R语言基础知识合集,word版.doc

《R语言基础知识合集,word版.doc》由会员分享，可在线阅读，更多相关《R语言基础知识合集,word版.doc（12页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、R语言基础1.在业界，用Stata的很少，不到百分之十，而用R的非常多，可以说是一种general analysis way。但是python也是众多人青睐的软件之一。2.R语言的优缺点： 优点：可以做任何想做的东西，比如：作图，做PPT，做动画，做网页，做模型等等。（PS:Spss和SAS都是 基于R上研发的，落后至少有三到四年，但是他们是基于硬盘运行的，而R是基于内存运行的） 缺点：1.前期难学，突破瓶颈比较难。 2.过多的安装包供选择，会使选择困难。 3.容易出错，而且还不知道错在哪里。 4.在内存中运行，不利于大数据运算。3.R语言找帮助：1.Quick-R(里面与很多练习的小例子，可

2、以用来基础者学习） 2.R seek 3.Cross-validated4.R语言中Data存在的五种形式：1.Numeric（数值型）：numericeg.1,2,3,pi 2.Integer(整数型）：eg.1,types as 1L (L即为整数） 3.Complex(复数型）：eg.1+2i,real+imaginary 4.Logical boolean(逻辑型）：eg.TRUE or FALSE, T or F 5.Character(字符型）：stringsEconomitric with R 例子：X-cR,2,FALSE class(X)#查看X,结果显示都为Characte

3、r型,说明字符型优先于所有的型。 1 R 2 FALSE X-c2,FALSE class(X) 1 2 0 #显示全为数值型，说明数值型优先于逻辑型5.R语言中的向量 1.生成字母向量 a-c(letters1:4)#小写字母四个or A-c(LETTERS1:4) 1 a b c d 2.生成数值向量 a-c1:100#从一到一百 3.特征量 mean var a+1 4.向量里面的每个值的长度（尤其是字母向量） nchar(B) 1 1 1 1 1 B(2)-Bing#将B里面的第二个量改成Bing nchar(B) 1 1 4 1 1 5.输入变量有哪些 ls() 1 a b B 6.

4、移除现有的变量 rm(a) 7.向量间隔 seq(1,100)#从一到一百，默认间隔为一 seq(1,100,by=3)#间隔为3 seq(1,100,length=1000)#在一到一百之间等间隔选出1000个数 8.重复向量 rep(10,10)#重复10，10遍 rep(x=1:5,times=3)#从一到五重复三遍 1 1 2 3 4 5 4 3 2 1 2 3 4 5 rep(x=1:5,each=3)#从一到五每个数重复三遍 1 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 rep(x=1:5,each=3,times=3)#从一到五每个数重复三遍后在重复三遍 1 1

5、 1 1 2 2 2 3 3 3 4 4 4 5 5 5 4 4 4 3 3 3 2 2 2 1 1 1 . 9.向量按正态分布抽取数据 x-rnorm(100)#从标准正太态布中随机抽一百个数 x-rnorm(100,175,8)#从均值为175以及标准差为8的正态分布中随机抽100个数 10.数据展现索引 x-1:10#展现一到十 head(1:10)#展示开头一到十个数据 tail(1:10)#展现结尾一到十个数据 x0.5#索引那些小于0.5的数据，小于的显示TRUE不小于的显示FALSE xx0.5#索引那些小于0.5的具体数据 length(xx0.5)#展示小于0.5的数据的个数

6、 11.TRUE和FALSE的应用 y-1:5 yc(T,T,F,T,F)#为T的数据保留，为F的数据去除 1 1 2 4 yc(T,F,T)#后面未配有逻辑型的默认保留 1 1 3 4 5 12.逻辑语言“或”“且”“非”的应用 length(x-0.5x0.5)#不可行，R语言里面无法进行这样的逻辑运算 length(x-0.5x$x0.5)#这是“且”（and)的应用$ length(xx-0.5|0.5x)#这是“或”（or)的应用| xx!=0.5#不等于0.5，即“非”(No)的应用! eg. a-1:5 a!=2 1 TRUE FALSE TRUE TRUE TRUE6.R语言中

7、的矩阵 1.生成矩阵 a-matrix(0,3,4)#构建三行四列的矩阵，数据都为0 1 0 0 0 0 0 0 0 0 0 0 0 0 a-matrix(0:11,3,4)#构建三行四列的矩阵，数据从零到十一(从上到下，后从左到右派数据） 1 0 3 6 9 1 4 7 10 2 5 8 11 a-matrix(0:11,3,4,byrow=T)#构建三行四列的矩阵，数据从零到十一(从左到右，后从上到下派数据） 1 0 1 2 3 4 5 6 7 8 9 10 11 2.矩阵的合并 a-0:2 b-3:5 c-8:10 cbind(a,b,c)#将他们以列绑起来 1 0 3 8 1 4 9

