R语言常用基本函数，含实例：万字总结

目录

vector:创建向量（默认填充0，空字符，FALSE）

data.frame :可以看作由多个向量组成的表格，每个向量代表表格的一列数据

sequence:创建序列(可以简写为seq)

dim:获取矩阵或数组的维度信息

length

subset：从数据框和向量中提取子集

list

unlist：将列表转换为向量

排序（sort,order,unique,rev）

attr：获取或设置对象的特定属性

attributes：获取或设置对象的所有属性

typeof：获取给定对象的数据类型的函数

names:获取或设置对象的名称

nchar:计算字符向量或字符串的长度

substr: 从字符串中提取子串

format: 格式化数值

formatC: 格式化数值，并将其转换为字符型向量

paste: 将多个对象拼接成一个字符向量的函数

sapply:用于应用函数到向量、列表或数据框的便捷工具函数

strsplit:根据指定的分隔符将一个字符串对象拆分成多个子字符串，并返回一个包含拆分结果的列表或字符向量

charmatch：在向量或矩阵中查找匹配的字符，它返回一个表示匹配位置的整数向量

pmatch: 在向量或矩阵中进行部分匹配

grep:用于在字符向量中查找模式（pattern）匹配的元素，并返回匹配的位置或索引

sub：替换字符串中第一个匹配项的函数

gsub：用于替换字符串中所有匹配项的函数

复数

factor:因子是一种用于表示分类数据的数据类型，它将离散的取值映射为有序或无序的级别

nlevels:获取因子（factor）对象的级别数量

codes：因子的编码

cut：对数值变量进行划分时，可以根据不同的需求选择不同的参数配置

table：获取划分后每个区间的计数

split:根据指定的因子或向量来拆分数据框、列表或向量

aggregate:按照指定的因子或条件对数据进行聚合计算

tapply:根据指定的因子或条件对数据进行分组并应用于每个组的函数

---

vector:创建向量（默认填充0，空字符，FALSE）

vector(mode, length)

• mode：指定向量的数据类型，例如 "numeric"（数值型），"character"（字符型），"logical"（逻辑型）等。
• length：指定向量的长度，即元素的个数。

(1)创建一个包含整数类型的向量：

# 创建一个包含5个整数的向量
my_vector <- vector("integer", 5)
print(my_vector)

 结果

[1] 0 0 0 0 0 

(2)创建一个字符型向量：

# 创建包含字符元素的向量
my_vector <- vector("character", 3)
print(my_vector)

结果

[1] " " " " " "

(3) 创建一个逻辑型向量：

# 创建包含逻辑元素的向量
my_vector <- vector("logical", 4)
print(my_vector)

结果

[1] FALSE FALSE FALSE FALSE

 (4)直接创建向量

# 创建一个数值型向量
my_vector <- c(1, 2, 3, 4, 5)
print(my_vector)

结果

[1] 1 2 3 4 5

data.frame :可以看作由多个向量组成的表格，每个向量代表表格的一列数据

(1) 创建一个包含姓名和年龄的data.frame

name <- c("Alice", "Bob", "Charlie")
age <- c(25, 30, 35)

my_df <- data.frame(Name = name, Age = age)
print(my_df)

结果

    Name Age
1  Alice  25
2    Bob  30
3 Charlie 35
 

(2)访问列数据

# 访问列数据
print(my_df$Name)   # 打印Name列的数据
print(my_df$Age)    # 打印Age列的数据

 结果

[1] Alice Bob Charlie

[1] 26 31 36

（3）修改列数据 

my_df$Age <- c(26, 31, 36)   # 将Age列的数据修改为新的值
print(my_df)

结果

    Name Age
1  Alice  26
2    Bob  31
3 Charlie 36

sequence:创建序列(可以简写为seq)

（1）生成1~10的序列

seq <- sequence(10)
print(seq)

结果

 [1]  1  2  3  4  5  6  7  8  9 10

 (2)生成10~1的递减序列

seq <- sequence(10, from = 10, to = 1, by = -1)
#from是起始数字,to是结尾数字,by表示递增或递减的步长
print(seq)

