先言:R语言常用界面操作帮助:help(nnet) = ?nnet =??nnet 清除命令框中所有显示内容:Ctrl+L 清除R空间中内存变量:rm(list=ls())、gc() 获取或者设置当前工作目录:getwd、setwd 保存指定文件或者从磁盘中读取出来:save、load 读入、读出文件:read.table、wirte.table、read.csv、write.csv
1、一些简单的基本统计量- #基本统计量
- sum/mean/sd/min #一些基本统计量
-
- which.min() #找出最小值的序号
以上是单数列,如果是多变量下的呢? - #多元数据
- colMeans() #每列,row是行(横向)
- colnames() #列名
- colSums() #列求和
- cov() #协方差阵
- cor() #相关矩阵
- cor.test() #相关系数
abs | 绝对值 | sqrt | 平方根 | exp | e^x次方 | log | 自然对数 | log2,log10 | 其他对数 | sin,cos,tan | 三角函数 | sinh,cosh,tanh | 双曲函数 | poly | 正交多项式 | polyroot | 多项式求根 |
对象操作:
assign | 赋值操作,等同于“<-” | rm | 删除对象 | ls | 显示内存中的对象 | str | 显示对象的内在属性或简要说明对象 | ls.str | 展示内存中所有对象的详细信息 | length | 返回对象中元素的个数 | names | 显示数据的名称,对于数据框则是列名字 | levels | 因子向量的水平 | dim | 数据的维度 | nrow | 矩阵或数据框的行数 | ncol | 列数 | rownames | 数据的行名字 | colnames | 列名字 | class | 数据类型 | mode | 数据模式 | head | 数据的前n行 | tail | 数据的后n行 | summary | 显示对象的概要 | attr | x的属性类型 |
|
| is.na | 检测变量的类型 | is.null | is.array | is.data.frame | is.numeric | is.complex | is.character |
简单统计: max | 最大元素 | min | 最小元素 | range | 最小值和最大值组成的向量 | sum | 和 | prod | 元素连乘 | pmax | 向量间相同下标进行比较最大者,并组成新的向量 | pmin | 向量间相同下标进行比较最小者,并组成新的向量 | cumsum | 累积求和 | cumprod | 连乘 | cummax | 最大 | cummin | 最小 | mean | 均值 | weighted,mean | 加权平均数 | median | 中位数 |
sd | 标准差 | norm | 正态分布 | f | F分布 | unif | 均匀分布 | cauchy | 柯西分布 | binom | 二项分布 | geom | 几何分布 | chisq.test | 卡方检验,进行独立性检验 | prop.test | 对总体均值进行假设检验 | shapiro.test | 正态分布检验 | t.test | T检验,对总体均值进行区间估计 | aov | 方差分析 | anova | 一个或多个模型对象的方差分析 |
2、向量向量在循环语句中较为广泛
- #向量
- #向量在循环语句中较为广泛
- M=vector(length = 8);M #生成一个长为8的布尔向量
- M[1]="1";M #赋值之后就会定义为字符
- M[1]=1;M #赋值之后,定义为数值
逻辑向量使用
- y[y < 0] <- -y[y < 0] #表示将向量(-y)中 与向量y的负元素对应位置的元素 赋值给 向量y中 与向量y负元素对应的元素。作用相当于: y <- abs(y)
3、数据储存形式- #数据储存形式
- data.frame(wi=iris,ci=cars) #数据框形式,可以直接定义变量名
- list(wi=iris,ci=cars) #list,也可以直接定义变量名
注意:attach()、detach() 可以将数据框中的变量释放到Rs内存中,然后就可以直接调用。 - attach(iris)
- names(setosa)
- detach(iris)
在data.frame中,是可以实现数据集重命名的,比如data.frame(x=iris,y=cars), 也可以实现横向、纵向重命名,data.frame(x=iris,y=cars,row.names=iris)
4、数据查看函数——names、str、unique组合、typeof()、mode()、class()- ##数据查看函数
- names(iris) #查看所有变量名字
- str(iris) #变量属性(int整数,num数值)
- unique(iris$setosa) #查看分类变量的水平
- table(iris$setosa) #分类水平,不同水平的个数(=unique+sum功能)
- summary(iris) #所有变量各自的均值、分位数、众数、最大、最小值等统计量,在回归中就是系数表等
- attributes(iris) #包括names(变量名)、row.names(序号的名称)、class(数据形式)
一般names、str、unique会组合使用。
如何查看数据类型——typeof()、mode()、class()的区别?- 我这里用个因子例子来说明,希望能讲清楚
- > gl(2,5) #新建一个因子
- [1] 1 1 1 1 1 2 2 2 2 2
- Levels: 1 2
- > class(gl(2,5)) #查看变量的类,显示为因子;
- [1] "factor"
- > mode(gl(2,5)) #查看数据大类,显示为数值型;
- [1] "numeric"
- > typeof(gl(2,5)) #查看数据细类,显示为整数型;
- [1] "integer"
- #来自:http://f./thread-99785-1-1.html
从精细度上说,typeof>mode>class.
5、矩阵的基本知识与注意- #矩阵的基本知识
- t() #转置
- det() #行列式,方阵
- x%*%y #向量内积
- x%o%y#向量外积
-
-
- A=array(1:9,dim=c(3,3))
- A*A #这个代表矩阵内两两子元素相乘
- A%*%A #才是我们想要的结果
- crossprod(A,A) #等于t(A)%*%A
- crossprod(t(A),A) #等于A%*%A,所以需要t(A)一下
t | 矩阵转置 | rowsum | 行求和 | colsum | 列求和 | rowmeans | 行平均 | colmeans | 列平均 | solve | 对线性方程求解或求矩阵的逆 | diag | 对角阵 |
6、因子- ##因子(≈文本+数字的组合)
- #SPSS中值标签定义有异曲同工之妙
- M=factor(iris$setosa,levels=c(1,0),labels=c("M","F"));M #能够转化因子格式+定义值标签
- M=as.factor(iris$setosa);M #上面的函数更有效,因为as.factor只能转化成因子格式
7、输入输出library | 加载包 | data | 加载制定数据集 | load | 加载save或者save.image保存的数据 | read.table | 读取表格 | read.csv | 读取以逗号分割的表格 | read.delim | 读取以tab分割个表格 | read.fwf | 以fixed width formatted 形式读取数据至表格 | save | 二进制保存指定对象 | save.image | 二进制保存当前线程内所有对象 | write.table | 将数据以表格形式写入文本 | write.csv | 将数据以CSV表格形式写入文本 | cat | 强制转化为字符后输出 | sink | 输出转向到指定文件 | print | 输出屏幕 | format | 格式化 |
8、逻辑运算
!x | 逻辑非 | x & y | 逻辑与 | x && y | 逻辑与(仅匹配并返回第一个值) | x | y | 逻辑或 | x || y | 逻辑或(仅返回第一个值) | x or (x,y) | 异或
|
|