代码复杂时可以建立脚本文件

R中的循环：

> for (i in 1:3){
+   cat(i, "+", 1, "=", i+1, "\n")
+ }
1 + 1 = 2 
2 + 1 = 3 
3 + 1 = 4

被遍历的序列除了整数向量外，还包括列表、数据帧、矩阵。

控制流：if和if else语句

> for (i in 1:3){
+   if(i==2) cat("The index is 2", "\n") else
+            cat("The index is not 2", "\n")
+ }
The index is not 2 
The index is 2 
The index is not 2

while循环： while （条件判断）  表达式

repeat循环： repeat表达式

repeat循环需要手动跳出。break跳出循环，next停止当前迭代，直接转向下一次迭代。

source("C:/.../.../....R")语句可以直接调用脚本文件，以#开头的行为注释行

?????????

R对象：1.函数对象

2.数据对象：(1)单值数据：逻辑值（TRUE, FALSE）、数值（实数、复数）、字符；

(2)向量：元素类型必须一致，若不一致，R会元素转换成最为通用的一个类型；

(3)因子：一种特殊的向量，含有有限的级别。可以确定类别变量

(4)矩阵和数组：元素类型必须相同， 例：matrix(c(1,2,3,4,5,6)+pi, nrow=2)

创建高阶数组：> array(c(1:24), dim=(4, 3, 2))

(5)数据帧（data.frame）：不受矩阵元素类型必须相同的限制，可以通过直接读取文件中的数据来创建数据帧，也可以通过函数as.dataframe()作用到向量上来创建。数据帧是一个平行的向量集合，其中的向量可以为不同类型。

> data.frame(treatment=c("active", "active", "placebo"), bp=c(80,85,90))

  treatment bp

1    active 80

2    active 85

3   placebo 90

> cbind(treatment=c("active", "active", "placebo"), bp=c(80,85,90))

     treatment bp  

[1,] "active"  "80"

[2,] "active"  "85"

[3,] "placebo" "90"

(6)列表：元素可以为不同类型、不同长度。R中很多内置函数的返回结果都为列表类型

内置帮助函数：(1) > ?mean（查询mean函数）    (2)>example(mean)（运行mean函数的示例）  (3)不知道确切函数时：??"fitting linear model"

圆周率：pi

修改显示精度：options(digits=22)

无穷：Inf

不是一个数：NaN（not a number）

缺失值：NA（not available）

赋值运算符：<-

ls()函数：列出内存里的所有对象，返回一个向量

rm(x)函数：将对象x从内存中移除

表格化数据

write.table()的变体

LETTERS函数，26个大写字母。

同样地，有一些相近的函数：

The following constants are available:

• LETTERS: the 26 upper-case letters of the Roman alphabet;（26个大写字母）

• letters: the 26 lower-case letters of the Roman alphabet;（26个小写字母）

• month.abb: the three-letter abbreviations for the English month names;#three-letter，三字母；abbreviations，缩略词

• month.name: the English names for the months of the year;（12个月）

• pi: the ratio of the circumference of a circle to its diameter.（圆周率）

mode()#函数可用来指出向量和矩阵中元素的类型。

dim()#dim函数可用来索引矩阵的维度。

length()#可以知晓向量或矩阵中元素的个数（长度函数）

dimnames()#函数可以给矩阵的行和列取值

索引和逻辑索引

例子：定义一个从-5到5的整数向量，然后抽取出绝对值小于3的元素

x<-(-5):5
x [1] -5 -4 -3 -2 -1  0  1  2  3  4  5

通过向量的索引抽取想要的元素

x[4:8]#抽取第4至第8个元素

通过反向选择抽取（在不想要的索引前加负号）

x[-c(1:3,9:11)]#如前面的笔记，此处的负号代表“舍去”之意

！！！！最重要的是构造逻辑索引向量

index<-abs(x)<3#abs()函数指绝对值函数

index#返回索引的false或者true

x[index]