结果

 [1] 10  9  8  7  6  5  4  3  2  1

（3）生成步长为2的从1到10的序列

seq <- sequence(5, from = 1, by = 2)
print(seq)

结果

[1] 1 3 5 7 9

（4）创建一个重复的序列：

结果 

[1] 1 1 2 2 3 

dim:获取矩阵或数组的维度信息

（1）获取矩阵的维度

mat <- matrix(1:6, nrow = 2)
#列出1~6数值的矩阵,矩阵的行数为2
dims <- dim(mat)
print(dims)

#补充
sub_mat <- mat[1:2, ]
print(sub_mat)

[1] 2 3 

#补充

     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

（2）获取数组维度 

#1
arr <- array(1:12, dim = c(2, 3, 2))
print(arr)


#2
dims <- dim(arr)
print(dims)

结果1

, , 1

     [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6

, , 2

     [,1] [,2] [,3]
[1,]    7    9   11
[2,]    8   10   12

结果2

[1] 2 3 2

length

(1)计算向量的长度

vec <- c(1, 2, 3, 4, 5)
len <- length(vec)
print(len)

[1] 5

 (2)计算列表的长度：

lst <- list("apple", "banana", "orange")
len <- length(lst)
print(len)

[1] 3

(3) 计算数组的长度：

arr <- array(1:12, dim = c(2, 3, 2))
#
len <- length(arr)
print(len)

[1] 12

subset：从数据框和向量中提取子集

（1）从数据框中提取符合条件的子集：

# 创建一个数据框
df <- data.frame(Name = c("Alice", "Bob", "Charlie"),
                 Age = c(25, 30, 35),
                 Gender = c("Female", "Male", "Male"))

# 提取年龄大于等于30岁的子集
subset_df <- subset(df, Age >= 30)
print(subset_df)

     Name Age Gender
2     Bob  30   Male
3 Charlie  35   Male

（2）从向量中提取符合条件的子集：

# 创建一个向量
vec <- c(10, 5, 8, 3, 6)

# 提取大于等于5的元素
subset_vec <- subset(vec, vec >= 5)
print(subset_vec)

[1] 10  5  8  6

list

(1)创建一个包含多个元素的列表：

# 创建一个列表
my_list <- list("Alice", 25, c(1, 2, 3), TRUE)

# 打印列表
print(my_list)

[[1]]
[1] "Alice"

[[2]]
[1] 25

[[3]]
[1] 1 2 3

[[4]]
[1] TRUE

 (2)访问和操作列表中的元素

# 访问列表中的元素
name <- my_list[[1]]
age <- my_list[[2]]
numbers <- my_list[[3]]
is_true <- my_list[[4]]

# 打印提取的元素
print(name)
print(age)
print(numbers)
print(is_true)

[1] "Alice"
[1] 25
[1] 1 2 3
[1] TRUE

（3）向列表中添加元素

# 添加新元素到列表中
my_list[[5]] <- "New element"

# 打印更新后的列表
print(my_list)

[[1]]
[1] "Alice"

[[2]]
[1] 25

[[3]]
[1] 1 2 3

[[4]]
[1] TRUE

[[5]]
[1] "New element"

unlist：将列表转换为向量

my_list <- list(a = 1, b = 2, c = 3)
my_vector <- unlist(my_list)
#经过 unlist() 转换后得到了向量 {1, 2, 3}
#其中元素的名称分别为 "a"、"b" 和 "c"
print(my_vector)

 a b c 
 1 2 3 

排序（sort,order,unique,rev）

(1)sort:对向量或数据框的元素进行升序排序

# 对向量进行排序
x <- c(5, 2, 8, 3, 1)
sorted_x <- sort(x)

# 打印排序后的向量
print(sorted_x)

[1] 1 2 3 5 8

（2）order： 返回按照给定向量排序的索引（默认升序）

# 获取按照向量排序的索引
x <- c(5, 2, 8, 3, 1)
sorted_index <- order(x)

# 打印排序后的索引
print(sorted_index)

[1] 5 2 4 1 3

索引1表示的是排序最小的值，也就是1，1的位置在第5个，所以显示5，以此类推

如果想结果降序排列，有下面两种写法

#1
x <- c(5, 2, 8, 3, 1)
sorted_index <- order(x, decreasing = TRUE)

print(sorted_index)

