R语言基础语法
1. 基础语法
-
赋值
=或者<- -
输出 print()
-
变量定义可以以
. -
查看已定义的变量print(ls())
-
cat()函数
-
把结果拼接
-
cat() 函数支持直接输出(覆盖)结果到文件：
cat("R语言学习", file="C:/Users/home/desktop/r_test.txt") -
追加写入:
cat("GOOGLE", file="C:\\Users\\home\\desktop\\r_test01.txt", append=TRUE)
-
-
sink()函数
-
可以将控制台的文字输出（覆盖）到文件中，和控制台同时输出添加参数
split=True，这个函数放到输出语句之前 -
sink()取消输出到文件
-
-
从文件中读取文字
-
将文件中文字读取为字符串
readLines("地址")
-
2. 注释
-
#
-
“”
3. 基础运算
-
赋值
=或者<- -
向右赋值
-> -
乘方运算
^ -
整除求余
%% -
整除
%/% -
t=c(0,2,FALSE)
print(!t)
输出 [1] TRUE FALSE TRUE
-
矩阵与其转置相乘
v=1:10 #产生向量
print(v)
v1=3
print(v1 %in% v) #判断是否在向量中
M=matrix(v,nrow=2,ncol=5,byrow = TRUE) #构造2*5的矩阵
print(M %*% t(M)) #矩阵和转置的乘积 -
round（n）对n四舍五入取整
-
round（n,m）对n保留m位小数四舍五入取整
-
ceiling（n）对n向上取整
-
floor（n）对n向下取整
4. 数据类型
-
c() 是一个创造向量的函数。
-
下标代表第几个
-
v[c(1,3,5,7)]取出向量v的第一三五七项
-
v[c(-1,-4)] 不输出向量的第一项和第四项
-
sort()函数排序
-
rev()函数倒序
-
order(a)输出向量a排序后的下标
-
a(order(a))输出排序后的a
-
sum()
-
mean()
-
sd()标准差
-
var()方差
-
min()
-
max()
-
range()取值范围
-
向量生成
-
c()
-
seq()生成等差数列
-
rep(0,3) #输出 0 0 0
-
-
NA 代表的是"缺失"，NULL 代表的是"不存在"。
-
NA 缺失就想占位符，代表这里没有一个值，但位置存在。
-
NULL 代表的就是数据不存在。
-
length(c(NA,NA,NULL))=2
-
-
all() 用于检查逻辑向量是否全部为 TRUE，any() 用于检查逻辑向量是否含有 TRUE
-
toupper()转换为大写
-
矩阵
-
矩阵的初始化是由一个向量来完成的，然后说明几行几列
-
如果想按行填充，需要指定byrow属性
-
x=martix(c(3,2,1,4),2,2) #2*2的矩阵
-
矩阵的逆 solve(x)
-
apply(A, 1, sum) # 第二个参数为 1 按行操作，用 sum() 函数
-
apply(A, 2, sum) # 第二个参数为 2 按列操作
-
5. 判断语句
-
switch(expression, case1, case2, case3....) -
expression 是常量表达式，可以是整数或者字符串
-
如果是整数则返回对应的case值
-
如果是整数不在范围内，返回NULL
-
如果匹配到多个值则返回第一个
-
如果是字符串的内容对应的case值，如果没有匹配则不返回
-
6. 函数
-
自定义函数
function_name=function(a,b){
return(a+b)
}
-
内置函数
-
seq(21,34) 输出21到34的所有数字
-
mean(21:100)输出21和100的平均数
-
sum(21:30)输出21到30所有数的和
-
-
懒惰计算，不输入参数，函数不会报错，知道遇到要调用参数的语句时，会报错
7. 字符串
-
nchar() 函数用于计数字符串或数字列表的长度
-
toupper()函数用于将字符串转换为大写
-
tolower()函数用于将字符串转换为小写
-
subtring('Leonida',2,5)截取字符串从2到5
8. 列表
list_data <- list('Leonida','leonda',c(11,22,33),c('h','a'))
print(list_data)
#给列表命名
names(list_data)<- c('name','nick','number','word')
print(list_data)
#访问列表
print(list_data[1])
print(list_data$name)
#操作列表
#添加
list_data[4]<- c('32017019')
print(list_data[4])
#删除
list_data[4]<-NULL
print(list_data)
#更新列表
list_data[3] <- 'dance together'
#print(list_data[3])
print('update')
print(list_data)
#合并
list_data2=c('kaggle.com','tianchi.aliyun.com')
print('merge:')
print(c(list_data,list_data2))
#创建列表
list1 <- list(1:10)
list2 <- list(11:20)
#列表转换为向量
v1 = unlist(list1,1,10)
v2 = unlist(list2,10,1)
#向量相乘
print(v1 %*% v2)
9. 矩阵
v <- c(1:20)
rname <- c('f','s','t','forth')
cname <- c('f','s','t','f','f')
M <- matrix(v,4,5,TRUE,list(rname,cname)) #参数名即可以写又可以不写
N <- matrix(v,5,4,FALSE,dimnames=list(cname,rname))
