创建矩阵的。。。

元组array(与矩阵相比，可以不止两个维度）

创建向量的。。。

向量 类型转换

对象属性哈

数据类型哈

head(x,n)  #输出数据的前n行   tail(x) #输出数据的最后6行   

summary(x)  #对x的数据总体分析  str(x)  #对x的数据进行总结

table(x)  #表格输出    table(x,useNA="ifany")  #表格输出x，统计缺失值

table(x,y)  #生成关系x,y的二维表格

any(is.na(x)) #x中有缺失值返回TRUE，否则返回FALSE

x<-xtabs(Freq~Class + Age,data = titanic)  #生成交叉表

print(object.size(airquality),units="kb")  #将大小转换为Kb

排序

sort(x$v2)   #将v2这列元素升序排

sort(x$v2,decreasing = TRUE)  #将v2这列元素降序排

order()# 返回排序数据对应的标号，并且可以设置多个参数排序

split

• 根据因子或因子列表将向量或其他对象分组

• 通常与lapply一起使用

• split(向量/列表/数据框，因子/因子列表)

head(airquality)  #调用R库中本身自带的空气质量

s<- split(airquality,airquality$Month)  #以月份分割数据

table(airquality$Month)   #输出统计表格

sapply(s,function(x),colMeans([,c("Ozone","Wind"))],na.rm=TRUE)) 

输出指定列的均值，#na.rm = TRUE自动去除缺失值

tapply(向量，因子/因子列表,函数/函数名)

f <- gl(3,5)  #设置因子，水平为3，每个水平有5个数据

tapply(x,f,mean,simplify=FALSE)  #函数默认为TRUE—向量，FALSE—列表

mapply(函数/函数名,数据,函数相关的参数)

mapply(rep,1:4,4:1)  #输出4个1、3个2......1个4.

s <- function(n,mean,std){ 

                       rnorm(n,mean,std)

}              #创建从正态分布中抽取n个元素的函数

s(4,0,1)  #在均值为0标准差为1的正态分布中抽取4个数据

apply:apply(数组，维度，函数/函数名)

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

apply(x,2,mean)   #求x矩阵列的均值

apply(x,1,mean)   #求x矩阵行的均值

rowSums(x)    #求矩阵x各行的总和

colSums(x)     #求矩阵x各列的总和

x<-matrix(rnorm(100),10,10) #rnorm从正态分布总体里随机抽取100数

apply(x,1,quantile,probs=c(0.25,0.75))  #quntile百分位的点

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

apply(x,c(1,2),mean)  #返回第一维度和第二维度所构成面的均值

colSums(x)

R语言函数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)

• 总是返回一个列表

sapply:简化结果

• 结果列表元素长度均为1，返回向量

• 结果列表元素长度相同且大于1，返回矩阵

lapply(x,mean)   #求列表x的平均值

lapply(x,runif )  #runif 从一个均匀分布的总体中抽取若干个数出来，默  

                           认为（0，1）区间

lapply(x,runif,min=0,max=100 )   #抽取的范围是0-100

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

lapply(x,function(m),m[1,])#function代表一个函数，m表示传入的参数是矩阵

列表的子集

——[[]] / $ /[[]] [] / [[]] [[]]

——嵌套列表/不完全匹配 （partial matching）

视频关闭了完全匹配

向量化操作

1. 向量可以进行加减乘除等运算

2. 矩阵的运算 x %*% y  #表示x矩阵与y矩阵相乘 

    rep(x,n)   #表示将x重复n次

处理缺失值

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

x[!is.na(x)]      #输出去除缺失值后的x

complete.cases(x,y)  #x,y为两个向量，此函数输出结果为逻辑值，只要当对应位置的值都不为缺失值时返回TRUE，否则返回FALSE。

library(datasets)   #加载R自带的datasets数据集

head(airquality)    #查看数据集前6行    

g <- complete.cases(airquality)  #去除缺失值

airquality[g,][1:10,]  #显示前十条记录