#2
x <- c(5, 2, 8, 3, 1)
sorted_index <- order(-x)

print(sorted_index)

 [1] 3 1 4 2 5

（3） unique：用于提取向量中的唯一值

# 提取向量中的唯一值
x <- c(2, 1, 3, 2, 1, 4)
unique_values <- unique(x)

# 打印唯一值
print(unique_values)

[1] 2 1 3 4

（4）rev:将向量或列表倒序排列

# 将向量倒序排列
x <- c(1, 2, 3, 4, 5)
reversed_x <- rev(x)

# 打印倒序排列后的向量
print(reversed_x)

 [1] 1 3 8 2 5

attr：获取或设置对象的特定属性

（1）设置对象属性

my_vector <- c(1, 2, 3)
attr(my_vector, "description") <- "This is a vector of numbers"

（2）获取对象属性

my_matrix <- matrix(1:9, nrow = 3)
attr(my_matrix, "dimnames") <- list(c("row1", "row2", "row3"), c("col1", "col2", "col3"))
dims <- attr(my_matrix, "dimnames")
print(dims)

[[1]]
[1] "row1" "row2" "row3"

[[2]]
[1] "col1" "col2" "col3"

my_matrix如图所示

attributes：获取或设置对象的所有属性

my_vector <- c(1, 2, 3)
attr(my_vector, "description") <- "This is a vector of numbers"
attr(my_vector, "author") <- "John Doe"

all_attributes <- attributes(my_vector)

print(all_attributes)

$description
[1] "This is a vector of numbers"

$author
[1] "John Doe"

typeof：获取给定对象的数据类型的函数

（1）向量的数据类型

my_vector <- c(1, 2, 3)
type <- typeof(my_vector)

print(type)

[1] "double"

（2）矩阵的数据类型

my_matrix <- matrix(1:9, nrow = 3)
type <- typeof(my_matrix)

print(type)

[1] "integer"

（3） 字符型数据的数据类型

my_string <- "Hello, World!"
type <- typeof(my_string)

print(type)

[1] "character"

names:获取或设置对象的名称

(1)向量的名称

my_vector <- c(1, 2, 3)
names(my_vector) <- c("a", "b", "c")

print(names(my_vector))

[1] "a" "b" "c"

(2) 列表的名称

my_list <- list(a = 1, b = 2, c = 3)

print(names(my_list))

[1] "a" "b" "c"

(3) 数据框的名称

my_df <- data.frame(x = c(1, 2, 3), y = c(4, 5, 6))
print(names(my_df))

[1] "x" "y"

(4)设置对象名称

my_vector <- c(1, 2, 3)
names(my_vector) <- c("a", "b", "c")
#my_vector 的元素分别设置名称 "a"、"b" 和 "c"

nchar:计算字符向量或字符串的长度

my_string <- "Hello, world!"
length <- nchar(my_string)
print(length)

[1] 13

substr: 从字符串中提取子串

（1）提取子串

my_string <- "Hello, world!"
substring <- substr(my_string, start = 1, stop = 5)
print(substring)

[1] "Hello"

 (2)使用负数来指定相对于字符串末尾的位置

my_string <- "Hello, world!"
substring <- substr(my_string, start = -3, stop = -1)
print(substring)

[1] "rld"

format: 格式化数值

x <- 12345.6789
formatted <- format(x, big.mark = ",", decimal.mark = ".", nsmall = 2)
print(formatted)

[1] "12,345.68"

参数：

1. nsmall：一个整数参数，用于指定保留的小数位数。

2. scientific：一个逻辑值参数，用于控制是否使用科学计数法来表示数值。如果设置为 TRUE，则使用科学记数法；如果设置为 FALSE，则不使用科学计数法。

