file="/zxgtest/test.txt",append=TRUE)
sink() 函数可以把控制台输出的文字直接输出到文件中去:
> sink("/zxgtest/sinkfile.txt")
#这样会将控制台输出的数据全部存储到指定的文件中,控制台不输出数据,显然这不是我们需要的效果
#split=TRUE 可以实现既将控制台输出的文件保存到文件中,又在控制台显示
> sink("/zxgtest/sinkfile.txt",split=TRUE)
#如果想取消输出到文件,可以调用无参数的 sink :
>sink()
readLines() 从文件中读入数据
获取当前工作目录,设置当前工作目录,查看当前工作目录
# 当前工作目录
print(getwd())
# 设置当前工作目录
setwd("/zxgtwst/test2")
# 查看当前工作目录
print(getwd())
3、R语言两种注释方式
3.1、单行注释 #
# 变量赋值
a <- 9
3.2、多行注释"
if(TRUE) {
"
这是一个多行注释的实例
注释内容放在单引号或双引号之间
"
}
4、基础运算
优先级 | 符号 | 含义 |
1 | () | 括号 |
2 | ^ | 乘方运算 |
3 | %% | 整除求余 |
%/% | 整除 | |
4 | * | 乘法 |
/ | 除法 | |
5 | + | 加法 |
- | 减法 |
> 1 + 2*3
[1] 7
> (1+2)*3
[1] 9
> 3 / 4
[1] 0.75
> 3.4-1.2
[1] 2.2
> 1 -4 * 0.5 ^ 3
[1] 0.5
> 8 / 3 %% 2
[1] 8
> 8 / 4 %% 2
[1] Inf
> 3 %% 2^2
[1] 3
> 10 / 3 %/% 2
[1] 10
关系运算符(> < == != >= <=)
> v <- c(2,4,6,9)
> t <- c(1,4,7,9)
> print(v>t)
[1] TRUE FALSE FALSE FALSE
> print(v < t)
[1] FALSE FALSE TRUE FALSE
> print(v == t)
[1] FALSE TRUE FALSE TRUE
> print(v!=t)
[1] TRUE FALSE TRUE FALSE
> print(v>=t)
[1] TRUE TRUE FALSE TRUE
> print(v<=t)
[1] FALSE TRUE TRUE TRUE
>
逻辑运算
运算符 | 描述 |
& | 元素逻辑与运算符,将第一个向量的每个元素与第二个向量的相对应元素进行组合,如果两个元素都为TRUE则记过为TRUE,否则为FALSE |
| | 元素逻辑或运算符,将第一个向量的每个元素与第二个向量的相对应元素进行组合,如果两个元素中有一个为TRUE,则结果为TRUE,如果都为FALSE,则返回FALSE |
! | 逻辑非运算符,返回向量每个元素相反的逻辑值,如果元素为TRUE则返回FALSE,如果元素为FALSE则返回TRUE |
&& | 逻辑与运算符,只对两个向量对一个元素进行判断,如果两个元素都为TRUE,结果为TRUE,否则为FALSE |
|| | 逻辑或运算符,只对两个向量,对第一个元素进行判断,如果两个元素中一个为TRUE,则结果为TRUE,如果都为FALSE则返回FALSE |
> v = c(3,1,TRUE,2+3i)
> t = c(4,1,FALSE,2+3i)
> print(v&t)
[1] TRUE TRUE FALSE TRUE
> print(v|t)
[1] TRUE TRUE TRUE TRUE
> print(!t)
[1] FALSE FALSE TRUE FALSE
> p = c(3,0,TRUE,2+2i)
> k = c(1,3,TRUE,2+3i)
> print(p&&k)
[1] TRUE
> print(p||k)
[1] TRUE
#&&和||只对第一个元素进行比较
赋值运算符
运算符 | 描述 |
<-、=、<<- | 向左赋值 |
->、->> | 向右赋值 |
其他运算符
运算符 | 描述 |
: | 冒号运算符,用于创建一系列数字的向量 |
%in% | 用于判断元素是否再向量里,返回布尔值,有的话返回TRUE,没有的话返回FALSE |
%*% | 用于矩阵与它转置的矩阵相乘 |
> v <- 1:10 #1到10的向量
> print(v)
[1] 1 2 3 4 5 6 7 8 9 10
> s = c(1,2,3)
> print(s)
[1] 1 2 3
> v1 = 3
> v2 = 20
> print(v1 %in% v) #判断数字是否再向量v中
[1] TRUE
> print(v2 %in% v)
[1] FALSE
> M = matrix(c(2,6,5,1,10,4),nrow = 2,ncol = 3,byrow = TRUE)#矩阵与它置换的矩阵相乘
> t = M %*% t(M)
> print(t)
[,1] [,2]
[1,] 65 82
