搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > 小程在线 > R语言 常用命令

R语言 常用命令

小程在线 2020-08-02

关注微信公共号:小程在线


现在公共号更改了推送规则,为了您能方便的接受消息,阅读完之后,麻烦点击下在看或点赞或评论,谢谢!


关注CSDN博客:程志伟的博客


#初始基本操作

> getwd("F:/R语言/xuexi")

#获取工作目录。

> setwd("F:/R语言/xuexi")

#设定工作目录为F:/R/myfun。

> args(com)

#查看命令com的变量格式。

> library()

#列出已安装的包。

> library(ggplot)  #或用

> require(ggplot)

#载入包ggplot。

> library(help = AER)

#获取包AER的信息。

> detach(package:zoo)

#去除载入的包zoo。

> search(reshape)

#列出已载入的包。

> data()

#列出已载入的包中的所有数据集。

> data(package = .packages(all.available = TRUE))

#列出已安装的包中的所有数据集。

> try(data(package = "AER") )

#列出包AER里的所有数据集。

> data(Affairs, "BankWages")

#读入数据集Affairs和BankWages(这些数据集需已在data()中列出)。

> help(Affairs)

#获取数据集Affairs的信息。

> attach(Affairs)

#贴上数据集Affairs,其作用是可以直接对数据集里的变量进行操作。

> detach(Affairs)

#上述操作的逆操作。


#对一般对象的基本操作

>objects()

>ls()

#列出所有对象。

> mode(x)

#查看对象x的模式:空,数值,字符,逻辑,复数,列表,函数(NULL,numeric,character,logical,complex,list,function)。

> class(x)

#查看对象x的类型:除了mode里列出的几种类型外,还有整数,矩阵,因子,阵列,数据框,时间序列(integer,matrix,factor,array,data frame,ts)等其他类型。mode主要用于区别数据存放的方式,而class是一种更细微的分类方式,比如矩阵,就是一种更“有序”的数据存放方式。此命令比mode常用。

> as.matrix(x)

#把对象x转为矩阵型。

> as.numeric(x)

#把对象x转为数值型。

>as.factor(x)

#把对象x转化为因子型。

> str(x)

#查看对象x的结构。str是structure的缩写。

> rm(x)

#移除对象x。

> rm(list=ls(all=TRUE))

#移除所有对象。

>head(x)

#查看数据的前6行


#与向量有关的基本操作

> x = c(1,2,4)

#生成元素依次为1,2,4的向量x,这里的c是concatenate的意思。注意其类型是数值,不是矩阵。

> x = c("a","b","cd")

#生成元素依次为"a","b","cd"的字符向量x。

> x = paste("a","b","cd")

#生成"a b cd"的字符x。

> x[a:b]

#向量x的第a到b个元素。

> x[-i]

#剔除向量x第i个元素所得的向量。

> length(x)

#向量x的长度。

> x = seq(a, b, length = n)

#生成以一个n维数值型向量x,第一个元素为a,最后一个元素为b,中间元素依次等距递增。(假设a<b)

> x = seq(a, b, c)

#生成一个数值型向量x,第一个元素为a,其后元素依次加c,直到最后一个元素加c大于b。(假设a<b)

> x = seq(a)

#从1开始生成一个递增或递减数值型向量x,最后一个元素绝对值为小于等于|a|的最大整数。

> x = a:b

#生成一个从a递增(减)到b的数值型向量x。(a和b都是整数)

> x = rep(v, n)

#对向量v进行n次复制生成新的向量x。

> x = rep(v, each = n)

#依次对向量v的每个元素复制n此生成新的向量x。

> x = round(v)

#生成一个向量x,其中每个元素是v对应元素的最近整数。

> order(x)

#获得向量x第i大元素在向量中的位置。

> rank(x)

#获得向量x每个元素大小位置。

> sort(x)

#对向量x从小到大进行排序。降序:sort(x, decreasing = TRUE)。

> tapply(x,f,g)

#根据因子f对向量x分类执行函数g。

> split(x,f)

#向量x按因子f分类。

> diff(x)

#返回向量x的差分向量。

> cumsum(x)

#返回向量x的累加向量。


#与矩阵有关的基本操作

> M = matrix(0,c(m,n))

#生成m行n列的0矩阵。

> M = rbind(X,Y)