3. big.mark：一个字符型参数，用于指定千位分隔符号的显示方式。默认情况下，R 使用逗号 , 作为千位分隔符号。

4. decimal.mark：一个字符型参数，用于指定小数部分的小数点符号。默认情况下，R 使用小数点 . 作为小数点符号。

5. trim：一个逻辑值参数，用于控制是否删除尾部多余的零。如果设置为 TRUE，则删除尾部多余的零；如果设置为 FALSE，则保留所有小数位数。

formatC: 格式化数值，并将其转换为字符型向量

x <- 12345.6789
formatted <- formatC(x, format = "f", digits = 2)
print(formatted)

[1] "12345.68"

参数：

1. x：要格式化的数据对象，可以是单个数字、向量或矩阵。

2. format：一个字符型参数，用于指定格式的字符串。你可以使用不同的占位符来表示各种格式，例如 %d 表示整数、%f 表示浮点数、%e 表示科学计数法、%s 表示字符型等。

3. digits：一个整数参数，用于指定保留的小数位数。当格式为浮点数时，通过设置 digits 参数可以控制小数位数。

4. width：一个整数参数，用于指定输出字符的总宽度。如果设定了 width 参数，且输出字符的长度不足 width，则会在左侧填充空格以达到指定的宽度。

5. flag：一个字符型参数，用于设置特殊标志。例如，`flag = "#"`` 可以在八进制数格式化时添加前缀 "0"，在十六进制数格式化时添加前缀 "0x"。

paste: 将多个对象拼接成一个字符向量的函数

# 示例 1：拼接两个向量
x <- c("Hello", "world")
y <- c("How", "are", "you?")
result <- paste(x, y)
print(result)
# 输出: "Hello How" "world are" " you?"

# 示例 2：指定分隔符
result <- paste(x, y, sep = "-")
print(result)
# 输出: "Hello-How" "world-are" "you?"

# 示例 3：折叠拼接结果
result <- paste(x, y, collapse = " ")
print(result)
# 输出: "Hello world How are you?"

#collapse 参数设置为空字符串,这样多个对象就会按照空格分隔并拼接成一个字符串。

sapply:用于应用函数到向量、列表或数据框的便捷工具函数

# 创建一个数字向量
numbers <- c(1, 2, 3, 4, 5)

# 使用sapply计算每个数字的平方
squared_numbers <- sapply(numbers, function(x) x^2)

# 输出结果
print(squared_numbers)

[1] 1 4 9 16 25

strsplit:根据指定的分隔符将一个字符串对象拆分成多个子字符串，并返回一个包含拆分结果的列表或字符向量

str <- "Hello,world,how,are,you?"
result <- strsplit(str, split = ",")
print(result)

[[1]]
[1] "Hello" "world" "how"   "are"   "you?"

 获取第一个拆分结果

 str <- "apple,banana,carrot|dog,cat,rabbit|red,green,blue"
 results <- strsplit(str, split = "\\|")
 print(results)
 first_elements <- sapply(results, function(x) x[[1]])
#返回子列表的第一个元素
 print(first_elements)

[[1]]
[1] "apple,banana,carrot"
[2] "dog,cat,rabbit"     
[3] "red,green,blue"

[1] "apple,banana,carrot"

charmatch：在向量或矩阵中查找匹配的字符，它返回一个表示匹配位置的整数向量

charmatch(target, x, nomatch = NA)

• target是要查找的目标字符向量。
• x是被搜索的字符向量。
• nomatch是当无法找到匹配时要返回的值，默认为NA。

# 创建一个字符向量
fruits <- c("apple", "banana", "orange", "mango")

# 使用charmatch查找元素的位置
match_index <- charmatch("banana", fruits)

# 输出结果
print(match_index)

[1] 2

如果要查找的元素不在字符向量中

# 使用charmatch查找不存在的元素的位置
match_index <- charmatch("grape", fruits, nomatch = 0)

# 输出结果
print(match_index)

[1] 0

模糊匹配

使用==运算符进行模糊匹配：

fruits <- c("apple", "banana", "orange", "mango")
target <- "banana"

# 循环遍历字符向量并进行模糊匹配
matches <- c()
for (i in 1:length(fruits)) {
  if (target == fruits[i]) {
    matches <- c(matches, i)
  }
}
print(fruits[matches])

