R语言学习笔记（二）--向量，函数，集合

向量索引和subset函数

向量的名字

> height<-c(155,186,177,169)
> names(height)
NULL
> names(height)<-c('Mary','Jason','Tom','Tina')
> height
 Mary Jason   Tom  Tina 
  155   186   177   169 

另一种类似与字典创建的命名方式

> s<-c(Tony=87,Mary=92,Lisa=80,John=78,Victor=93)
> s
  Tony   Mary   Lisa   John Victor 
    87     92     80     78     93 

names(height)<-c(‘Mary’,‘Jason’,‘Tom’,‘Tina’)
本质上是调用了一个置换函数'name<-'()

向量索引

需要注意[]内是向量和负数以及逻辑型向量的情况，负数表示排除绝对值下标的索引

> x<-101:108
> x
[1] 101 102 103 104 105 106 107 108
> x[c(3,5,8)]
[1] 103 105 108
> x[-4]
[1] 101 102 103 105 106 107 108
> x[c(-2,-4,-7)]
[1] 101 103 105 106 108

> x[c(F,T,T,F,T,T,F,F)]
[1] 102 103 105 106
> x[x%%2==0]
[1] 102 104 106 108
> x%%2 # 得到一个逻辑型向量
[1] 1 0 1 0 1 0 1 0
> x%%2==0
[1] FALSE  TRUE FALSE  TRUE FALSE  TRUE FALSE  TRUE
> x[c(F,T)]
[1] 102 104 106 108

通过which索引也可以定位到需要的向量：

> which(x%%2==0)
[1] 2 4 6 8
> x[which(x%%2==0)]
[1] 102 104 106 108

直接利用name进行索引

> height
  Tony   Mary   Lisa Victor   John 
   180    166    160    175    172 
> height["Mary"]
Mary 
 166 
> height[c("Tony","John")]
Tony John 
 180  172 

利用索引可以单独修改，也可以批量修改

> s[1:4]<-c(80,90)
> s
  Tony   Mary   Lisa   John Victor 
    80     90     80     90     93 
> s[-2:-3]<-100
> s
  Tony   Mary   Lisa   John Victor 
   100     90     80    100    100 

---

subset()函数

subset(x,subset) 可以接受向量、列表、矩阵、数量框。
函数的第二个参数subset是一个逻辑型向量。
subset不返回NA

> x<-c(86,70,80,NA,90,NA)
> x[x>=85] #86 NA 90 NA
[1] 86 NA 90 NA
> subset(x,x>=85) #86 90
[1] 86 90

对于其余数据类型：

> y<-list(11:15,21:28,31:36)
> y
[[1]]
[1] 11 12 13 14 15

[[2]]
[1] 21 22 23 24 25 26 27 28

[[3]]
[1] 31 32 33 34 35 36

> subset(y,c(T,F,T)) # 选取第一行和第三行
[[1]]
[1] 11 12 13 14 15

[[2]]
[1] 31 32 33 34 35 36
==========
> m <- matrix(1:12,nrow=3)
> m
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5    8   11
[3,]    3    6    9   12
> subset(m,c(T,F,T))
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    3    6    9   12
==========
> d <- data.frame(c1=1:5,c2=11:15,c3=21:25)  
> subset(d,c(T,F,T,F,T))
  c1 c2 c3
1  1 11 21
3  3 13 23
5  5 15 25
> subset(d,c2>13)
  c1 c2 c3
4  4 14 24
5  5 15 25

数学函数

函数一：

函数	作用
abs()	绝对值
sqrt()	平方根
log()	自然对数，也可以给出底数(base=3)
log2()	以2为底的对数
log10()	以10为底的对数
exp()	以自然对数e为底的指数函数
sin() asin()	正弦 反正弦
cos() acos()	余弦 反余弦
tan() atan()	正切 反正切
round()	四舍五入，参数digits指定小数位数，.5的数最好加上0.001

函数二：

函数	作用
floor()	向下取整
ceiling()	向上取整
trunc()	去掉小数部分得到整数

函数三：

函数	作用
factorial()	阶乘
choose(n,k)	组合数：从n个中选出k个
combn(x,k)	列出x个中选出k个的全部组合

排列数：choose(n,k)×factorial(k)

