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

代碼復雜時可以建立腳本文件

R中的循環：

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

被遍歷的序列除了整數向量外，還包括列表、數據幀、矩陣。

控制流：if和if else語句

>?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循環： while （條件判斷）? 表達式

repeat循環： repeat表達式

repeat循環需要手動跳出。break跳出循環，next停止當前迭代，直接轉向下一次迭代。

source("C:/.../.../....R")語句可以直接調用腳本文件，以#開頭的行為注釋行

?????????

R對象：1.函數對象

2.數據對象：(1)單值數據：邏輯值（TRUE, FALSE）、數值（實數、復數）、字符；

(2)向量：元素類型必須一致，若不一致，R會元素轉換成最為通用的一個類型；

(3)因子：一種特殊的向量，含有有限的級別。可以確定類別變量

(4)矩陣和數組：元素類型必須相同， 例：matrix(c(1,2,3,4,5,6)+pi, nrow=2)

創建高階數組：> array(c(1:24), dim=(4, 3, 2))

(5)數據幀（data.frame）：不受矩陣元素類型必須相同的限制，可以通過直接讀取文件中的數據來創建數據幀，也可以通過函數as.dataframe()作用到向量上來創建。數據幀是一個平行的向量集合，其中的向量可以為不同類型。

> 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：元素可以為不同類型、不同長度。R中很多內置函數的返回結果都為列表類型

內置幫助函數：(1) > ?mean（查詢mean函數）? ? (2)>example(mean)（運行mean函數的示例）? (3)不知道確切函數時：??"fitting linear model"

圓周率：pi

修改顯示精度：options(digits=22)

無窮：Inf

不是一個數：NaN（not a number）

缺失值：NA（not available）

賦值運算符：<-

ls()函數：列出內存里的所有對象，返回一個向量

rm(x)函數：將對象x從內存中移除

表格化數據

write.table()的變體

LETTERS函數，26個大寫字母。

同樣地，有一些相近的函數：

The following constants are available:

• LETTERS: the 26 upper-case letters of the Roman alphabet;（26個大寫字母）

• letters: the 26 lower-case letters of the Roman alphabet;（26個小寫字母）

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

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

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

mode()#函數可用來指出向量和矩陣中元素的類型。

dim()#dim函數可用來索引矩陣的維度。

length()#可以知曉向量或矩陣中元素的個數（長度函數）

dimnames()#函數可以給矩陣的行和列取值

索引和邏輯索引

例子：定義一個從-5到5的整數向量，然后抽取出絕對值小于3的元素

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

通過向量的索引抽取想要的元素

x[4:8]#抽取第4至第8個元素

通過反向選擇抽?。ㄔ诓幌胍乃饕凹迂撎枺?/p>

x[-c(1:3,9:11)]#如前面的筆記，此處的負號代表“舍去”之意

?。。。∽钪匾氖菢嬙爝壿嬎饕蛄?/p>

index<-abs(x)<3#abs()函數指絕對值函數

index#返回索引的false或者true

x[index]

矩陣也有索引：

A<-matrix((-4):5,nrow=2,ncol=5)#構造矩陣A
A
A[A<0]#索引出矩陣元素中小于0的所有元素
A[A<0]<-0#將所有小于0的元素替換為0
A
A[2,]#選擇矩陣的行，第2行的所有列
A[,c(2:4)]#選擇矩陣的列，第2至第4列的所有行

構造向量的幾種方式

冒號“：”函數，如x<-1:10

sequence函數，如：y<-seq(0,1,length=11)

相同序列重復構成的向量：z<-rep(1:2,5)

數值和向量組合成的新向量：m<-c(x,y,z,10)#c的作用是將括號中的向量元素按順序組合起來

構造矩陣的方法：

1，把行組合成矩陣

A<-rbind(1:3,c(1,1,2))#把行組合成矩陣，矩陣有多少行取決于有多少個向量元素，有多少列則取決于每行中向量元素最多的一行。

2，把列組合成矩陣

B<-cbind(1:3,c(1,1,2))#把列組合成矩陣，矩陣有多少列取決于有多少個向量元素，有多少行則取決于每列中向量元素最多的一行。

3，通過一個長向量構造矩陣

C<-matrix(c(1,0,0,1,1,0,1,1,1),nrow=3,ncol=3)#nrow矩陣的行數，ncol矩陣的列數（有時甚至可以省略nrow及ncol而直接使用數字3，3）#將byrow=TRUE放入matrix函數的右括號中，可以將c中的向量元素按行構造。（開始為按列構造）

ls()里有兩個對象，rm()表示移除其中一個

options(digits=22)表示小數位數為22

inf為正無窮；-inf為負無窮

NaN沒有意義

NA為缺失值

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)

兩者均是把函數應用到向量，矩陣，數組和列表的函數

前者的輸出是一個列表，后者的輸出是一個矩陣

for循環函數

"\n"換行符

cat（）循環變元

if語句和if else 語句的區別

R中的函數：內置函數+自己創建的函數

square<-function(x){return(x*x)}#定義一個新函數“求x的平方”
square(1:10)#求1-10這十個數的平方

k<-function(x,a){return(x^a)}#定義有兩個參數的冪函數
k(1:5,2)#將a賦值為2

當心自己創建函數與內置函數的重疊，以c()函數為例。若遇重疊，使用rm()函數重置。

數據類型：邏輯值，數值，字符

向量：數值可構成向量，字符可構成向量，向量中的元素類型必須一致

??"fitting linear model"#使用雙引號來尋求一些未知的或不清晰的幫助。

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

#Π的寫法“pi”

options(digits=22)#該變數字的小數位數為22位

#Inf正無窮；-Inf負無窮

NaN：不是一個數

NA：缺失信息，代表數據不可用，不能求均值及一些其它的運算。

x<-5

x

使用賦值操作符來存儲對象，之后便可以將x當作一個數來使用

rm(x)#移除內存中已有的x的賦值

問題：ls()命令的詳細解釋。

#Π的寫法“pi”

options(digits=22)#該變數字的小數位數為22位

#Inf正無窮；-Inf負無窮

NaN：不是一個數

NA：缺失信息，代表數據不可用，不能求均值及一些其它的運算。

使用賦值操作符來存儲對象

x<-rnorm(100)#創建一個存儲對象x，并賦值滿足正態分布的100個隨機數

head(x)#使用函數從頭查看這些隨機數

mean(x)#求均值

sd(x)#求標準差

#[1]，代表輸出為長度為1的R對象

lapply()和sapply()函數把函數作為輸入

lapply()和sapply()函數功能相似，除了lapply()的輸出是一個列表;sapply()的輸出是一個向量或矩陣

正態分布的模擬 rnorm()