print(N)
print(M)
#矩阵的转置
print(t(M))
#访问矩阵元素
print(M[4,5]) #第四行第五列的元素
print(M[4,]) #第四行元素
print(M[,5]) #第五列的元素
#矩阵相乘
#矩阵相除
w <- c(20:40)
N <- matrix(w,4,5,TRUE)
print(N)
print(M)
print(N*M)
print(N/M)
print(N %*% t(M))
10. 数组
array(data = NA, dim = length(data), dimnames = NULL)
-
data是向量
-
dim是维度，默认是一维
-
dimnames维度的名称，必须是列表
#创建数组
v <- c(1,2,3)
w <- c(4:9)
rname <- c('r1','r2','r3')
cname <- c('c1','c2','c3')
Mname <- c('Matrix1','Matrix2')
M <- array(c(v,w),dim=c(3,3,2),dimnames = list(rname,cname,Mname))
print(M)
# 输出
r$> source("e:\\R\\test07.R", encoding = "UTF-8")
, , Matrix1
c1 c2 c3
r1 1 4 7
r2 2 5 8
r3 3 6 9
, , Matrix2
c1 c2 c3
r1 1 4 7
r2 2 5 8
r3 3 6 9
#访问数组
#输出第一个矩阵
print(M[,,1])
#输出第二个矩阵的第一行
print(M[1,,2])
#输出第二个矩阵的第三列
print(M[,3,2])
#从数组中创建矩阵
m1 <- M[,,1]
m2 <- M[,,2]
print(m1+m2)
11. 数据框
可以理解为常说的表格
-
每一列都有一个列名，长度都是相等的
-
同一列的数据类型要一致
-
不同列的数据类型可以不一样
table <- data.frame(name<-c('LiMing','Leonida','Leonda'),age<-c(18,22,18),province<-c('Beijing','Gansu','Shanghai'))
print(table)
print(str(table)) #数据框的数据结构
print(summary(table)) #数据框的概要信息
#提取指定的列
print(data.frame(table$name,table$age,table$province))
#输出前两行
print(table[1:2,])
#读取第二三行的一二列数据
print(table[c(2,3),c(1,2)])
#扩展数据框
table$部门 <- c('开发','运营','宣传')
print(table)
#将多个向量合成为一个数据框
city <- c('北京','上海','西安')
gdp <- c(12000,11000,10000)
ename <- c('beijing','shanghai','xi\'an')
table1 <- cbind(city,gdp,ename)
table2 <- cbind(city,gdp,ename)
print(table1)
#合并两个数据框
table3 <- rbind(table2,table1)
print(table3)
12. 读csv文件
print(search()) #查看编译环境已载入的包
#print(library()) #查看已安装的包
data <- read.csv('data.csv')
print(data)
print(ncol(data)) #列数
print(nrow(data))
print(max(data$likes))
print(subset(data,likes>=555&name=="Hugo"))
hugo=subset(data,likes>=555)
write.csv(hugo,'hugo.csv')
newdata=read.csv('hugo.csv')
print(newdata)
data <- read.xlsx('sites.xlsx',sheetIndex=1)
print(data)
13. 画图
#绘制条形图
cvd19 = c(83534,2640626,585493)
barplot(cvd19,
main="新冠疫情条形图",
col=c("#ED1C24","#22B14C","#FFC90E"),
names.arg=c("中国","美国","印度"),
family='GB1'
)
#绘制曲线图
curve(3*x^2+2^x, -2 * pi, 2 * pi)
#绘制饼状图
# 数据准备
info = c(1, 2, 4, 8)
# 命名
names = c("Google", "Runoob", "Taobao", "Weibo")
# 涂色（可选）
cols = c("#ED1C24","#22B14C","#FFC90E","#3f48CC")
# 绘图
pie(info, labels=names, col=cols)
#自定义函数绘制图像
# 定义函数 f
f = function (x) {
if (x >= 0) {
x
} else {
x ^ 2
}
}
# 生成自变量序列
x = seq(-2, 2, length=100)
# 生成因变量序列
y = rep(0, length(x))
j = 1
for (i in x) {
y[j] = f(i)
j = j + 1
}
# 绘制图像
plot(x, y, type='l')
#散点图
x<-c(10,22,3,13,40)
y<-c(20,2,45,22,60)
# 生成 png 图片
#png(file = "runnob-test-plot2.png")
plot(x, y, type="p",main='散点图',xlab='x轴',ylab='y轴')
浙公网安备 33010602011771号