> factorial(5)
[1] 120
> factorial(0:11)
 [1]  1   1   2   6   24   120   720   5040
 [9]  40320   362880   3628800   39916800

> choose(4,2) #4个中选取2个 
[1] 6
> combn(1:5,3) # 1:5中选取3个的全部组合
     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
[1,]    1    1    1    1    1    1    2    2    2     3
[2,]    2    2    2    3    3    4    3    3    4     4
[3,]    3    4    5    4    5    5    4    5    5     5
> combn(c("Tony","Lisa","Mary","John"),2) #4个人中选2个
     [,1]   [,2]   [,3]   [,4]   [,5]   [,6]  
[1,] "Tony" "Tony" "Tony" "Lisa" "Lisa" "Mary"
[2,] "Lisa" "Mary" "John" "Mary" "John" "John"

函数四：

函数	作用
sum()	求和
prod()	全部元素乘积
cumsum()	前k个元素累计求和(k=1…n)
cumprod()	前k个元素累计乘积(k=1…n)
cummax()	前k个元素最大值(k=1…n)
cummin()	前k个元素最小值(k=1…n)

！！！
注意理解cum一类函数的意思，最后得出的是数组不是单个数字

> x<-c(5,3,7,2,6)
> cumsum(x)   #前k个元素累计求和（k=1…n）
[1]  5  8 15 17 23
> cumprod(x)  #前k个元素累计求乘积（k=1…n）
[1]    5   15  105  210 1260
> cummin(x)   #求前k个元素中的最大值(k=1…n)
[1] 5 3 3 2 2
> cummax(x)   #求前k个元素中的最小值(k=1…n)
[1] 5 5 7 7 7

---

简单统计函数

函数	作用
max()	最大值
min()	最小值
range(x)	等价于c(min(x),max(x))
which.max()	最大数的下标
which.min()	最小数的下标
mean()	均值
median()	中位数
sd()	标准差standard deviation
var()	方差
summary()	对象的概括–均值、中位数、最值、四分位数
fivenum()	五数概括：五个数据：最值、四分位数数、中位数

注意range函数、summary和fivenum函数

> x<-sample(11:20,10)
> x
 [1] 15 14 17 20 16 11 12 13 18 19
 
> max(x) # 20 最大值
[1] 20
> min(x) # 11 最小值
[1] 11

> range(x) # 11 20 
[1] 11 20

> which.max(x) #最大数的下标
[1] 4
> which.min(x) #最小数的下标
[1] 6

> summary(x)#对于数组得到的是均值、中位数，最值和四分位数
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  11.00   13.25   15.50   15.50   17.75   20.00 
> fivenum(x) 
[1] 11.0 13.0 15.5 18.0 20.0

函数	作用
pmin()	多个长度相等的向量按元素逐个对比，返回所有向量第k个元素中的最小值
pmax()	多个长度相等的向量按元素逐个对比，返回所有向量第k个元素中的最大值

如果向量长度不同，会使用循环补齐，即短的向量循环成和最长的向量一边长
向量可以超过2个！！

> x <- c(11,7,13,6,15)
> y <- c(9,10,12,8,15)
> pmin(x,y)
[1]  9  7 12  6 15
> pmax(x,y) 
[1] 11 10 13  8 15
> pmin(x,10)
[1] 10  7 10  6 10
> pmax(x,10)
[1] 11 10 13 10 15

---

排序函数

函数	作用
sort(x)	升序或降序排列
order(x)	返回使得x升序或降序排序的下标变量

x[order(x)]等效于sort(x)

> x<-c(16,19,14,11,18,12)
> x
[1] 16 19 14 11 18 12
> sort(x) #升序
[1] 11 12 14 16 18 19
> sort(x,decreasing=T) #降序
[1] 19 18 16 14 12 11
> index <- order(x) #升序
> index
[1] 4 6 3 1 5 2
> x[index] 
[1] 11 12 14 16 18 19
> x
[1] 16 19 14 11 18 12
> rev(x) #对x中的元素取逆序
[1] 12 18 11 14 19 16

