提取符合多个条件的元素：& 并且；| 或者

x[x>5]  #提取符合条件的元素

summarize data

head(airquality,10)  #默认值是6

tail(airquality)

summary（airquality） #返回每一个值中最大最小，25%分为点 ，75%分为点，中位数，均值，缺失值存在个数个数

summary函数让我们对数据的分布有一个整体的把握

table（airquality$Ozone,useNA="ifany"） #如果有缺失值，要总结出信息

table(airquality$Month, airquality$Day)  #table可以对两个变量进行总结， 得到一个二维表，月份是行，日期是列，内容是出现记录的次数

any(is.na(airquality $ Ozone ))  # 如果返回值是TRUE，说明一定有缺失值

sum(is.na(airquality $ Ozone)) # 缺失值的总数

all(airquality$Month<12)  #判断是否所有月份都小于12

#泰坦尼克表

titanic<-as.data.frame(Titanic)

head(titanic)

dim(titanic)

summary(titanic)

交叉：

x<- xtabs(Freq ~ Class + Age, data=titanic)

ftable(x) #排版更加扁平化

object.size(airquality)

print(object.size(airquality), units="Kb")

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（返回值是对应“排名”的元素所在向量中的位置）

sort（x）

sort(x, decreasing=TRUE)  降序排列

split(向量/列表/数据框， 因子/因子列表)

 x <- c(rnorm(5), runif(5),rnorm(5,1))  

f <- gl(3,5)

split(x,f)

#split函数返回了一个列表，第一个名称是1，对应水平1对应的x中前五个元素，水平2对应x中间五个元素，水平3对应x后五个元素

lapply(split(x,f) , mean)

split函数主要用于将一组数据以一定的规则分组并返回一个list。

split（x, f）

• x: 一个待分组的向量或者data frame

• f: 一个factor或者list（如果list中元素交互作用于分组中），以此为规则将x分组

rm是remove的意思，例如你指定na.rm=T，就会移除na数据

tapply(向量，因子/因子列表，函数/函数名)

f<-gl(3,5)  #3个水平，每个水平五个连续数

gl(k,n,length=,label=)构造一个因子序列。k为水平数，n为每个水平连续出现的次数，length为整个序列的长度，label为因子标签。
举例：gl(3,5,length=20,label=c('a','b','c'))

tapply(x, f, mean) # 输出x前五个数据均值，中间五个数据均值，后五个数据均值

tapply(x,f ,mean,simplify=FALSE)  #输出没有简化的列表

mapply(函数/函数名称，函数数据，函数相关参数)

list (rep(1:4), rep(2,3), rep(3,2), rep(4:1))

mapply(rep, 1:4, 4:1)  #4:1 规定数据要重复多少次

s<-function(n, mean, std){

     rnorm(n,mean,std)

}        #从均值为mean，标准差为std的整体里抽取n个数据

s(4,0,1) # 从均值为0，标准差为1的整理里抽取四个数据

mapply(s, 1:5, 5:1, 2)  #1:5  对应着n，每次在分布中抽取多少个数据出来 / 5；1 对应着mean，均值为多少 /  2代表std标注差

#apply

x<-matrix(1:16, 4,4 )

apply(x,2 mean) # 沿着x的第二维度求平均，x有两个维度，行和列，第二个维度就是沿着x的列求平均

apply(x,2, sum) # 沿着x的第二维度求和

rowSum(x) / rowMean(x)

colSum(x) / colMean(x)

x2<-matrix(rnorm(100), 10, 10 )  #随机从正太分布的整体里抽出100个数据

x<- rnorm(100)       #产生100个服从正态分布的随机数

x<-rnorm(100,3,4)       #产生100个均值是3，标准差为4的随机数

apply(x2, 1, quantile, probs=c(0.25,0.75 ))  

x3<-array(rnorm(2*3*4), c(2,3,4 ))

apply(x, c(1,2), mean)  #在第一维和第二维组成的平面上，沿着第三维求平均

循环函数

lapply：可以循环处理列表中每一个元素

lapply(列表，函数/函数名，其他参数)

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

lapply(x, mean)

x2<-1:4  #创建一个向量x2

lapply( x2, runif ) #runif函数（r + unif）：从一个均匀分布的整体里，抽取若干个数出来

R语言生成均匀分布随机数的函数是runif（）

句法是：runif(n,min=0,max=1)    n表示生成的随机数数量，min表示均匀分布的下限，max表示均匀分布的上限；若省略参数min、max,则默认生成[0,1]上的均匀分布随机数。

lapply(x2, runif,min=0,max=100)

x3<-list(a=matrix(1:6,2,3), b=matrix(4:7),2,2 )

lapply(x3, function(m) m[1, ])