[2,] 82 117
>
常用数学函数
函数 | 说明 |
sqrt(n) |
n的平方根 |
exp(n) | 自然常数e的n次方 |
log(m,n) | m的对数函数,返回n的几次方等于m |
log10(m) | 相当于log(m,10) |
> sqrt(4)
[1] 2
> sqrt(16)
[1] 4
> exp(1)
[1] 2.718282
> exp(2)
[1] 7.389056
> log(2,4)
[1] 0.5
> log10(10000)
[1] 4
> log(10,100)
[1] 0.5
>
取整函数
名称 | 参数模型 | 含义 |
round | (n) | 对n四舍五入取整 |
round | (n,m) | 对n保留m位小数四舍五入 |
ceiling | (n) | 对n向上取整 |
floor | (n) | 对n向下取整 |
> round(1.5) #round函数谨慎使用,有时5也会舍去
[1] 2
> round(2.5)
[1] 2
> round(3.5)
[1] 4
> round(4.5)
[1] 4
数学运算 三角函数、反三角函数
> sin(pi/6)
[1] 0.5
> cos(pi/4)
[1] 0.7071068
> tan(pi/3)
[1] 1.732051
> asin(0.5)
[1] 0.5235988
> acos(0.7071068)
[1] 0.7853981
> atan(1.732051)
[1] 1.047198
#下面几个都是正态分布的函数,名字以norm结尾,代表“正态分布”
#前缀 d 概率密度函数
# p 概率密度积分函数(从无穷小到x的积分)
# q 分位数函数
# r 随机数函数(常用于概率仿真)
> dnorm(0)
[1] 0.3989423
> pnorm(0)
[1] 0.5
> qnorm(0.95)
[1] 1.644854
> rnorm(3,5,2) #产生3个平均值为5,标准差为2的正态随机数
[1] 1.351745 5.329550 2.958539
R 语言除了含有正态分布函数以外还有泊松分布 (pois, Poisson) 等常见分布函数 --------“概率论与数理统计”
注意:个位数字为4的话round函数
5、数据类型(数字、逻辑、文本)
数字常量:一般型、科学计数法
逻辑类型:常量值只有 TRUE和FALSE 区分大小写。
对象类型:(向量、列表、矩阵、数组、因子、数据框)
下面详细介绍详细介绍对象类型
5.1、向量(Vector)
最常见的是二维向量,在平面坐标系中必然会用到。(可以看作java中的数组)。
c()是创造向量的函数。
向量中的每个元素可以通过下标单独取出。(下标代表的第几个,起始值为1)(java等其他语言中的下标基本上从0开始)
注意:二维向量和其他维度的向量运算失去数学意义,会出现警告。
> a=c(1,2,3,6,11,25,64,126)
> a[4]
[1] 6
#通过下标获取单独的值
> a[1:4]
[1] 1 2 3 6
#获取1到4的值
> a[c(1,3,6)]
[1] 1 3 25
#获取1,3,6位置的值
> a[c(-1,-3)]
[1] 2 6 11 25 shuchu 64 126
>
#去掉1,3位置的值,并输出向量
向量支持标量运算
> c(1.1,1.2,1.3) - 0.5
[1] 0.6 0.7 0.8
> a = c(1,2,4)
> a ^ 2
[1] 1 4 16
常用的数学运算函数也适用向量运算 sqrt、exp、sort、rev、order
> a = c(1,3,5,2,4,6)
> sort(a)
[1] 1 2 3 4 5 6
> rev(a)
[1] 6 4 2 5 3 1
> order(a)
[1] 1 4 2 5 3 6
> a[order(a)]
[1] 1 2 3 4 5 6
#order(a) 函数为排序后a向量的下标
R中有完善的统计函数
sum、mean(求平均值)、var(方差)、sd(标准差)、min(最小值)、max(最大值)、range(取值范围)(二维向量最大值和最小值)
> sum(1:10)
[1] 55
> sd(1:10)
[1] 3.02765
> range(1:10)
[1] 1 10
向量生成,生成等差数列,可以用seq函数
> seq(1,9,2)
[1] 1 3 5 7 9
> seq(1,8,2)
[1] 1 3 5 7
#seq(a,b,c) 从a到b,步长为c
> seq(1,2,length.out=3)
[1] 1.0 1.5 2.0
# 从m到n数列的长度为3
> rep(0, 5)
[1] 0 0 0 0 0
#重复数字0 5次
向量中常会用到NA和NULL,介绍与区别
NA代表的缺失,NULL代表的不存在
NA缺失就像占位符,代表这里没有一个值,但位置存在
NULL代表的就是数据不存在
> length(c(NA, NA, NULL))
[1] 2
> c(NA, NA, NULL, NA)
[1] NA NA NA
#NULL在R向量中没有任何意义
