“L”代表integer

x和X不一样

1. 赋值号<-

2. 区分大小写

第二章内容总结

<-  是赋值的作用，=也有相同功能，但是容易出错

R语言对大小写敏感，大小写代表的是不同的变量

向量的赋值顺序是从第一列赋值，赋值完成后，对第二列赋值

1:4是指从1到4--1、2、3、4

as.XX指的是将数据强制转换为XX格式，

#总结数据信息

head(airquality)
tail(airquality)head(airquality,10)#看前面十行summary(airquality)#返回了airquality中各个变量的最小值，最大值。。。str(airquality)table(airquality$Month)#使用table函数查看元素的内容，但会忽略缺失值table(airquality$Ozone,useNA = "ifany")#使用table函数查看元素的内容，加入了忽略略的缺失值table(airquality$Month,airquality$Day)any(is.na(airquality$Ozone))#使用函数查看是否具有缺失值sum(is.na(airquality$Ozone))#使用函数查看具有多少缺失值all(airquality$Month<12)#查看月份是否都小于12titanic<-as.data.frame(Titanic)head(titanic)tail(titanic)dim(titanic)summary(titanic)xtabs(Freq~Class+Age,data = titanic)#查看Class与Age交叉部分的数据x<-xtabs(Freq~Class+Age,data = titanic)#查看Class与Age交叉部分的数据ftable(x)#得到和上一条命令相同的内容，但是数据的排版变得更加扁平化了object.size(airquality)#查看数据的大小print(object.size(airquality),units = "Kb")#使用Kb为单位查看数据的大小

#排序

x<-data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1))
x
sort(x$v2,decreasing = TRUE)#对数据框v2进行降序排列
sort(x$v3)#对数据框v3进行升序排列
order(x$v2)#返回的不是内容本身，而是内容对应的下标排序
x[order(x$v2),]#行顺序按照order方式排列
x[order(x$v4,x$v3),]#先排序v4，再排序v3，v4的排序结果更强
x[order(x$v4,x$v3,decreasing = TRUE),]#先排序v4，再排序v3，v4的排序结果更强

#split函数

#根据因子或因子列表将向量或其它对分组
#与lapply联用
x <- c(rnorm(5), runif(5),rnorm(5,1))  
f<-gl(3,5)
split(x,f)#f因子中的水平1，2，3
lapply(split(x,f),mean）#对列表中得每一个元素求平均值
s<-split(airquality,airquality$Month)#$符号代表选择Month
table(airquality$Month)
lapply(s,function(x)colMeans(x[,c("Ozone","Wind","Temp")]))#s其实是一个数据框；计算平均值时，未将缺失值排除，故得出一些缺失值结果
sapply(s,function(x)colMeans(x[,c("Ozone","Wind","Temp")],na.rm = TRUE))#使用na.rm=TRUE排除缺失值并求平均值，sapply对lapply结果进行了化简

#tapply函数的应用
#对向量的子集进行操作
x<-c(rnorm(5),runif(5),rnorm(5,1))#第三个为均值为1，方差为0的正态分布
f<-gl(3,5)#
tapply(x,f,mean)
tapply(x,f,mean,simplify=FALSE)

#存在许多不懂得东西

#Mapply

#lapply的多元版本
#mapply(函数/函数名，数据，函数相关的参数)
list(rep(1,4),rep(2,3),rep(3,2),rep(4,1))
mapply(rep,1:4,4:1)

s<-function(n,mean,std){rnorm(n,mean,std)}#写出自己的函数
s#运行上述定义的函数，必要
s(4,0,1)#使用具体数字
mapply(s, 1:5,5:1,2)#对应关系为后三个元素依次与s()中的三个元素一一对应

