R语言学习笔记

title: "r basical"
author: "wy"
date: "2018/7/22"
output: html_document
未完，待续...

R数据结构：

对像的5种基本属性：

• 字符（characte）

• 数值（numeric：real numbers）

• 整数（integer）

• 复数（complex）：1+2i

• 逻辑（logical：TRUE/False）

• class（ ）为查看数据类型的函数

• y <- "hallo word"表示字符型（character）

名称属性：

• 名称 （name）

• 维度 （dimensions：matrix，array）

• 类型（class）

• 长度（length）

数据结构：

• 向量（vetocr）：只能包含同一类型的对象。

创建函数的vector的方法：

x<- vector("character",length=10)       > x1<-1:4       > x2<-c(1,2,3,4)

• 例子：

• x3<- c(TRUE,10,"a")表示字符型

x3<- c(TRUE,10,"a")    
> class(x3) 
[1] "character"

as.numeric(x3)      
[1] NA 10 NA

• Warning message:强制改变过程中产生了NA

x3<- c(TRUE,10,"a")class(x3)
[1] "character"
 as.numeric(x3)
[1] NA 10 NA

• Warning message:强制改变过程中产生了NA其他强制转换的函数：as.character()/as.logical()

names函数

x1<- 1:4
names(x1)<-c("a","b","c","d")

数据结构总结：

• 向量（vector）：只能包含同一类型的对像

• 创建向量：

1. vector（）

2. c（）  说明：使用c（）函数，如果其中一个元素是字符，则非字符值强制为字符类型。

3. as.logical()/as.numeric()/as.character()

矩阵（matrix）

• 向量+维度属性（整数向量：nrow行，ncol列）
  x<-matrix(nrow = 3,ncol = 2)

• matrix()至少需要传入两个参数：nrow()/ncol()，那么改矩阵未被赋值，就会以缺失值NA代替
  x<- matrix(1:6,nrow = 2,ncol = 3)
  也可简写为：
  x<- matrix (1:6,2,3)

• 矩阵是先填充列

• dim()表示矩阵的维度属性
  dim(x)

• attributes()用来查找矩阵有多少属性，有哪些属性

矩阵就是向量+维度:

y<-1:6dim(y)<-c(2,3)

拼接矩阵

y2<- matrix(1:6,nrow = 2,ncol = 3)

• rbind(y,y2)表示合并行nrow

• cbind(y,y2)列拼接

数组array

• 与矩阵类似，但是维度可以大于2

x<-array(1:24,dim = c(4,6))
x1<-array(1:24,dim = c(2,3,4))

• 表示有3个维度，有4个2行3列

列表（list）

• 可以包含不同类型的对像（与向量vector区别）

• 矩阵和数组可以包含很多元素，但是多个元素之间必须是一致的。

l<-list("a",2,10L,3+4i,TRUE)
l2<-list(a=1,b=2,c=3)
l3<-list(c(1,2,3),c(4,5,6,7))

矩阵赋名

x<-matrix(1:6,nrow = 2,ncol = 3)
dimnames(x)<-list(c("a","b"),c("c","d","e"))
dimnames(x)<-list(c("a","b"),c("c","d","e","f"))

• Error in dimnames(x) <- list(c("a", "b"), c("c", "d", "e", "f")) : 'dimnames'的长度[2]必需与陈列范围相等

因子（factor）

• 因子用来处理 分类数据（分为）有序 vs.无序

• 因子=整数向量+标签（label）（优于整数向量）

• 无序：Male/Female vs.有序：1/2

• 常用与lm(),glm()

创建因子(factor)

x<-factor(c("female","man","female"))

• 运行如下：

x[1] female man    female

• Levels: female man (levels就是标签？此处是以female为基线)

y<-factor(c("female","man","female"),levels = c("man","female"))

• 运行结果如下：

y[1] female man    female

Levels: man female（那么此处就是以man为基线）

• 可通过levels来设置factor中的基线水平

可使用table函数对感兴趣的factor进行了解:

table(y）
y
man female 
1      2

因子=整数向量+标签（label）

• levels为factor的一个属性，可以用unclass去除factor的属性
  unclass(x)

• 运行如下：

unclass(x)[1] 1 2 1

• attr(,"levels")  曾经的属性为levels，有两个水平（female，male）

[1] "female" "man"   class(unclass(x))

