-
加油查看全部
-
1.data fram数据框：同一列数据类型相同，且每一列长度相等 2.df <- data.frame(id=c(1,2,3),name=c("a","b","c"),gender=c("TRUE","TRUE","FALSE"） 3.nrow(df)#查看数据框行数 ncol(df)#查看数据框列数 4.data.matrix(df2)#数据转矩阵查看全部
-
1.缺失值NA/NaN:前者包含后者，后者只表示数字的缺失。缺失值在数据预处理中很重要。 2.is.na()/is.nan()查看全部
-
1.factor因子：因子=整数向量+标签 2. x <- factor(c("female","female","male","male","female")) #设置基线水平 x <- factor(c("female","female","male","male","female"),levels=c("male","female")) 3.table(x)#查看因子分类统计后的结果 4.unclass(x)#去掉标签，将因子变为整数向量（因子=整数变量+标签） class(unclass(x))查看全部
-
1.列表与向量的差别：列表可以同时包含不同类型的对象 2. l <- list("a", 2, 10L, 3+4i, TRUE)#建立列表 l2 <- list(a=1 ,b=2 ,c=3)#为列表元素命名 l3 <- list(c(1,2,3),c(4,5,6,7))#列表元素可以是向量 x <- matrix(1:6, nrow=2, ncol=3) dimnames(x) <- list(c("a","b"),c("c","d","e"))#为矩阵维度（行、列）命名查看全部
-
1.数组定义：数组是矩阵的扩充，矩阵只有2维（行列），而数组维度可以大于2（3维以上很少应用）。数组赋值也是先列后行。 2.x <- array(1:24, dim=c(4,6))#维度为2的数组 x1 <- array(1:24, dim=c(2,3,4))#维度为3的数组查看全部
-
1.矩阵定义：向量+维度属性 2.x <- matrix(nrow=3 ,ncol=2)#建立3行2列空矩阵 3.x <- matrix(1:6, nrow=3, ncol=2)#先列后行的方式初始化并建立3行2列矩阵 4.dim(x)#查看矩阵行列数 5.attributes(x)#查看矩阵属性及行列数（例如：维度属性：3行2列） $dim [1] 3,2 6.y <- 1:6 dim(y) <- c(2,3)#先建立向量，然后附加维度属性，使之成为矩阵。 y2 <- matrix(1:6, nrow=2, ncol=3)#建立一个和y相同的矩阵 rbind(y,y2)#将矩阵按行合并（行数增加，列数不变） cbind(y,y2)#将矩阵按列合并（列数增加，行数不变）查看全部
-
数据结构框架查看全部
-
1.#是注释开始的标记 2.vector向量：支持自动扩容的数组 3.y <- vector("character",10) --- 初始化长度为10的字符串数组 4.x <- 1:4 --- x为1到4，含4个元素的数组 5.x2 <- c(1, 2, 3, 4) --- 用列表方式初始化数组 6.x3 <- c(TRUE, 10, "a") --- 数组元素将被强制转换为同一类型 7.x4 <- c("a", "b", "c") as.numeric(x4) as.logical(x4) as.character(x4) --- 几种常用的强制转换方式（可能报错） 8.names(x1) <- c("a", "b", "c", "d") --- 为x1数组每个角标添加引用查看全部
-
1.变量的赋值方式采用 <- 不要用 = 2.默认变量赋值类型为numeric数值型（包括小数和整数），如果欲强调整数，可在数据后加大写L。例如：x <- 5L 3.R中变量大小写敏感。查看变量类型的函数class(x)。查看变量值的方法（直接输入变量名称后回车） 4.字符串变量加双引。逻辑变量TRUE/FALSE全部大写 5.复数变量。例如：x <- 1+2i查看全部
-
R中对象的属性：名称、维度、类型、长度查看全部
-
对象的5中基本类型 字符character 数值numeric：real numbers 整型integer 复数complex：1+2i 逻辑logical：true/false查看全部
-
重要函数的使用 处理循环 lapply 可以循环处理列表中每一个元素 lapply(参数):lapply(列表，函数/函数名，其他参数) 结果总是返回一个列表 str(lapply) eg: x<-list(a=1:10,b=c(11,21,31,41,51)) lapply(x,mean//求平均) x<-1:4 lapply(x,runif) lapply(x,runif,min=0,max=1000) x<-list(a=matrix=(1:6,2,3),b=matrix(4:7,2,2)) lapply(x,function(m) m[1,]) sapply//对lapply进行化简 结果列表长度均为1，返回向量 结果列表元素相同且大于1，返回矩阵查看全部
-
构建子集之 向量化操作 -可以作用于向量，矩阵等结构，使得代码简洁，易于阅读，效率高 x<-1：5 y<-6:10 x+y x*y x/y //创建两个矩阵 x<-matrix(1:4,nrow=2,ncol=2) y<-matrix(rep(2,4)//把2重复4次,nrow=2,ncol=2) x%*%y //矩阵乘法查看全部
-
处理缺失值 x <-c(1,NA,2,NA,3) x[!is.na(x)]//拿到不是缺失值的元素 x <-c(1,NA,2,NA,3) y <-c("a","b",NA,"c",NA) z <- complete.cases(x,y)//对应位置都不是缺失值 x[z] y[z] library(datasets)//加载数据集 head(......) airquality[g,][1:10,]查看全部
举报
0/150
提交
取消