亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

1. 因子

????分類數據/有序?vs.無序

????整數向量+標簽（label）（優于整數向量）

????常用于lm(),glm()

????創建因子

????factor()

????table()/unclass()

1. 列表 list

????????可以包含不同類型的對象

????????創建列表 list()

????????dimnames(x) <- list()

1、矩陣

????向量+緯度屬性（整數向量：nrow，ncol）

????創建矩陣

????????matrix（）先列后行

????????vector()+dim()

????????cbind(),rbind()

????????attributes()

2、數組

????與矩陣類似，但是緯度可以大于2

????創建數組 array()

• 向量

????只能包含同一類型的對象

????創建向量

????vector()

????c()

?????as.logical()/as.numeric()/as.character()

對象的屬性：名稱、緯度、類型、長度

對象的5種基本類型

字符、數值、整數、復數、邏輯

#rnorm(100) 隨機從正態分布的總體里抽取100個數

x <- matrix(rnorm(100), 10, 10)

#quantile函數求百分位點的值，probs參數設置具體求哪些百分位點

#apply的第2個參數，1表示行，2表示列

apply(x, 1, quantile, probs = c(0.25, 0.75))

rnorm(2*3*4)是什么意思？

> strptime(x1,"%B %d, %Y %H:%M")

[1] NA

為什么得到的是缺失值？

NaN屬于NA，NaN一般指數字的缺失值

描述factor可以用table函數，如

x<-factor("female","female","male","male","male")

table(x)

x female? male

? ?? 2 ? ? ? ? ? 3

levels用在factor內描述其水平 如levels=c（"male","female"）

#一句話函數
#遍歷列表的函數 lapply,總是返回列表
str(lapply)
x<-list(a=1:10,b=c(11,21,31,41,51))
lapply(x,mean)
x<-1:4
lapply(x, runif)#默認從0-1抽取
lapply(x, runif,min=0,max=100)

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

lapply(x,function(m) m[1,])
#sapply，結果列表元素長度都是1返回向量，
#結果列表長度相同且大于1時返回矩陣
x<-list(a=1:10,b=c(11,21,31,41,51))
sapply(x, mean)

#apply
x<-matrix(1:16,4,4)
x
apply(x, 2,mean)#對第2維度進行操作
x<-matrix(rnorm(100),10,10)
x
apply(x,1,quantile,probs=c(0.25,0.75))

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

apply(x,c(1,3),mean)#第1維和第2維的平面沿著第3維求均值
apply(x,c(1,2),mean)
apply(x,c(2,3),mean)

#mapply ,lapply的多元版本
list(rep(1,4),rep(2,3),rep(3,2),rep(4,1))
mapply(rep,1:4,4:1)

s<-function(n,mean,std){rnorm(n,mean,std)}
s(4,0,1)#從均值為0，標準差為1的正態分布里抽取4個數據
mapply(s,1:5,5:1,2)
list(s(1,5,2),s(2,4,2),s(3,3,2),s(4,2,2),s(5,1,2))

#tapply對向量的子集進行操作
#tapply(向量，因子/因子列表，函數/函數名)
x<-c(rnorm(5),runif(5),rnorm(5,1))
x
f<-gl(3,5)#生成因子水平，3個水平每個水平5個元素
f
#對向量X按照因子的水平進行分組，對每組求均值
tapply(x,f,mean)
tapply(x,f,mean,simplify = FALSE)

#split函數
#根據因子或因子列表將向量或其他對象分組，
#通常與lapply一起使用
#aplit(向量/列表/數據框，因子/因子列表)
x<-c(rnorm(5),runif(5),rnorm(5,1))
f<-gl(3,5)#生成因子水平，3個水平每個水平5個元素
split(x,f)
lapply(split(x,f), mean)

head(airquality)
s<-split(airquality,airquality$Month)
s
table(airquality$Month)
lapply(s, function(x) colMeans(x[,c('Ozone','Wind','Temp')]))
sapply(s, function(x) colMeans(x[,c('Ozone','Wind','Temp')]))
lapply(s, function(x) colMeans(x[,c('Ozone','Wind','Temp')],na.rm = TRUE))
sapply(s, function(x) colMeans(x[,c('Ozone','Wind','Temp')],na.rm=TRUE))

#排序
x<-data.frame(v1=1:5,v2=c(10,7,9,6,8),v3=11:15,v4=c(1,1,2,2,1))
x
sort(x$v2)#升序
sort(x$v2,decreasing = TRUE)
order(x$v2)
x[order(x$v2),]
x[order(x$v4,x$v2),]
#總結數據信息
head(airquality)
head(airquality,10)
tail(airquality)
summary(airquality)
str(airquality)
table(airquality$Ozone)
table(airquality$Ozone,useNA = 'ifany')
table(airquality$Month,airquality$Day)
is.na(airquality$Ozone)
any(is.na(airquality$Ozone))#是否有缺失值
sum(is.na(airquality$Ozone))
all(airquality$Month<12)
tianic<-as.data.frame(Titanic)
head(tianic)
dim(tianic)
summary(tianic)
x<-xtabs(Freq~Class +Age ,data = tianic)
ftable(x)#排版扁平化

object.size(airquality)
print(object.size(airquality),units = kb)
print(object.size(airquality),units = 'kb')
print(object.size(airquality),units = 'Kb')

列表（元素可以不同）