矩阵也有索引：

A<-matrix((-4):5,nrow=2,ncol=5)#构造矩阵A
A
A[A<0]#索引出矩阵元素中小于0的所有元素
A[A<0]<-0#将所有小于0的元素替换为0
A
A[2,]#选择矩阵的行，第2行的所有列
A[,c(2:4)]#选择矩阵的列，第2至第4列的所有行

构造向量的几种方式

冒号“：”函数，如x<-1:10

sequence函数，如：y<-seq(0,1,length=11)

相同序列重复构成的向量：z<-rep(1:2,5)

数值和向量组合成的新向量：m<-c(x,y,z,10)#c的作用是将括号中的向量元素按顺序组合起来

构造矩阵的方法：

1，把行组合成矩阵

A<-rbind(1:3,c(1,1,2))#把行组合成矩阵，矩阵有多少行取决于有多少个向量元素，有多少列则取决于每行中向量元素最多的一行。

2，把列组合成矩阵

B<-cbind(1:3,c(1,1,2))#把列组合成矩阵，矩阵有多少列取决于有多少个向量元素，有多少行则取决于每列中向量元素最多的一行。

3，通过一个长向量构造矩阵

C<-matrix(c(1,0,0,1,1,0,1,1,1),nrow=3,ncol=3)#nrow矩阵的行数，ncol矩阵的列数（有时甚至可以省略nrow及ncol而直接使用数字3，3）#将byrow=TRUE放入matrix函数的右括号中，可以将c中的向量元素按行构造。（开始为按列构造）

ls()里有两个对象，rm()表示移除其中一个

options(digits=22)表示小数位数为22

inf为正无穷；-inf为负无穷

NaN没有意义

NA为缺失值

lapply()和sapply(0

my.data<-data.frame(data=rnorm(10),data2=rnorm(10),data3=rnorm(10))
lapply(my.data,sum)
my.data<-data.frame(data=rnorm(10),data2=rnorm(10),data3=rnorm(10))
sapply(my.data,sum)

两者均是把函数应用到向量，矩阵，数组和列表的函数

前者的输出是一个列表，后者的输出是一个矩阵

for循环函数

"\n"换行符

cat（）循环变元

if语句和if else 语句的区别

R中的函数：内置函数+自己创建的函数

square<-function(x){return(x*x)}#定义一个新函数“求x的平方”
square(1:10)#求1-10这十个数的平方

k<-function(x,a){return(x^a)}#定义有两个参数的幂函数
k(1:5,2)#将a赋值为2

当心自己创建函数与内置函数的重叠，以c()函数为例。若遇重叠，使用rm()函数重置。

数据类型：逻辑值，数值，字符

向量：数值可构成向量，字符可构成向量，向量中的元素类型必须一致

??"fitting linear model"#使用双引号来寻求一些未知的或不清晰的帮助。

http://tolstoy.newcastle.edu.au/R/

#Π的写法“pi”

options(digits=22)#该变数字的小数位数为22位

#Inf正无穷；-Inf负无穷

NaN：不是一个数

NA：缺失信息，代表数据不可用，不能求均值及一些其它的运算。

x<-5

x

使用赋值操作符来存储对象，之后便可以将x当作一个数来使用

rm(x)#移除内存中已有的x的赋值

问题：ls()命令的详细解释。

#Π的写法“pi”

options(digits=22)#该变数字的小数位数为22位

#Inf正无穷；-Inf负无穷

NaN：不是一个数

NA：缺失信息，代表数据不可用，不能求均值及一些其它的运算。

使用赋值操作符来存储对象

x<-rnorm(100)#创建一个存储对象x，并赋值满足正态分布的100个随机数

head(x)#使用函数从头查看这些随机数

mean(x)#求均值

sd(x)#求标准差

#[1]，代表输出为长度为1的R对象

lapply()和sapply()函数把函数作为输入

lapply()和sapply()函数功能相似，除了lapply()的输出是一个列表;sapply()的输出是一个向量或矩阵

正态分布的模拟 rnorm()