Sys.data()获取的时间格式为Data

data()获取的时间格式为字符

weekdays(data)判断日期是星期几

months(data)判断月份是几月

quarters(data)判断是这一年的第几个季度

julian(data)返回距离1970-01-01过去了多少天

构建子集：[ ] / [[ ]] / $ / [[ ]] [ ] / [[ ]] [[ ]] 

处理缺失值：is.na() / complete.cases()

向量化操作：向量x+y,x*y,x/y    矩阵x%*%y

两个向量，选取对应位置都不是缺失值的-用complete选出一个新变量z，只有两者都不是缺失值才会返回true，然后再用x【z】 y【z】选出都不是缺失值的

library加载数据集，dataset是r里自带的数据包

head是取数据集的前六行看看数据及有哪些变量，基本情况。这个数据集有六个变量，目前只看到 6次记录，通常我们希望选取所有变量都没有缺失值的记录

用complete输出的判断 第二行的13表示第二行的第一个true是原数据集的第十三个数据

数据框与向量还是不一样，返回输出非缺失值是考虑行和列，这里我们要每行数据都完整，所以g放在行上，列都留下，所以列的位置空着，后面再加一颗括号就依旧是行列的格式，前10行，列空着。最后输出的数据框左边数字表示选出来的数据在原数据集是第几行

创建一个数据框：df<-data.frame(id = c(1,2,3,4),name = c("a","b","c","d"), gender = c(TRUE,TRUE,FALSE,FALSE))

当数据框只有一个数据类型时可以转换为一个矩阵：

df2<-data.frame(id = c(1,2,3,4),score = c(80,86,90,100))

data.matrix(df2)

1、创建因子：x<-factor(c("male","female","femal","male"),levels = c("male","femal"))

2、level查看因子的基础值，在统计分析的时候用处较大。

3、unclass(x)，去除分类

4、table(x)：查看元素的频数

列表：

1、l<-list("a",2,10L,3+4i,TRUE) #列表可以包含各种类型的数据

2、l2<-list(a = 1,b= 2,c = 3)#给列表的元素命名

3、l3<-list(c(1,2,3),c(4,5,6)) #列表中每个元素的内容个数>1

4、x<-matrix(1:6,nrow = 2,ncol = 3) dimnames(x) <- list(c("a","b"),c("c","d","e"))#矩阵的维度只能用列表来引入？？

5、列表和向量都可以包含不同类型的数据，但是列表中的元素可以是向量。

1、matrix填充先填充列，再填充行；

2、创建矩阵有两种方式：1），y<-1:6 dim(y)<-c(2,3)  

2）y2<-matrix(1:6,nrow = 2,ncol = 3)；

3、attributes()查看矩阵的信息；

5、矩阵只有行和列连个维度，但是数组的维度可以大于2，所以dim参数都是为数组设计的

方括号中的[]代表的 是x所赋值对象的第一个元素

查看对象类型的函数class() 

numeric--代表的是一个数值型变量 可以是整数也可以是小数

要强调整形的数值在数字后面L integer

character--代表的是字符型

逻辑型 (logical)TRUE FALSE 在R语言中逻辑型必须用大写表示

复数 complex

数据结构 属性{名称 维度 类型 长度

C()函数会将三个不同类型的数全都转换成character类型

如 x3 <- c(TRUE,10,"a")

x3 为 chr [1:3] "TRUE" "10" "a"

//了解数据有多大

object.size(数据)

print(object.size(数据),units="Kb")

交叉表

xtabs(Freq~Class+Age,data=titanic)//计算哪两个数据交叉起来的频率

ftable()//使排版变得更加扁平化

smmary(数据名称)//包括最大值最小值、25%、50%、75%位点，空值个数

str()//总结数据，变量个数、记录数、变量名称

table（airquality$Ozone,useNA="ifany"）//将缺失值总结出来

is.na()//求缺失值

sort:对向量进行排序，返回排好的内容

order：返回排好序的内容的下标/多个排序标准

sort(x$列名字)//按升序排列

sort(x$列名字，decreasing=TRUE)//按降序排列

x[order（x$列名字1，x$列名字2），]//先排列1，再排列2

split(x,f)//将x按照f因子分为组，组数由f定

lapply(split(x,f),mean)//传入分好组之后的列表，对列表进行的操作

sapply(s,function(x) colMeans(x[,c("Ozone","Wind","Temp")],na.rm=TRUE))//除去缺失值

tapply:对向量的子集进行操作

rnorm(5)//正态分布

rnorm(5，1)//均值为1标准差为0的正态分布

runif(5)//均匀分布

tapply(x,f,mean)//对向量x按照F因子的水平进行分组，对每一组求均值