|
#####Lecture 1## #几个有用的函数 wd=getwd() #获取当前路径 setwd(dir="E:/S123") #设置当前路径 x=rnorm(100) rnorm# help(rnorm) ls()#列出当前环境中的所有对象和函数 apropos("norm") identical(1:10,1:10) #Test Objects for Exact Equality #赋值和运算 z=rnorm(100,4,0.1) median(z) #赋值可以使用“->” x<-z->y->w #简单的数学符号，+，-，*，/,^,%*%,%%(mod),%/%(整数除法) round floor ceiling #基本的运算 x=1:100 sample(x,20) set.seed(0) sample(1:10,3) z=sample(1:2000,100) z[1:10] y=c(1,3,7,3,4,2) z[y] z=sample(x,20,rep=T) z1=unique(z) length(z1) xz=setdiff(x,z) #在x中但不在z中的元素 is.element(x,z) x%in%z #x中每个元素是否在z中 sort(union(xz,z)) setequal(union(xz,z),x) #检测两个集合是否相等 intersect(1:10,7:50) #交叉项 sample(1:100,20,prob=1:100)#prob表示抽取时每个元素被抽中的权重 #基本算数运算方法 pi*10^2 #可以使用?"*"来看基本的算术运算方法 "*"(pi,"^"(10,2)) x<-pi*10^2 x print(x) pi^(1:5) class(cars) typeof(cars) names(cars) summary(cars) str(cars) row.names(cars) plot(dist~speed,cars) head(cars) #car[1:6,] tail(cars) ncol(cars) nrow(cars) dim(cars) lm(dist~speed,data=cars) cars$qspeed=cut(cars$speed,breaks=quantile(cars$speed),include.lowest=TRUE) #cut: Convert Numeric to Factor,cut divides the range of x into intervals and codes the values in x according to which interval they fall. The leftmost interval corresponds to level one, the next leftmost to level two and so on. names(cars) cars[3] table(cars[3]) is.factor(cars$qspeed) plot(dist~qspeed,data=cars) a=lm(dist~qspeed,data=cars) summary(a) x=round(runif(20,0,20),digit=2) min(x) max(x) median(x) mean(x) var(x) sd(x) #standard deviation sqrt(var(x)) #开根号 sort(x) #排序 rank(x) #rank()是求秩（排名）的函数，它的返回值是这个向量中对应元素的“排名”。第一个数在原数据中大小的位置 order(x) #order()的返回值是对应“排名”的元素所在向量中的位置。按从小到大位置排列的数在原数据的位置 sort(x)==x[order(x)] sort(x,decreasing=T) sum(x) length(x) round(x) fivenum(x) #quantiles 求5个分位数 quantile(x) #求5分位数 quantile(x,c(0.33,0.66,1)) #给.33,.66,.1 三个分位数 mad(x) # 每个数都和中位数有个差值，这些差值的中位数 cummax(x) #到目前为止的最大值 cummin(x) #到目前为止的最小值 cumprod(x) #到目前为止累积的所有数的乘积 cor(x,sin(x/20)) #x和sin（x/20)的相关系数 x=2+3i #复数的运算 (z=complex(real=rnorm(10),imaginary=rnorm(10))) complex(real=rnorm(3),imaginary=rnorm(3))#complex生成复数，实部real，复部imaginary Re(z) #取z的实部 Im(z) #取z的虚部 Mod(z)#取z的摹a方加b方开根号 f=function(x)x^3-2*x-1 #定义函数f,自变量x,返回值x^3-2*x-1 f(2) #x取2，此时值为多少 uniroot(f,c(0,2)) #解方程，单根，根在0到2之间搜索 y=uniroot(f,c(0,2)) #y等于根的值 y$root f=function(x)x^2+2*x+1 optimize(f,c(-2,2)) # x<-rnorm(200) hist(x,col="light blue") #生成直方图 rug(x) #跟上式在一起，显示真实数据，在原直方图增加一部 stem(x) #茎叶图 N<-500 x<-rnorm(N) y<-x+rnorm(N) plot(y~x) a=lm(y~x) #回归方程定义给a