缺失值（missng value）

• NA/NaN:NaN属于NA，NA不属于NaN

• NaN一般用于表示数值的缺失

• NA可表示数值、字符型

• NA有类型属性存在：integer NA,character NA等

• is.na()/is.nan()用来判断一个向量中是否存在缺失值

• example：x<-c(1,NA,2,NA,3)

is.na(x)
[1] FALSE  TRUE FALSE  TRUE FALSEis.nan(x)
[1] FALSE FALSE FALSE FALSE FALSE

• 试着将x<-c(1,NA,2,NA,3)改为x<-c(1,NaN,2,NaN,3)

数据框（data frame）

• 用来存储表格数据（tabular data）

• 视为各元素长度相同的列表：

• 每个远元素代表一列数据

• 每个元素的长度代表行数

• 元素类型可以不用
  df<-data.frame(id=c(1,2,3,4),name=c("a","b","c","d"),gender= c(TRUE,FALSE,FALSE,TRUE))

• nrow(df)/ncol(df）查看数据框有多少行/列

dfid name gender1  1    a   TRUE2  2    b  FALSE3  3    c  FALSE4  4    d   TRUE

• 也可nrow(df)/ncol(df）用来查看行/列

• 区别矩阵：每行每列元素需要一样，但两者结构相似

• df<-list(id=c(1,2,3,4),name=c("a","b","c","d"),gender= c(TRUE,FALSE,FALSE,TRUE))

• 运行如下：

>df
$id
[1] 1 2 3 4
                                    $name
[1] "a" "b" "c" "d"
                                    $gender
[1]  TRUE FALSE FALSE  TRUE

• df2<-data.matrix(id=c(1,2,3,4),name=c("a","b","c","d"),gender= c(TRUE,FALSE,FALSE,TRUE))

• 运行如下：Error in data.matrix(id = c(1, 2, 3, 4), name = c("a", "b", "c", "d")

• 参数没有用(id = c(1, 2, 3, 4), name = c("a", "b", "c", "d"), gender = c(TRUE, FALSE, FALSE, TRUE))

• df3<-data.frame(id=c(1,2,3,4),score=c(80,86,90,100))

• 运行如下：

df3id score1  1    802  2    863  3    904  4   100

• data.matrix(df3）转换为矩阵

data.matrix(df3)id score[1,]  1    80[2,]  2    86[3,]  3    90[4,]  4   100

处理缺失值NA

x <- c(1,NA,2,NA,3)is.na(x)
x[is.na(x)]
x[!is.na(x)]

• complete.cases选取x，y中都不是NA中的缺失值NA,返回值为逻辑（TRUE，FALSE）

x <- c(1,NA,2,NA,3)y<- c("a","b",NA,"c",NA)z<- complete.cases(x,y)x[z]y[z]head(airquality)complete.cases(airquality)g<-complete.cases(airquality)airquality[g,][1:10,]

• 运行查看各个代码的意义。

向量化操作：

• 可用于vector、matrix等结构操作，使代码简单已读、易于操作。

x<-1:5
y<-6:10
x+y
x/y

x<-matrix(1:4,nrow = 2,ncol = 2)
y<-matrix(rep(2,4),nrow =2,ncol=2)
x*y
x/y

• x%*%y矩阵乘

重要函数的使用

目录为：

• 处理循环：r不仅有for/while循环函数，还有一句话循环函数

• 排序

• 总结数据信息

lapply

• 可以循环处理列表中的每一个元素

• lapply（参数）：lapply（列表，函数/函数名，其他参数）

• str（lapply)

x<- list(a=1:10,b=c(11,21,31,41,51))lapply(x,mean)sapply(x,mean)

lapply(x,runif)
lapply(x,runif,min=0,max=100)

• runif函数表示为随机抽取向量，默认的范围为0-1

• lapply()函数通常传入为list，在上个函数中lapply(x,runif)中的x为一个vector，这样lapply通常会将其强制转化为list

apply

• 沿着数组的某一维度处理数据

• 例如：将函数用于矩阵的行和列

• 虽然与for/while循环的效率相似，但是只用一句话就可以完成

• apply（参数）：apply（数组，维度，函数/函数名）

x<- matrix(1:16,4,4)apply (x,2,mean)apply(x,1,mean)