#apply的使用

#apply,沿着数组的某一个维度处理数据
x<-matrix(1:16,4,4)
apply(x,2,mean)#求列的平均
apply(x,2,sum)#求列的和
rowSums(x)#同样可以求行的和
rowMeans(x)
colSums(x)
colMeans(x)

x<-matrix(rnorm(100),10,10)
apply(x,1,quantile,probs=c(0.25,0.75))#quantile求数据的百分位点
x<-array(rnorm(2*3*4),c(2,3,4))
apply(x,c(1,2),mean)#以第1及第2维为基础，沿第3方向压成平面
apply(x,c(1,3),mean)
apply(x,c(2,3),mean)

#lapply的应用
x<-list(a=1:10,b=c(11,21,31,41,51))
lapply(x,mean)#将返回一个列表，内容为列表x中单个元素的平均值（函数起到循环作用）
x<-1:4
lapply(x,runif)#从均匀分布的总体中抽取若干个数出来
lapply(x,runif,min=0,max=100)#runif的默认区间为0-1；设定了min和max，更改了runif的区间为1-100
x<-list(a=matrix(1:6,2,3),b=matrix(4:7,2,2))
lapply(x,function(m)m[1,])#取出矩阵x中两个元素中第一行的元素
#sapply
x<-list(a=1:10,b=c(11,21,31,41,51))
lapply(x,mean)
sapply(x,mean)#简化lapply的数据,也起循环的作用
class(lapply(x,mean))#返回列表
class(sapply(x,mean))#返回数值
#sapply:简化结果
结果列表元素长度均为1，返回向量；
长度相同且大于1，返回矩阵。

#向量化操作

#可作用于矩阵及向量
x<-1:5
y<-6:10
x+y#两个向量对应元素相加
x*y#两个向量对应元素相乘
x/y#两个向量对应元素相除
x<-matrix(1:4,2,2)
y<-matrix(rep(2,4),2,2)#rep()函数是值将第一个元素重复第二个元素次数，将2重复4次
x+y#矩阵对应元素相加
x*y#矩阵对应元素相乘
x/y#矩阵对应元素相除
#真正的矩阵乘法
x%*%y#矩阵相乘

#如何处理缺失值

x<-c(1,NA,2,NA,3)
is.na(x)
x[!is.na(x)]#提取出无缺失值的数据，“！”代表取反
x<-c(1,NA,2,NA,3)
y<-c("a","b",NA,"c",NA)
z<-complete.cases(x,y)#查看x和y的对应位置中均不存在缺失值的部分（以逻辑向量形式表示）
x[z]#取出x中对应的非缺失值
y[z]#取出y中对应的非缺失值

library(datasets)
head(airquality)#查看数据集中的前面部分
g<-complete.cases(airquality)
airquality[g,][1:10,]

#取出列表中某一个元素

x<-list(id=1:4,heigh=170,gender="male")
x[1]
x["id"]#两个函数作用相同

#取出列表中某一个元素的内容

x<-list(id=1:4,heigh=170,gender="male")
x[[1]]
x[["id"]]
x$id#三个函数作用相同

#同时取出列表中多个元素

x<-list(id=1:4,heigh=170,gender="male")
x[c(1,3)]

#列表的不完全匹配

x<-list(a=list(2,3,4,5),b=c("Monday","Tuesday"))
x
x[[1]][[2]]#第1个元素中的第2个元素，嵌套的两个方括号
x[[2]]
x[[1]][2]
x[[c(1,3)]]#取出列表中第1个元素中的第3个元素
x[[c(2,2)]]#取出列表中第2个元素中的第2个元素
l<-list(asdfghj = 1:10)
l$asdfghj
l$a#与上一个命令得出相同结论，称之为列表的不完全匹配
l[["asdfghj"]]#取出名为asdfghj的元素，要打双引号
l[["a"]]#得出的结果为空
l[["a",exact=FALSE]]#第二个命令为关闭了精准匹配以进行不完全匹配
rm(x)
x<-list(asdfghj = 1:10,b=c("a","s","d"),aaa=2:11)
x$a#出现两个元素前部分相同时，R将不能识别
x[["a",exact=FALSE]]#出现两个元素前部分相同时，R将不能识别
x$aa#能识别了