8、2 5 10 rbind(a,b,c)#将他们以行绑起来 3.矩阵里面的数据索引 a-matrix(1:30,5,6) a4,5#索引出第四行第五列元素 a,1#索引第一列所有的元素 a,c(2,4)#索引第二列和第四列的所有元素 a,2:4#索引第二列到第四列的所有元素 ac(2,5),c(2,5)#索引第二行和第五行与第二列和第五列相交的元素 4.矩阵的逆 a,-6#去掉第六列，矩阵变成正方形 solve(a)#得出a的逆 5.矩阵中字符矩阵加如数值型矩阵 a-matrix(letters1:25,5,5) a,6-1:5#不可行 cbind(a,1:5)#强制将1：5绑到矩阵的第六列，注

9、意：此时数值型也变成了字符型 rbind(cbind(a,1:5),rep(F,6)#强制将F的六次重复绑到矩阵第六行，逻辑型变成了字符型 class(cbind) 1 character7.R语言中的数据框（每一列的可以是不同的数据型，不会被强行同化） 1.数据框的生成 a-data.frame(age=rnorm(120,20,2),sex=c(rep(M,50),rep(F,70) #生成年龄服从正态分布的120个数据，男为50个，女为70个的数据框 class(a) 1data,frame 2.数据框结构的查看 str(a） 1 data.frame $age:num $sex:Fac

10、tor w/ 2 levels 3.将sex强制转换成Fector型(运行有问题)问老师怎么解决 a-data.frame(age=rnorm(120,20,2),sex=c(rep(M,50),rep(F,70),stringsasfactors) 4.从数据框中取数据 a$sex 5.查看数据维度 dim(a) 1 120 2 #120行，2列 names(a） 1 age sex 6.给数据框添加数据 a$height-c(rnorm(50,170,10),rnorm(70,162,6)#加入一组身高的数据 7.用数据框的数据作图(对于数据图的形式，R程序会自动给你挑选最适合的形式） a

11、ttach(a) plot(factor(sex),height)#做出升高与性别的图像，注意：由于性别是字符型的，所以一定要加factor plot(age,height) plot(factor(sex),height,col=2)#添加2号颜色 8.数据框里每一列的长度都要一致 a$weight-rnorm(123,50,5)#不可行8.R语言中的列表 1.列表的生成 list(a=1:5,b=letters1:10,d=rep(TRUE,12) y-list y $a 1 1 2 3 4 5 $b 1 a b c d e f g h i j $d 1 TRUE TRUE TRUE TR

12、UE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE class(y) 1 list dim(y) 1 Null 2.列表中的索引 ya#单括号索引，保留list属性 $a 1 1 2 3 4 5 class(ya) 1list ya#双括号索引，不保留list属性 1 1 2 3 4 5 class(ya) 1integer 3.对列表中的相关数据进行分析 a$weight-c(rnorm(50,65,5),rnorm(70,45,10) with(a,cor(height,weight)#求这两者之间的相关性系数，with意为从列表中找，没有with是不可行

13、的 with(a,plot(height,weight)#两者之间的图像 cor(a$height,a$weight)#求这两者之间的相关性系数 attach(a)#从a中 cor(weight,height)#求这两者之间的相关性系数 detach(a)#取消attach这步9.R语言中的回归模型基础 1.模型的构建 model1-lm(heightweight,data=a)#将height和weight做线性（lm)回归 model1 class(model1) 1 lm#线性 str(model1)#有12个列表关于模型的一些系数等等 summary（model1)#回归结果 b-su

14、mmary(model1)#? str(b)#只有11个列表？ 2.模型结果中一些系数的索引 summary(model1)$r.squared#从模型结果中找R的平方 names(model1) 1 coefficients residuals effects rank 5 fitted.values assign qr df.residual 9 xlevels call terms model names(summary(model1) 1 call terms residuals coefficients 5 aliased sigma df r.squared 9 adj.r.squ

15、ared fstatistic cov.unscaled model1$residuals#从模型中找残差 3.用模型作图 hist(model1$residuals)#对模型中的残差项做直方图10.R语言中简单数据处理 1.常见错误型数据处理 1/0 1Inf log(0) 1Inf sqrt(-4) 1NaN 2.对于数据中有NA项的处理 a-c(1,2,3,NA) mean(a) 1 NA mean(a,na.rm=T)#移除NA项的结果 is.na(a)#从数据中寻找NA项，结果显示为NA项的为TRUE which(is,na(a)#具体哪一项为NA项 sum(is.na(a)#NA项

16、总的个数 3.数据类型的查找(is.type为识别型） is.numeric(a)#从a中辨别数值型，是的为TRUE is.character(a)#从a中辨别字符型 4.数据类型强制转换（as.type为强制转换型） as.character(a)#将a里面的数值型强制转换成字符型11.R语言中的分布类型 1.rnorm(10,7,1)#正态分布 2.rt(10,5)#从自由度为5的t分布里随机出10个数 3.dnorm(0)#density密度函数，x为0时的密度值 4.pnorm(2.73)#CDF累计概率密度函数，x在2.73时的概率值99.11% 5.qnorm(0.99)#与Pnorm相反的函数，x在概率为99%时对应的分为点2.71也可以对t分布写：qt(0.5,5)