[1] "banana"

 如果是

> target <- "banaba"

character(0)

 使用%in%运算符进行模糊匹配：

fruits <- c("apple", "banana", "orange", "mango")
target <- c("banaba", "apple")

# 使用向量化操作进行模糊匹配
matches <- fruits %in% target
print(fruits[matches])

[1] "apple"

fruits <- c("apple", "banana", "orange", "mango")
target <- c("banana", "apple")

# 使用向量化操作进行模糊匹配
matches <- fruits %in% target
print(fruits[matches])

[1] "apple"  "banana"

pmatch: 在向量或矩阵中进行部分匹配

pmatch(target, vector, duplicates.ok = FALSE)

• target：要查找的模式或目标项。
• vector：要在其中进行匹配的向量或矩阵。
• duplicates.ok：一个逻辑值，表示是否允许多个匹配项。默认为FALSE，即只返回第一个匹配项的索引。如果设置了duplicates.ok = TRUE，则会返回所有匹配项的索引。 

fruits <- c("apple", "banana", "orange", "mango")
target <- "ban"

matches <- pmatch(target, fruits)
print(matches)

[1] 2

fruits <- c("apple", "banana", "orange", "mango")
target <- "pp"

matches <- pmatch(target, fruits)
print(matches)

 [1] NA

grep:用于在字符向量中查找模式（pattern）匹配的元素，并返回匹配的位置或索引

grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE, fixed = FALSE, ...)

• pattern：要匹配的模式，可以是一个正则表达式或简单的字符模式。
• x：要在其中进行搜索的向量、列表或数据框。
• ignore.case：一个逻辑值，表示是否忽略大小写。默认为FALSE。
• perl：一个逻辑值，表示是否使用Perl正则表达式。默认为FALSE。
• value：一个逻辑值，表示是否返回匹配的元素本身而不是索引位置。默认为FALSE。
• fixed：一个逻辑值，表示是否将pattern视为字面字符串而不是正则表达式。默认为FALSE。

fruits <- c("apple", "banana", "orange", "mango")

# 返回包含"an"的元素的索引位置
matches <- grep("an", fruits)
print(matches)
# 输出: [1] 1 2

# 返回以字母"a"开头的元素的索引位置
matches_start_with_a <- grep("^a", fruits)
print(matches_start_with_a)
# 输出: [1] 1

# 返回包含字母"o"或"e"的元素的索引位置
matches_o_or_e <- grep("[oe]", fruits)
print(matches_o_or_e)
# 输出: [1] 1 3 4

# 返回与正则表达式匹配的元素本身
matching_elements <- grep("an", fruits, value = TRUE)
print(matching_elements)
# 输出: [1] "apple"  "banana"

# 忽略大小写进行匹配
ignore_case_matches <- grep("O", fruits, ignore.case = TRUE)
print(ignore_case_matches)
# 输出: [1] 3

sub：替换字符串中第一个匹配项的函数

sub(pattern, replacement, x, ignore.case = FALSE, perl = FALSE, fixed = FALSE, ...)

• pattern：要匹配的模式，可以是一个正则表达式或简单的字符模式。
• replacement：要替换匹配项的字符串。
• x：要在其中进行替换的向量、列表或数据框。
• ignore.case：一个逻辑值，表示是否忽略大小写。默认为FALSE。
• perl：一个逻辑值，表示是否使用Perl正则表达式。默认为FALSE。
• fixed：一个逻辑值，表示是否将pattern视为字面字符串而不是正则表达式。默认为FALSE。

fruit <- "banana"

# 将第一个匹配的"a"替换为"o"
replaced <- sub("a", "o", fruit)
print(replaced)
# 输出: [1] "bonana"

# 忽略大小写进行替换
ignore_case_replaced <- sub("A", "o", fruit, ignore.case = TRUE)
print(ignore_case_replaced)
# 输出: [1] "bonana"

# 将数字替换为空字符串
numbers <- c("value1", "value2", "value3")
numbers_replaced <- sub("[0-9]", "", numbers)
print(numbers_replaced)
# 输出: [1] "value"  "value2" "value3"

gsub：用于替换字符串中所有匹配项的函数

gsub(pattern, replacement, x, ignore.case = FALSE, perl = FALSE, fixed = FALSE, ...)

