R語言 1997年成為GNU項目 開源免費
R官方網址 www.r-project.org
R是數據分析領域的語言
小巧靈活，通過擴展包來增強功能
繪圖功能
代碼簡單
開發環境
R + RStudio
1、數據類型
character 字符
numeric 數值型，實數或小數
integer 整型
complex 復數型
logical 邏輯型 類似於boollean
2、數據結構
Vector 向量
Factor 因子
Array 數組
Matrix 矩陣
Data Frame 數據框
List 列表
一維：向量、因子 向量屬於數值型變量，因子對應於分類變量
二維：矩陣、數據框 矩陣中元素的數據類型是一致的，數據框由向量組成，每個向量中的數據類型保持一致，向量間的數據類型可以不一致，類似於表結構。
三維：數組、列表 數組用的比較少，多維數據結構；列表可以包含上面所有的數據結構
3、向量
向量表示一組數據，數據類型一致，向量可以表示行或者列
c() 如:
: 如: 1:10
seq(from(開始), to(到), by(步長), length.out(指定向量的元素個數), along.with(長度與指定的向量長度相同))
提取子集：
數字下標(正數:獲取指定元素，從1開始，負數:排除的意思)
which()函數(按條件來進行篩選)
#向量
(x1<- c(10,11,12,13))
(x2<- 1:10)
x3<- seq(1,5,1) #from 1 to 5 by 1
x4<- seq(5,by=2,length.out=8) #向量中元素個數為8
x5<- seq(2,by=3, along.with = x4) # along.with向量個數與x4一致
x5[1:5]
x5[c(1,2,3,4,5)]
x5[-1:-5] #不要下標為1-5的元素
which(x5>5) #大於5的向量下標
x5[which(x5>10)] #大於5的向量值
4、因子
因子用於分類變量，有類別
factor()
gl()
#因子
f<-c('a','a','b','o','ab','ab')
f<-factor(c('a','a','b','o','ab','ab')) #創建因子，level默認按字母排序
unclass(f) #查看因子
f<-factor(c('a','a','b','o','ab','ab'),levels = c('a','b','o','ab')) #指定因子對應的level
unclass(f) #
f1<- gl(4,3,labels = c('blue','red','green','yellow')) #4個級別，每個級別重復3次，labels的內容
f1
unclass(f1)
5、矩陣
行和列
生成矩陣
matrix()
由向量派生
由向量組合生成
操作
訪問元素
行列命名
矩陣運算
矩陣加法
1.矩陣+n 各個元素加n
2.矩陣+矩陣 對應元素相加
矩陣乘法
1.矩陣*n 各個元素乘n
2.矩陣*矩陣 行列相乘(矩陣1 m行*n列 矩陣2 p*q 要求n==p 結果矩陣為 m*q)
3.矩陣元素*矩陣元素 對應元素相乘
單位矩陣
元素都為1 n*n方陣
對角矩陣
對角元素為1 其余的為0 n*n方陣
矩陣轉置
n*m m*n
#矩陣
#創建矩陣：
#方法一：使用matric(nrow=?,ncol=?)
x<-matrix(nrow=2,ncol=3) #nrow 指定行， ncol指定列
x
x<-matrix(1:18,nrow = 3,ncol = 6) # 3行，6列，元素值由1:18填充，默認一列一列順序填充
x
x<-matrix(1:18,nrow = 3, ncol = 6, byrow = T) # 3行，6列，元素值由1:18填充，指定行順序填充
x
#方法二： dim(a) 通過dim 傳遞向量
a<-1:18
dim(a)<-c(3,6) #3行6列，行順序填充
x
#方法三： rbind或cbind進行拼接
x<-1:10
y<-11:20
z<-21:30
m1 = rbind(x,y,z) #以行為單位進行拼接
m2 = cbind(x,y,z) #以列為單位進行拼接
m1
m2
#獲取矩陣元素
x<-matrix(1:18,nrow = 3,ncol = 6,byrow = T)
x
x[1,2] #第1行第2列
x[1,] #第1行
x[,2] #第2列
x[,c(2,3,4)] #第2 3 4列
x[c(1,2),] #第1 2行
x[c(1,2),2:4] #第1 2行 第2 3 4列
#行列命名
colnames(x)<-c('C1','C2','C3','C4','C5','C6') #列的名字
rownames(x)<-c('R1','R2','R3') #行的名字
x['R1','C1']
x[c('R1','R2'),c('C1','C2')]
#矩陣運算
m1<-matrix(1:18,nrow = 3,ncol = 6, byrow = T)
m2<-matrix(19:36,nrow = 3, ncol = 6, byrow = T)
m1
m2
#矩陣加法
m1+10 #矩陣+n
m1+m2 #矩陣+矩陣
#矩陣乘法
m1*10 #矩陣*n
m1*m2 #矩陣對應元素相乘
m1 %*% t(m2) #矩陣*矩陣 矩陣乘法 行列相乘
#對角矩陣
diag(4) #4*4矩陣 對角元素都為1
diag(c(1,2,3,6)) #4*4矩陣，對角元素為1,2,3,6
x<-matrix(1:16,4,4)
diag(x) #顯示矩陣x的對角元素值
#解方程組
m<-diag(4)
m
b<-1:4
solve(m,b) #m %*% x=b 求x
6、數據框
記錄與域
#數據框
#創建數據框
a<-data.frame(fx = rnorm(10,10,2),