• 分别运行产生一下代码：

> x
     [,1] [,2] [,3] [,4][1,]    1    5    9   13[2,]    2    6   10   14[3,]    3    7   11   15[4,]    4    8   12   16
> apply (x,2,mean)[1]  2.5  6.5 10.5 14.5> apply(x,1,mean)[1]  7  8  9 10

apply

• 沿着数组的某一维度处理数据

• 例如：将函数用于矩阵的行和列

• 虽然与for/while循环的效率相似，但是只用一句话就可以完成

• apply（参数）：apply（数组，维度，函数/函数名）

x<- matrix(1:16,4,4)apply (x,2,mean)apply(x,1,mean)

• 分别运行产生一下代码：

> x
     [,1] [,2] [,3] [,4][1,]    1    5    9   13[2,]    2    6   10   14[3,]    3    7   11   15[4,]    4    8   12   16
> apply (x,2,mean)[1]  2.5  6.5 10.5 14.5> apply(x,1,mean)][1,] -0.6843901 0.1666006 0.6803454[2,]  1.1253118 0.4653100 0.1141857> apply(x,c(1,3),mean)          [,1]        [,2]      [,3]      [,4][1,] 1.2045748 -1.53831670 0.3211516 0.2293316[2,] 0.8996401  0.09853166 1.1504825 0.1244224> apply(x,c(2,3),mean)          [,1]       [,2]      [,3]        [,4][1,] 0.7023668 -1.4052478 0.6801564  0.90456808[2,] 1.6055750 -1.0393436 0.7949597 -0.09736984[3,] 0.8483805  0.2849139 0.7323351 -0.27656733

mapply:

• lappy的多元版本

• mapply（参数），mapply（函数/函数名，数据，函数相关参数）

list(rep(1,4),rep(2,3),rep(3,2),rep(4,1))[[1]][1] 1 1 1 1[[2]][1] 2 2 2[[3]][1] 3 3[[4]][1] 4

• 用mapply完成上面

mapply(rep,1:4,4:1)

• 自创函数s：

s<- function(n,mean,std)

• 这个函数中，function用来说明这是一个函数，（）中传入需要传入的参数

• n这里代表从正太分布中随你抽取n个数，mean表示整体分布的均值，std代表这个整体的标准差。

s<- function(n,mean,std){rnorm(n,mean,std)}
s(4,0,1)
mapply(s,1:5,5:1,2)

• 运行如下：

> mapply(s,1:5,5:1,2)[[1]][1] 1.938297[[2]][1] 4.455111 4.432794[[3]][1] 1.118224 3.751297 5.864922[[4]][1] 4.1675629 1.7385185 0.8987198 0.1048540[[5]][1] -0.3413274  1.2058371 -0.5148753  1.9476646  3.9251892

• 如果用list表示上面这个则为：

list(s(1,5,2),s(2,4,2),s(3,3,2)...)

tapply

• 对向量的子集进行操作

• tapply（参数）：tapply（向量，因子/因子列表，函数/函数名）

x<- c(rnorm(5),runif(5),rnorm(5,1))
f<-gl(3,5)

• gl函数:?gl可自行查看以下

• rnorm表示正太分布，runif表示均匀分布。

> rnormfunction (n, mean = 0, sd = 1)
>runifrunif(n, min = 0, max = 1)

tapply(x,f,mean)
         1          2          3 
0.08431157 0.36912987 0.92869525

split

• 根据因子或因子列表将向量或其他对像分组

• 通常与lapply一起运用

• split（参数）：split（向量/列表/数据框，因子/因子列表）

split(x,f)
lapply(split(x,f),mean)

排序

• sort:对向量进行排序，返回排好序的内容

• order：返回排好序的内容的下标/多个排序标准

wy<-data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1))
sort(wy$v2)
[1]  6  7  8  9 10sort(wy$v2,decreasing=TRUE)
[1] 10  9  8  7  6

order(wy$v2)
[1] 4 2 5 3 1

wy[order(wy$v2),]
 v1 v2 v3 v4
4  4  6 14  2
2  2  7 12  1
5  5  8 15  1
3  3  9 13  2
1  1 10 11  1

wy[order(wy$v4,wy$v2),]
 v1 v2 v3 v4
2  2  7 12  1
5  5  8 15  1
1  1 10 11  1
4  4  6 14  2
3  3  9 13  2

wy[order(wy$v2,wy$v4),]
 v1 v2 v3 v4
4  4  6 14  2
2  2  7 12  1
5  5  8 15  1
3  3  9 13  2
1  1 10 11  1

作者：泥人吴
链接：https://www.jianshu.com/p/45cef8da32ba