---

集合运算

函数	作用
union(x,y)	并集
intersect(x,y)	交集
setdiff(x,y)	差集，在x中，不在y中
setequal(x,y)	集合是否相等
unique(x)	去掉重复元素

需要注意的：

> x <- c(2,5,8,10)
> y <- c(1,2,9,5,7)
> setdiff(x,y) #差集 8 10 在x中不在y中
[1]  8 10
> setdiff(y,x) #差集 1 9 7 在y中不在x中
[1] 1 9 7
> setequal(x,y) #FALSE 判断集合是否相等
[1] FALSE
> setequal(c(3,5,9),c(5,3,9,3)) #TRUE
[1] TRUE
> unique(c(2,2,2,5,7,5,7,7)) # 2 5 7
[1] 2 5 7

判断元素是否在集合中：

函数	作用
x %in% set	返回逻辑向量，在set中的元素返回T，否则返回F
is.element(x,set)	同理返回逻辑向量
match(x,table)	返回x中的元素在table中的下标，没有找到返回NA

> set<-c(3,9,5,7,2) #set是自己定义的对象名
> 5 %in% set
[1] TRUE
> x <- c(5,6)
> x %in% set
[1]  TRUE FALSE
> is.element(x,set) #TRUE FALSE
[1]  TRUE FALSE
> # 返回一个和x的长度相同的向量，表示x中与y中
> # 元素相同的元素在y中的位置（没有则返回NA)
> match(x,set) # 3 NA
[1]  3 NA

函数	作用
toupper(x)	转换成大写字母
tolower(x)	转换成小写字母
substring(x,start,end)	获取子串
substr(x,start,end)	获取子串
strsplit(x,split)	切分字符串，split可以是一个字符、子串、正则表达式
noquote(x)	打印不带双引号的字符串,得到的是noquote类型的对象

> data <- "10001,Tony,98,82"
> strsplit(data,split=",") #得到一个列表list
[[1]]
[1] "10001" "Tony"  "98"    "82"   

> str[[1]] #获取列表的第一个组件
[1] "10001" "Tony"  "98"    "82"   

> #分隔符是一个或多个空格
> data <- "10002  Mary    95      78"
> strsplit(data,split=" +") #正则表达式 +表示1或多个
[[1]]
[1] "10002" "Mary"  "95"    "78"   

> fruit <- c("Apple","Orange","Banana")
> fruit
[1] "Apple"  "Orange" "Banana"
> noquote(fruit)
[1] Apple  Orange Banana

> fr <- noquote(fruit)
> fr
[1] Apple  Orange Banana
> class(fr) #noquote类的对象
[1] "noquote"

---

缺失值处理

与缺失值NA运算的结果仍然是缺失值
特例：False&NA的计算结果仍然是False

函数	作用
is.na(x)	得到逻辑向量，NA得到TRUE
na.omit(x)	去掉x【向量、矩阵、数据框】中的NA；向量是去掉NA元素，矩阵和数据库是去掉一整行
na.exclude(x)	同上
na.fail(x)	x中包含NA时得到错误信息

> NA + 2 # NA
[1] NA
> sum(c(2,6,NA,9)) # NA
[1] NA
> x <- c(3,NA,5,7,NA,9)
> mean(x)
[1] NA
> mean(x,na.rm=T) #参数na.rm
[1] 6
> is.na(x)
[1] FALSE  TRUE FALSE FALSE  TRUE FALSE
> mean(x[!is.na(x)])
[1] 6

去重：

> y <- na.omit(x)
> y
[1] 3 5 7 9
attr(,"na.action")
[1] 2 5
attr(,"class")
[1] "omit"
'''
使显示更直接，把attr去掉
'''

> attr(y,"na.action")<-NULL
> attr(y,"class")<-NULL
> y
[1] 3 5 7 9
---------------------------
> na.exclude(x) #class是exclude
[1] 3 5 7 9
attr(,"na.action")
[1] 2 5
attr(,"class")
[1] "exclude"
---------------------------
> na.fail(x) #Error: 对象里有遺漏值
Error in na.fail.default(x) : 对象里有遺漏值