• pattern：要匹配的模式，可以是一个正则表达式或简单的字符模式。
• replacement：要替换匹配项的字符串。
• x：要在其中进行替换的向量、列表或数据框。
• ignore.case：一个逻辑值，表示是否忽略大小写。默认为FALSE。
• perl：一个逻辑值，表示是否使用Perl正则表达式。默认为FALSE。
• fixed：一个逻辑值，表示是否将pattern视为字面字符串而不是正则表达式。默认为FALSE。
• ...：其他传递给正则表达式替换函数的参数。

fruit <- "banana"

# 将所有匹配的"a"替换为"o"
replaced <- gsub("a", "o", fruit)
print(replaced)
# 输出: [1] "bonono"

# 忽略大小写进行替换
ignore_case_replaced <- gsub("A", "o", fruit, ignore.case = TRUE)
print(ignore_case_replaced)
# 输出: [1] "bonono"

# 将所有数字替换为空字符串
numbers <- c("value1", "value2", "value3")
numbers_replaced <- gsub("[0-9]", "", numbers)
print(numbers_replaced)
# 输出: [1] "value"  "value"  "value"

复数

（1）complex()：创建一个复数。它接受两个参数，分别是实部和虚部

# 创建复数：2 + 3i
z <- complex(real = 2, imaginary = 3)
print(z)
# 输出: [1] 2+3i

（2）Re()：返回复数的实部

# 获取复数的实部
real_part <- Re(z)
print(real_part)
# 输出: [1] 2

（3）Im()：返回复数的虚部

# 获取复数的虚部
imaginary_part <- Im(z)
print(imaginary_part)
# 输出: [1] 3

（4）Mod()：返回复数的模（绝对值）

# 获取复数的模
modulus <- Mod(z)
print(modulus)
# 输出: [1] 3.605551

（5）Arg()：返回复数的辐角

# 获取复数的辐角
argument <- Arg(z)
print(argument)
# 输出: [1] 0.9827937

(6)Conj()：返回复数的共轭

# 获取复数的共轭
conjugate <- Conj(z)
print(conjugate)
# 输出: [1] 2-3i

factor:因子是一种用于表示分类数据的数据类型，它将离散的取值映射为有序或无序的级别

factor(x, levels, labels, ordered = FALSE)

• x：要转换为因子的向量或因子（或其他对象）。
• levels：可选参数，指定因子的级别。它可以是一个字符向量或整数向量。如果没有指定级别，将使用唯一的x中的取值作为级别。
• labels：可选参数，指定因子的标签（用于表示每个级别的名字）。如果没有指定标签，将使用级别的字符串表示。
• ordered：一个逻辑值，表示是否创建有序因子。如果为TRUE，则表示级别之间存在顺序关系，默认为FALSE。

# 创建一个无序因子
x <- c("A", "B", "A", "C", "B")
f <- factor(x)
print(f)
labels <- levels(f)
print(labels)
# 输出: [1] A B A C B
# Levels: A B C

# 创建一个有序因子
y <- c("low", "medium", "high", "low", "high")
o <- factor(y, levels = c("low", "medium", "high"), ordered = TRUE)
print(o)
labels <- levels(o)
print(labels)
# 输出: [1] low    medium high   low    high  
# Levels: low < medium < high

# 指定标签的因子
z <- c("male", "female", "female", "male")
g <- factor(z, levels = c("male", "female"), labels = c("M", "F"))
print(g)
labels <- levels(g)
print(labels)
# 输出: [1] M F F M
# Levels: M F

