R语言︱基本函数、统计量、常用操作函数

先言：R语言常用界面操作

帮助：help(nnet) = ?nnet =??nnet

清除命令框中所有显示内容：Ctrl+L

清除R空间中内存变量：rm(list=ls())、gc()

获取或者设置当前工作目录：getwd、setwd

保存指定文件或者从磁盘中读取出来：save、load

读入、读出文件：read.table、wirte.table、read.csv、write.csv

1、一些简单的基本统计量

#基本统计量
sum/mean/sd/min    #一些基本统计量

which.min()        #找出最小值的序号

以上是单数列，如果是多变量下的呢？

#多元数据
colMeans()    #每列,row是行（横向）
colnames()    #列名
colSums()     #列求和
cov()         #协方差阵
cor()         #相关矩阵
cor.test()    #相关系数

abs	绝对值
sqrt	平方根
exp	e^x次方
log	自然对数
log2,log10	其他对数
sin,cos,tan	三角函数
sinh,cosh,tanh	双曲函数
poly	正交多项式
polyroot	多项式求根

对象操作：

assign	赋值操作，等同于“<-”
rm	删除对象
ls	显示内存中的对象
str	显示对象的内在属性或简要说明对象
ls.str	展示内存中所有对象的详细信息
length	返回对象中元素的个数
names	显示数据的名称，对于数据框则是列名字
levels	因子向量的水平
dim	数据的维度
nrow	矩阵或数据框的行数
ncol	列数
rownames	数据的行名字
colnames	列名字
class	数据类型
mode	数据模式
head	数据的前n行
tail	数据的后n行
summary	显示对象的概要
attr	x的属性类型
is.na	检测变量的类型
is.null
is.array
is.data.frame
is.numeric
is.complex
is.character

简单统计：

max	最大元素
min	最小元素
range	最小值和最大值组成的向量
sum	和
prod	元素连乘
pmax	向量间相同下标进行比较最大者，并组成新的向量
pmin	向量间相同下标进行比较最小者，并组成新的向量
cumsum	累积求和
cumprod	连乘
cummax	最大
cummin	最小
mean	均值
weighted,mean	加权平均数
median	中位数

sd	标准差
norm	正态分布
f	F分布
unif	均匀分布
cauchy	柯西分布
binom	二项分布
geom	几何分布
chisq.test	卡方检验，进行独立性检验
prop.test	对总体均值进行假设检验
shapiro.test	正态分布检验
t.test	T检验，对总体均值进行区间估计
aov	方差分析
anova	一个或多个模型对象的方差分析

2、向量

向量在循环语句中较为广泛

#向量
#向量在循环语句中较为广泛
M=vector(length = 8);M  #生成一个长为8的布尔向量
M[1]="1";M             #赋值之后就会定义为字符
M[1]=1;M              #赋值之后，定义为数值

逻辑向量使用

y[y < 0] <- -y[y < 0]      #表示将向量(-y)中 与向量y的负元素对应位置的元素 赋值给 向量y中 与向量y负元素对应的元素。作用相当于： y <- abs(y)

3、数据储存形式

#数据储存形式
data.frame(wi=iris,ci=cars)   #数据框形式，可以直接定义变量名
list(wi=iris,ci=cars)         #list，也可以直接定义变量名

注意：attach()、detach()

可以将数据框中的变量释放到Rs内存中，然后就可以直接调用。

attach(iris)
names(setosa)   
detach(iris)

在data.frame中，是可以实现数据集重命名的，比如data.frame(x=iris,y=cars)，

也可以实现横向、纵向重命名，data.frame(x=iris,y=cars,row.names=iris)

4、数据查看函数——names、str、unique组合、typeof()、mode()、class()

##数据查看函数
names(iris)           #查看所有变量名字
str(iris)             #变量属性（int整数,num数值）
unique(iris$setosa)   #查看分类变量的水平
table(iris$setosa)    #分类水平，不同水平的个数（=unique+sum功能）
summary(iris)         #所有变量各自的均值、分位数、众数、最大、最小值等统计量，在回归中就是系数表等
attributes(iris)      #包括names（变量名）、row.names（序号的名称）、class(数据形式)

一般names、str、unique会组合使用。

如何查看数据类型——typeof()、mode()、class()的区别？

 我这里用个因子例子来说明，希望能讲清楚
 > gl(2,5)            #新建一个因子
 [1] 1 1 1 1 1 2 2 2 2 2
 Levels: 1 2
 > class(gl(2,5))   #查看变量的类，显示为因子；
 [1] "factor"
 > mode(gl(2,5))     #查看数据大类，显示为数值型；
 [1] "numeric"
 > typeof(gl(2,5))    #查看数据细类，显示为整数型；
 [1] "integer"
 #来自：http://f.dataguru.cn/thread-99785-1-1.html

从精细度上说，typeof>mode>class. 

5、矩阵的基本知识与注意

#矩阵的基本知识
t()       #转置
det()     #行列式，方阵
x%*%y     #向量内积
x%o%y#向量外积


A=array(1:9,dim=c(3,3))
A*A    #这个代表矩阵内两两子元素相乘
A%*%A #才是我们想要的结果
crossprod(A,A)    #等于t(A)%*%A
crossprod(t(A),A) #等于A%*%A，所以需要t（A）一下

t	矩阵转置
rowsum	行求和
colsum	列求和
rowmeans	行平均
colmeans	列平均
solve	对线性方程求解或求矩阵的逆
diag	对角阵

6、因子

##因子（≈文本+数字的组合）
#SPSS中值标签定义有异曲同工之妙
M=factor(iris$setosa,levels=c(1,0),labels=c("M","F"));M  #能够转化因子格式+定义值标签
M=as.factor(iris$setosa);M #上面的函数更有效，因为as.factor只能转化成因子格式

7、输入输出

library	加载包
data	加载制定数据集
load	加载save或者save.image保存的数据
read.table	读取表格
read.csv	读取以逗号分割的表格
read.delim	读取以tab分割个表格
read.fwf	以fixed width formatted 形式读取数据至表格
save	二进制保存指定对象
save.image	二进制保存当前线程内所有对象
write.table	将数据以表格形式写入文本
write.csv	将数据以CSV表格形式写入文本
cat	强制转化为字符后输出
sink	输出转向到指定文件
print	输出屏幕
format	格式化

8、逻辑运算

!x	逻辑非
x & y	逻辑与
x && y	逻辑与（仅匹配并返回第一个值）
x | y	逻辑或
x || y	逻辑或（仅返回第一个值）
x or (x,y)	异或