fy = runif(10,10,20),
fmonth = 1:10 )
a[1,1]
a[1,]
a[,2]
a$fx #通過$fx取列信息
a[[1]]#通過[[]]獲取列信息
search() #查詢
attach(a) #attach 數據到 search路徑
fx #直接使用
detach(a) #detach 數據
search() #查詢
a<-with(a, fx) #訪問數據框成員
#新增修改列
a<-within(a,{fx=1:10 #通過within來進行修改,和新增列
fz=11:20})
#新增列
a$fz = 11:20
a$fz = a$fx+a$fy
#列存在則修改
a$fx = 1:10
#查詢數據集
b = subset(a,fx>1&fmonth==8,select=c(fx,fmonth)) #select 列過濾，fx>1&fmonth==8 行過濾
b=edit(a) #修改後的數據集賦值給另一個數據集
b
fix(a) #直接修改數據集內容
a
7、列表
成分
創建列表
list()
操作
列表成分
[[]]
$
#列表
#創建列表
a<-list(x=1:10,y=matrix(1:16,4,4),z=data.frame())
names(a) <- c('c1','c2','c3') #修改成分名稱
c
c=a['y'] #在列表中通過[]取出的對象類型還是列表
c[2,1]
class(c) #查看類型為list
c=a[['y']] #在列表中通過[[]]取出的對象類型為實際對象類型矩陣
c[2,1]
class(c) #查看類型為matrix
a$y[2,1] #獲取矩陣的元素
8、數組
array
#數組
(a=array(1:60,c(3,4,5))) #數組三維
a[1,2,3]
9、數據類型轉換
檢查數據類型 is.開頭
is.character
轉換數據類型 as.開頭
as.character
x=c(1:2,'hello',T)
x
mode(x) #查看數據類型
class(x) #查看數據結構
is.vector(x)
y<-matrix(1:20,c(4,5))
mode(y) #數據類型是numeric
class(y) #數據結構是matrix
y<-as.data.frame(y) #數據類型轉換matrix->dataframe
y
10、分之結構
if...else...結構
if(condition){...}
else{...}
ifelse函數
#分支結構
(Brand<-paste(c('Brand'),1:9,sep='')) #粘合一起
#"Brand1" "Brand2" "Brand3" "Brand4" "Brand5" "Brand6" "Brand7" "Brand8" "Brand9"
(PName<-paste(c('Dell'),1:9,sep=' '))
(Mem<-rep(c('1G','2G','4G'),times=3)) #重復
#"1G" "2G" "4G" "1G" "2G" "4G" "1G" "2G" "4G"
(Feq=rep(c('2.2G','2.8G','3.3G'),each=3))
(Price=rep(c(1000,2000,5000),3))
PC=data.frame(Brand,PName,Mem,Feq,Price)
##分支結構
#if..else
PC
PC$PD=rep('Cheap',9)
for (i in 1:nrow(PC)){ #1:nrow(PC)從第1行到最後一行
if (PC[i,'Price']>3000){ #取值進行比較
PC[i,'PD']='Expensive' #修改值
}
}
PC
#ifelse函數
PC$PD2=ifelse(PC$Price>3000,'Expensive','Cheap') #向量化運算
PC
c
11、循環結構
for(n in x){...}
while(condition){...}
repeat{...break}
break next
#循環結構
for (x in 1:5){
print (x^2)
}
i=1
while (i<6){
print (i^2)
i=i+1
}
i=1
repeat {
print (i^2)
i=i+1
if (i>5) break
}
12、函數
自定義函數
myfunc =function(par1,par2,...){
...
}
引用函數文件
source('D:/basic.R', encoding = 'UTF-8')
查看源碼
myfunc #終端顯示
page(myfunc) #用第三方編輯器查看
#函數
myadd=function(a,b,c){
return (a+b+c)
}
mystat=function(x,na.omit=FALSE){
if (na.omit){
x=x[!is.na(x)]
}
m=mean(x)
n=length(x)
s=sd(x)
skew=sum((x-m)^3/s^3)/n
return (list(n=n,mean=m,stdev=s,skew=skew))
}
13、向量化運算和apply家族
#向量化
x=1:5
(y=x^2)
(y=matrix(1:16,4,4))
(z=y^2)
(x=1:5)
(y=11:15)
(x+y)
y>=13
ifelse(x%%2==0,'A','B')
x=data.frame(pv=rnorm(100,20,3),
uv=rnorm(100,40,4),
ip=runif(100,40,50))
apply(x,MARGIN = 2,mean)
apply(x,MARGIN = 2,quantile,probs=c(0.1,0.5,0.9))