#因子的各水平的名字,可以通过levels进行数据的分类和汇总分析

nlevels:获取因子（factor）对象的级别数量

# 创建一个因子
x <- c("A", "B", "A", "C", "B")
f <- factor(x)

# 获取因子的级别数量
num_levels <- nlevels(f)
print(num_levels)
# 输出: 3

codes：因子的编码

# 创建一个因子
x <- c("A", "B", "A", "C", "B")
f <- factor(x)

# 获取因子的代码
codes <- as.integer(f)
print(codes)
# 输出: [1] 1 2 1 3 2

# 将代码转换回级别标签
labels <- labels(f)
print(labels)
# 输出: [1] "A" "B" "C"

注：as.integer:将数据转化为整型

# 将数值转换为整数
x <- 3.14
x_integer <- as.integer(x)
print(x_integer)
# 输出: 3

# 将逻辑值 TRUE 和 FALSE 转换为整数
logic_val <- TRUE
logic_val_integer <- as.integer(logic_val)
print(logic_val_integer)
# 输出: 1

logic_val <- FALSE
logic_val_integer <- as.integer(logic_val)
print(logic_val_integer)
# 输出: 0

# 将字符型转换为整数
text <- "123"
text_integer <- as.integer(text)
print(text_integer)
# 输出: 123

cut：对数值变量进行划分时，可以根据不同的需求选择不同的参数配置

（1）指定分割点

# 创建一个数值向量
x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

# 使用cut()函数将数值划分为三个离散的区间
cuts <- cut(x, breaks = c(0, 5, 8, 10))
print(cuts)
# 输出:
# [1] (0,5] (0,5] (0,5] (0,5] (0,5] (5,8] (5,8] (5,8] (8,10] (8,10]
# Levels: (0,5] (5,8] (8,10]

（2）指定区间数量

# 创建一个数值向量
x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)

# 使用cut()函数将数值划分为五个离散的区间
cuts <- cut(x, breaks = 5)
print(cuts)
# 输出:
# [1] (0.992,2.8]  (0.992,2.8]  (0.992,2.8]  (2.8,4.6]    (4.6,6.4]   
# [6] (6.4,8.2]    (8.2,10]     (8.2,10]     (8.2,10]     (8.2,10]    
# Levels: (0.992,2.8] (2.8,4.6] (4.6,6.4] (6.4,8.2] (8.2,10]

table：获取划分后每个区间的计数

x <- c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10)
cuts <- cut(x, breaks = 5)
table(cuts)

split:根据指定的因子或向量来拆分数据框、列表或向量

split(x, f, drop = FALSE, ...)

• x：要拆分的对象，可以是数据框、列表或向量。
• f：用于拆分的因子或向量。
• drop：逻辑值，表示是否删除空的拆分组。默认为 FALSE，即保留空的拆分组。

x <- c(1, 2, 3, 4, 5)
f <- c("A", "B", "A", "B", "A")
result <- split(x, f)

$A

[1] 1 3 5

$B

[1] 2 4

aggregate:按照指定的因子或条件对数据进行聚合计算

aggregate(formula, data, FUN, ...)

• formula：用于指定聚合操作的公式，通常形式为 y ~ x，其中 y 是要聚合的变量，x 是用于分组的因子或变量。
• data：要进行聚合计算的数据框或列表。
• FUN：表示要应用的聚合函数。可以是内置的聚合函数（如sum、mean、max等），也可以是用户自定义的函数。

# 创建一个示例数据框
df <- data.frame(
  group = c("A", "A", "B", "B", "A"),
  value = c(1, 2, 3, 4, 5)
)

# 使用aggregate()函数计算每个组的平均值
result <- aggregate(value ~ group, data = df, FUN = mean)
print(result)

tapply:根据指定的因子或条件对数据进行分组并应用于每个组的函数

tapply(X, INDEX, FUN, ..., simplify = TRUE)

• INDEX：表示分组的因子、列表或数组。
• FUN：要应用于每个组的函数，可以是内置的函数（如sum、mean、max等），也可以是用户自定义的函数。
• simplify：逻辑值，表示是否简化结果。默认为 TRUE，即使用简化的结果。

# 创建示例向量
x <- c(1, 2, 3, 4, 5)
f <- c("A", "A", "B", "B", "A")

# 使用tapply()函数计算每个组的总和
result <- tapply(x, f, sum)

A B

8 7

---

整理不易，如有错误或遗漏，请大佬们不吝赐教！！