#按行合并矩阵X和Y形成新矩阵M。(X和Y列数需相同)

> M = cbind(X,Y)

#按列合并矩阵X和Y形成新矩阵M。(X和Y行数需相同)

> colnames(M)

#矩阵M的列名。

> rownames(M)

#矩阵M的行名。

> nrow(M)

#矩阵M的行数。

> ncol(M)

#矩阵M的列数。

> diag(M)

#矩阵M的对角线元素形成的向量

> M = diag(x)

#生成以向量x为对角线元素,其他位置元素为0的矩阵M。

> dim(M)

#矩阵M的维度。

> M[i,]

#矩阵M第i行。(数值型)

> M[i,,drop = FALSE]

#矩阵M第i行。(矩阵型)

> M = M[-i,]

#删除矩阵M第i行。

> M[,j]

#矩阵M第j列。

> M[i,j]

#矩阵M第i行j列元素。

> t(M)

#矩阵M的转置。若M为数值型向量,则t(M)为矩阵型行向量。

> X%*%Y

#矩阵X乘矩阵Y。若Y是数值型的向量,R会自动判断其为行向量还是列向量。若X与Y为维度匹配的数值型向量,则返回的是矩阵型向量的内积。

> x%o%y

#数值型向量x与y的外积(矩阵型)。

> X*Y

#矩阵X与矩阵Y的Hadamard乘积。加、减、除、求余的规则和乘相同,即相同位置的元素进行运算。

> eigen(M)$val

> eigen(M)$vec

#求矩阵M的特征值和特征向量。

> solve(M)

#矩阵M求逆。

> solve(A,b)

#求解线性方程Ax=b。

> apply(M, dimcode, f, fargs)

#对矩阵M的行(dimcode=1)或列(dimcode=2)依次进行函数f操作,f的变量(arguments)方正fargs里。


#与列表有关的基本操作

> L = list(a = , b = , c = ,...)

#建立列表L。

> L$a

> L[[a]]

#返回列表L里的对象a。

> L$a = NULL

#去除列表L里的对象a。

> names(L)

#列出列表L里的对象名。

> unname(L)

#去掉列表L里的对象名。

> lapply(...)

#list apply。功能与apply类似(参考上面的apply),用于列表型数据。

> sapply(...)

#simplified apply。功能与lapply类似,区别在于函数结果的类型不是列表(list)。


#与数据框有关的基本操作

#数据框是一种特殊的列表,所以对列表适用的函数往往对数据框也适用。此外,数据框也有矩阵型数据的特征,所以一些适用于矩阵型数据的函数,不如rbind,cbind,apply等也可以作用在数据框上。

> Data = data.frame(...)

#创建数据框Data。

> fix(Data)

#编辑数据框Data。

> head(Data)

#显示数据框Data的前几行。

> attribute(Data)

#列出数据框Data的组成部分。

> names(Data)

#显示数据框Data的变量名。

> row.names(Data)

#显示数据框Data的行名。

> Data$name1

#数据框Data中名为name1的变量。

> Data[i]

#数据框Data中第i个变量形成的数据框。

> merge(D1,D2)

#合并数据框D1和D2,需要D1和D2中有至少一个相同的变量。


#与逻辑型数据有关的基本操作

> is.data.frame(x)

#判断是否对象x是数据框。类似命令有is.ts(x),is.numeric(x)等。

> all(x>a)

#判断是否对象x的每个元素都大于a。

> any(x>a)

#判断对象x的元素中是否存在一个大于a。

> x>y

#判断x的每个元素是否大于y的每个元素。

> x[x>a]

#向量x中大于a的元素组成的新向量。

> subset(x, x>a)

#向量x中大于a的元素组成的新向量。与上面例子的区别在于若向量元素里有NA,上面的例子会保留在结果中,而subset命令会剔除掉。

> which(x, x>a)

#返回向量中大于a的元素的位置。

> x = ifelse(b, u, v)

#生成一个与b(逻辑向量)维度相同的数值向量,若b[i]为TRUE,则x[i]为u,反之为v。


版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《R语言 常用命令》的版权归原作者「小程在线」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注小程在线微信公众号

小程在线微信公众号:gh_ca3833444bcb

小程在线

手机扫描上方二维码即可关注小程在线微信公众号

小程在线最新文章

精品公众号随机推荐