R语言（六）-- 函数

函数基本结构- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 

输入数据类型

向量:

sum, mean, sd, range, median, sort, order

矩阵或数据框:

cbind, rbind

数字矩阵:

heatmap

e.g 回归分析lm()

state <- as.data.frame(state.x77[, c("Murder","Population", "Illiteracy", "Income", "Frost")])

fit <- lm(Murder ~)

选项参数 

1.输入控制部分

2.输出控制部分

3.调节部分

常用选项

file: 一个文件

data: 一般要输入一个数据框

x: 表示单独的一个对象，一般都是向量，也可是矩阵或者列表

x和y:函数需要两个输入变量

x, y, z: 函数需要三个输入变量

formula: 公式

na.rm: 删除缺失值

调节参数

常用参数

color 选项和明显用来控制颜色

select与选择有关

font 与字体有关

font.axis 就是坐标轴的字体

lty 是line type

lwd 是line width

method 是软件算法

自定义函数 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 

函数名称

函数命令与功能相关，可以是字母和数字的组合，但必须是字母开头

函数声明

myfun <- function(选项参数){

        函数体

        }

常用函数 - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 

数学统计

概率函数

d 概率密度函数

p 分布函数

q 分布函数的反函数

r 产生相同分布的随机数

在函数面前加，如

 其他概率分布函数

 其他

set.seed(233)  #设定随机种子

runif(num) #随机生成num个0-1之间的数字

runif(num, min=1, max = 100) #随机生成1~100的随机数

描述性统计

描述性统计，是指运用制表和分类，图形以及计算概括性数据来描述数据特征的各项活动。描述性统计分析要对调查总体所有变量的有关数据进行统计性描述，主要包括数据的频数分析、集中趋势分析、离散程度分析、分布以及一些基本的统计图形。

summary()  #对一个数据集进行详细统计，最小值，最大值，四分位数，数值型变量均值等

fivenum()  #返回基本的五个统计量

Hmisic::discribe()

pastecs::state.desc()

psych::discribe()  #trim可去除极端值

psych::discribe.by()  #可根据分组计算

aggregate()  #对数据用指定的分组信息进行统计

doBy::summaryby()  #对多个分组的多个统计值进行计算

频数统计

频数（Frequency），又称“次数”。指变量值中代表某种特征的数（标志值）出现的次数。按分组依次排列的频数构成频数数列，用来说明各组标志值对全体标志值所起作用的强度。

split() #分组

cut()  #对连续的数据分割

table()  #进行频数的统计

prop.table()  #计算频率值

xtabs() #根据不同的需要写成多种公式 

margin.table() #边际频数,单独按照行或者列处理

addmargins()  #将边际的和添加到频数表中

e.g

with(data = Arthritis(table(Treatment, Improved)))

xtabs(~Treatment + Improved, data = Arthritis)

独立性检验

相关性分析

相关性检验

绘图