which比较罕见的向量逻辑型处理函数
> c(1,2,3) > 2 [1] FALSE FALSE TRUE > a = c(1,2,3)>2 > b = c(1,2,3) > print(a) [1] FALSE FALSE TRUE > print(b) [1] 1 2 3 > which(a) [1] 3 > b = c(1,2,3,4,5,6) > which(a) [1] 3 > a = b >2 > which(a) [1] 3 4 5 6 > vector = c(10,40,78,64,53,62,69,70) > print(vector[which(vector >= 60 & vector < 70)]) [1] 64 62 69 > #从一个线性表中筛选大于等于 60 且小于 70 的数据 类似的函数还有any() all() 等 > all(c(TRUE,TRUE,TRUE)) [1] TRUE > all(c(TRUE,FALSE,TRUE)) [1] FALSE > any(c(TRUE,FALSE,FALSE)) [1] TRUE > any(c(FALSE,FALSE,FALSE)) [1] FALSE
5.2、字符串(常用的对字符串操作的函数)
> toupper("Hello R") #转换为大写 [1] "HELLO R" > tolower("Hello R") #转换为小写 [1] "hello r" > nchar("汉字",type="bytes") #统计字节长度 [1] 6 > nchar("中文",type="byte") [1] 6 > nchar("汉字",type="char") #统计字符数 [1] 2 > substr("unbelievable",1,5) #截取字符串,从1到5 [1] "unbel" > substring("unbelievable",5) #截取字符串,从5到结束 [1] "lievable" > as.numeric("24") #将字符串转化为数字 [1] 24 > as.character(12.34) #将数字转化为字符串 [1] "12.34" > strsplit("hello_java_learn_R","_") #分隔符拆分字符串 [[1]] [1] "hello" "java" "learn" "R" > gsub("/","-","2021/08/21") #替换字符串 [1] "2021-08-21" >
R支持perl语言格式的正则表达式
5.2、矩阵
> vector = c(1,2,3,4,5,6) > matrix(vector,2,3) [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6
#初始化内容是由一个向量来传递的,其次要输入矩阵有多少行多少列 > vector = c(1,2,3,4,5) > matrix(vector,2,3) [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 1 Warning message: In matrix(vector, 2, 3) : 数据长度[5]不是矩阵行数[2]的整倍
#当初始化向量数量不足时会给出警告 > vector = c(1,2,3,4,5,6) > matrix(vector,2,3,byrow=TRUE) [,1] [,2] [,3] [1,] 1 2 3 [2,] 4 5 6
#按行来初始化矩阵 > matrix(vector,2,3,byrow=FALSE) [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6
#按列初始化矩阵 > m1 = matrix(vector,2,3,byrow=FALSE) > m1[1,1] [1] 1 > m1[1,2] [1] 3
直接访问矩阵的具体元素 > colnames(m1) = c("x","y","z") > rownames(m1) = c("a","b") > m1 x y z a 1 3 5 b 2 4 6 > #设置行列的名称,这个过程通过字符串向量批量完成
> m1["b",]
x y z
2 4 6
> m1["b","a"]
Error in m1["b", "a"] : 下标出界
> m1["a","x"]
[1] 1
> m1["b","y"]
[1] 4
#通过设定的名称访问具体的元素
矩阵的运算
> m1 = matrix(c(1,2,3,4),2,2) > m2 = matrix(c(5,6,7,8),2,2) > m1%*%m2 [,1] [,2] [1,] 23 31 [2,] 34 46
#矩阵的乘法运算 > A = matrix(c(1,2,3,4),2,2) > solve(A) [,1] [,2] [1,] -2 1.5 [2,] 1 -0.5
#逆矩阵 > A [,1] [,2] [1,] 1 3 [2,] 2 4 > apply(A,1,sum) [1] 4 6
8 > apply(A,2,sum) [1] 3 7