-
apply 函数的使用查看全部
-
处理循环：R中不仅有for/while循环语句，还有“一句话”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(列表，函数/函数名，其他参数)，总是返回一个列表。 lapply(x,mean) #对x中的元素求平均 lapply(x,runif) #从均匀分布的总体里抽取元素数值个0-1的随机数 lapply(x,runif,min=0,max=100) #抽取出大于0小于100的随机数 函数可以自定义 function(变量名) 操作。注意：传进来的参数是列表中的每个元素（是下一级的）。 sapply与lapply操作相同，但是是对lapply进行简化，结果列表元素长度均为1，返回numeric向量；结果列表元素长度相同且大于1，返回矩阵。 str() 输入函数，可返回函数的参数。查看全部
-
as.numreic()强制转换为数值型 as.logical()强制转换为逻辑型 as.character()强制转换为字符型查看全部
-
小节总结查看全部
-
经简单实验，默认的基线水平并不是根据数据个数，而是由字母顺序决定的。 如：xx和zz 默认的levels是xx排在前面查看全部
-
向量，矩阵和数组 必须为相同类型的对象 向量 + 维度 = 数组 （维度为二时为矩阵）查看全部
-
Vector查看全部
-
数据结构属性查看全部
-
数据结构查看全部
-
创建矩阵： x <- matrix(1:6, nrow=3, ncol=2) dim(x) #查看维度 attributes(x) #查看属性 rbind（y1，y2）#上下拼接， cbind（y1，y2）#左右拼接 创建数数组： x <- array(1:24, dim = c(2,3,4))查看全部
-
创建向量： x <- vector("character",length=10) x<-1:4 x<-c(1,2,3) 查看类型：class() 修改列名称：names()查看全部
-
#本章小结 1.如何构建子集 2.如何处理缺失值 3.如何进行向量化操作以及介绍向量化操作的作用查看全部
-
> # vectorized > x <-1:5 > y <- 6:10 > x+y [1] 7 9 11 13 15 > x*y [1] 6 14 24 36 50 > x/y [1] 0.1666667 0.2857143 0.3750000 0.4444444 0.5000000 > x <- matrix(1:4,nrow=2,ncol=2) > y <- matrix(req(2,4),nrow=2,ncol=2) Error in matrix(req(2, 4), nrow = 2, ncol = 2) : could not find function "req" > y <- matrix(rep(2,4),nrow=2,ncol=2) > x [,1] [,2] [1,] 1 3 [2,] 2 4 > y [,1] [,2] [1,] 2 2 [2,] 2 2 > x*y [,1] [,2] [1,] 2 6 [2,] 4 8 > x/y [,1] [,2] [1,] 0.5 1.5 [2,] 1.0 2.0 > x %*% y [,1] [,2] [1,] 8 8 [2,] 12 12 >查看全部
-
向量化操作：可以作用于向量、矩阵等结构，使得代码简介、易于阅读、效率高。 向量、矩阵之间的加减乘除是依次对应的元素之间做加减乘除。 矩阵之间要进行矩阵乘法：矩阵名1 %*% 矩阵名2 rep(num1,num2) #num1重复num2次查看全部
-
x[!is.na(x)] #返回不是缺失值的元素 complete.cases() #()内对应的都不是缺失值的才为TRUE，否则返回的向量中都为FALSE library(datasets) #得到R的数据集 head(数据集名称) #返回数据集前六列的数据 可通过g <- complete.cases(数据集名称)返回所有的结果 数据集名[g,][1:10,] #表示不含有缺失值的，所有变量都显示，显示第1到第10行，显示所有列查看全部
举报
0/150
提交
取消