abline(a,col="red") #增加斜线，拟合的 abline(lm(y~x),col="red") #同上 paste("x的最小值=",min(x)) #粘贴，显示 demo(graphics) #演示画图，先空白，演示r可以做什么图，在r里程序就出来了 ##分布和产生随机数 #正态分布 pnorm(1.2,2,1) #经验分布函数 dnorm(1.2,2,1) #密度分布函数 qnorm(.5,0,1) #分位数值x的值，概率为0.5 ，均值为0，标准差为1 rnorm(10,0,1) #随机生成10个服从正态分布的数 rnorm(10) #t分布 pt(1.2,1) #后面的数代表自由度，求1.2对应的经验分布函数的值 dt(1.2,2) qt(.7,1) rt(10,1) #可能遇到的问题 a=factor(letters[1:10]) #前10个字母表字母，字母当做因子，不同的类，十个类 a[3]="w" #出错的！，生成缺失值正确的为下面所示 a=as.character(a) #把a变成字符串，as将某格式变成某格式 a[3]="w" a=factor(a) a #输入输出数据 x=scan() #可以扫描数据给x，数据把在r里手输的数据 write(x,"test.txt") #将x的数据保存在test里，保存在当前目录里 y=scan("test.txt")# 将test文件里的数据扫描到电脑上 y=iris #鸢尾花数据 y[1:5,] str(y) #看数据的几个描述值 write.table(y,"test1.txt",row.names=F) #把y以表格的形式放进test1，行的名字不带 w=read.table("test1.txt",header=T) str(w) write.csv(y,"test2.csv") v=read.csv("test2.csv") str(v) data=read.table("clipboard") write.table("clipboard") #序列和向量 z=seq(-1,10,length=10) z=seq(10,-1,-1) (x=rep(1:3,3)) (x=rep(3:5,1:3)) (x=rep(c(1,10),c(4,5))) w=c(1,3,x,z) w[3] x=rep(0,10) z=1:3 x+z x*z rev(x)#rev provides a reversed version of its argument. z=c("no cat","has","nine","tails") z[1]=="no cat" z=1:5 z[7]=8 z z=NULL z[c(1,3,5)]=1:3 z rnorm(10)[c(2,5)] z[-c(1,3)] z=sample(1:100,10) z which(z==max(z)) #向量—>矩阵 x=sample(1:100,12); x all(x>0) all(x!=0) any(x>0) (1:10)[x>0] diff(x) diff(x,lag=2) x=matrix(1:20,4,5) x x=matrix(1:20,4,5,byrow=T) x t(x) x=matrix(sample(1:100,20),4,5) x 2*x x+5 y=matrix(sample(1:100,20),5,4) x+t(y) (z=x%*%y) z1=solve(z)#solve(a,b)可以解方程ax=b z1%*%z round(z1%*%z,14)#参数14表示的是小数点后的位数 nrow(x) ncol(x) dim(x) x=matrix(rnorm(24),4,6) x[c(2,1),] x[,c(1,3)] x[x[,1]>0,1] sum(x[,1]>0) x[,-c(1,3)] diag(x) diag(1:5) diag(5) x[-2,-c(1,3)]#没有第2行、第1、3列的x apply(x,1,mean) apply(x,2,sum) x=rnorm(24,4,6) diag(x) diag(1:5) diag(5) x[lower.tri(x)]=0 #x[upper.tri(x)]=0 #diag(x)=0 x=array(runif(24),c(4,3,2)) x is.matrix(x) is.matrix(x[1,,]) x[c(1,3),,] #缺失值问题 airquality complete.cases(airquality) #哪一行没有缺失值 which(complete.cases(airquality)==F) sum(complete.cases(airquality)) na.omit(airquality) #删掉有缺失值的行 #数据拼接 cbind(1:3,4:6) rbind(1:3,4:6) x=1:10 x[12]=3 x1=append(x,77,after=5) #Add elements to a vector. #去掉矩阵中重复的行 (x=rbind(1:5,runif(5),runif(5),1:5,7:11)) x[!duplicated(x),] unique(x) #分类数据 x=c("Yes","No","No","Yes","Yes") table(x) factor(x) # beer=scan() barplot(beer) barplot(table(beer)) barplot(table(beer)/length(beer)) |
|
|