#函数function返回x3中每个矩阵的第一行

#sapply函数 能够化简lapply

x返回值从列表简化成向量，并不影响理解

#vectorized

y<-matrix(rep(2,4),nrow=2,ncol=2)  #rep函数作用是把第一个参数重复四次。

x %*%y   #得到两个向量相乘

x<-c(1,NA,2,NA,3)

is.na(x) # 返回逻辑向量 FALSE TRUE FALSE TRUE FALSE

（FALSE代表不是缺失值，TRUE代表是缺失值）

x[!is.na(x)]  #运行后得到 1 2 3，向量中不是缺失值的元素

x<-c(1,NA,2,NA,3)

y<-c("a","b",NA,"c",NA)

z<-complete.cases(x,y)   #选取那些对应位置都不是缺失值的元素，

x[z]    #得到x,y里都不是缺失值的元素

y[z]    #得到x,y里都不是缺失值的元素

用R自带的数据集来展示complete函数的功能：

library(datasets)  #加载一个datasets的包，这个包里包含了很多现成的数据集，找到airquality这个数据集，可以查看airquality这个数据集中有哪些变量

head（airquality）  # 展示前六行， 一行代表一个记录，一列代表一个变量，选择在所有变量上都没有缺失值的记录

g<-complete.cases(airquality)

airquality[g, ][1: 10, ]

subset of list

[[]] /  $ /   [[]][[]]  /   [[]][]

嵌套列表中的元素以及不完全匹配（partial matching）

x<-list(id=1:4, height=170, gender="male")

x[1]  #运行之后得到列表中的第一个元素 名字：id，内容： 1 2 3 4

x["id"] # 结果一样

x[1]和x["id"] 可以拿到列表中某一个元素，输入下标or输入元素名称

list如果只是用一对[],只能拿到元素的名字，不能拿到内容，

想直接拿到列表中某一个元素的内容，要使用嵌套的方括号 x [ [ 1 ] ], 同理可以输入x[["id"]]

也可以输入：x$id, 输出结果同样是1,2,3,4的内容

x[c(1,3)] # 拿到list中第一个元素和它的内容，以及第三个元素和它的内容

y<-"id"

x[["id"]] 和 x[[y]] 返回值都是1 2 3 4，

但是！！！： x$id 和 x$y(返回值为NULL)

列表中获取嵌套的元素

x2<-list (a=list(1,2,3,4), b=c("Monday","Tuesday"))

x2[[1]] [[2]]  #拿到列表x2 第一个元素中的第二个元素内容

x2[[1]][2]   #拿到的是子列表中的第二个元素，而不是第二个元素的内容

x2[[c(1,3)]]  #列表中第一个元素中的第三个元素，拿到内容3

x2[[c(2,3)]] #列表中第二个元素中的第二个元素，拿到内容"Tuesday"

总结：想获得嵌套列表中的内容，可通过[[]][[]] or [[c()]]获得

#partial matching

l<-list(asdfgh= 1:10)

l$asdfgh

l$a #也可以匹配

但是l[["a"]] 为空NULL，因为在我们的列表中，没有返回值为a的元素

l[["a", exact = FALSE ]] #关掉了精确匹配，就可以进行不完全匹配了

x<-data.frame(v1=1:5, v2=6:10, v3= 11:15)

x$v3[c(2,4) ]<-NA  #第三列的第二行第四行设为缺失值

x[,2]

x[, "v2"]

x[ ( x$v1<4 $ x$v2>=8) , ]

x[ x$v1 >2, ]  #返回 v1那一行全部大于2的行，全部列

x[ which(x$v1 > 2),  ]  # 返回值一样

which( x$ v1 >2)  #f返回3,4,5. 告诉我们第三行第四行第五行使我们想要的，which返回的是向量中为真的元素值的下标

x$v1>2  # 不套which返回的是真假的逻辑判断向量，3,4,5是真，1,2是假

subset(x,x$v1>2)

矩阵的子集：矩阵有两个维度，行和列，因此要拿到某个特定元素，需要指明第几行，第几列，

x[1,2]拿到第一行，第二列的元素

x[1,] 拿到第一行一整行的数据，列为空

x[2,c(1,3)] 拿到第二行，第一列和第三列的元素

class(x[1,2]) 返回值为integer，说明返回的是一个向量vector

如果想返回一个矩阵，而不是一个向量，需要传入第三个参数：

x[1,2,drop=FALSE], 这个参数帮助我们关掉了返回向量这个选择，保证返回的是一个矩阵，矩阵会把行列都列出来，然后才是元素。向量只会列出元素。

raw dataset ——clean dataset

构建子集的方法1：[] 方括号，提取一个或多个same type elements

方法2：[[]] 两个方括号嵌套，从list or data frame中提取elements

方法3：$符号，按名字从list or df中提取elements

例如：创建向量x

x<-1:10

x[1] #想拿到第一个元素 请注意：R语言和C的区别是，R数组下标从1开始，C从0开始

x[5] #拿到第五个元素

x[1:5] #拿到前五个元素

有时候需要逻辑判断的条件，拿到子集

x[x>5]

直接输入x>5, 会对每个元素进行判断，结果用F or T的方式输出

x[x>5 & x<7]

x[x<3 | x>7]

给元素命名：

y<-1:4

names(y)<-c("a","b","c","d")

y[2] or y["b"]

使用名字来找到数据是一种常用的手段，因为有时候我们不知道想要的收据的下标是什么，但是知道元素的名字