#创建数据框
a<-data.frame(fx = rnorm(10,10,2),
fy = runif(10,10,20),
fmonth = 1:10 )
a[1,1]
a[1,]
a[,2]
a$fx #通过$fx取列信息
a[[1]]#通过[[]]获取列信息
search() #查询
attach(a) #attach 数据到 search路径
fx #直接使用
detach(a) #detach 数据
search() #查询
a<-with(a, fx) #访问数据框成员
#新增修改列
a<-within(a,{fx=1:10 #通过within来进行修改,和新增列
fz=11:20})
#新增列
a$fz = 11:20
a$fz = a$fx+a$fy
#列存在则修改
a$fx = 1:10
#查询数据集
b = subset(a,fx>1&fmonth==8,select=c(fx,fmonth)) #select 列过滤，fx>1&fmonth==8 行过滤
b=edit(a) #修改后的数据集赋值给另一个数据集
b
fix(a) #直接修改数据集内容
a
7、列表
成分
创建列表
list()
操作
列表成分
[[]]
$
#列表
#创建列表
a<-list(x=1:10,y=matrix(1:16,4,4),z=data.frame())
names(a) <- c('c1','c2','c3') #修改成分名称
c
c=a['y'] #在列表中通过[]取出的对象类型还是列表
c[2,1]
class(c) #查看类型为list
c=a[['y']] #在列表中通过[[]]取出的对象类型为实际对象类型矩阵
c[2,1]
class(c) #查看类型为matrix
a$y[2,1] #获取矩阵的元素
8、数组
array
#数组
(a=array(1:60,c(3,4,5))) #数组三维
a[1,2,3]
9、数据类型转换
检查数据类型 is.开头
is.character
转换数据类型 as.开头
as.character
x=c(1:2,'hello',T)
x
mode(x) #查看数据类型
class(x) #查看数据结构
is.vector(x)
y<-matrix(1:20,c(4,5))
mode(y) #数据类型是numeric
class(y) #数据结构是matrix
y<-as.data.frame(y) #数据类型转换matrix->dataframe
y
10、分之结构
if...else...结构
if(condition){...}
else{...}
ifelse函数
#分支结构
(Brand<-paste(c('Brand'),1:9,sep='')) #粘合一起
#"Brand1" "Brand2" "Brand3" "Brand4" "Brand5" "Brand6" "Brand7" "Brand8" "Brand9"
(PName<-paste(c('Dell'),1:9,sep=' '))
(Mem<-rep(c('1G','2G','4G'),times=3)) #重复
#"1G" "2G" "4G" "1G" "2G" "4G" "1G" "2G" "4G"
(Feq=rep(c('2.2G','2.8G','3.3G'),each=3))
(Price=rep(c(1000,2000,5000),3))
PC=data.frame(Brand,PName,Mem,Feq,Price)
##分支结构
#if..else
PC
PC$PD=rep('Cheap',9)
for (i in 1:nrow(PC)){ #1:nrow(PC)从第1行到最后一行
if (PC[i,'Price']>3000){ #取值进行比较
PC[i,'PD']='Expensive' #修改值
}
}
PC
#ifelse函数
PC$PD2=ifelse(PC$Price>3000,'Expensive','Cheap') #向量化运算
PC
c
11、循环结构
for(n in x){...}
while(condition){...}
repeat{...break}
break next
#循环结构
for (x in 1:5){
print (x^2)
}
i=1
while (i<6){
print (i^2)
i=i+1
}
i=1
repeat {
print (i^2)
i=i+1
if (i>5) break
}
12、函数
自定义函数
myfunc =function(par1,par2,...){
...
}
引用函数文件
source('D:/basic.R', encoding = 'UTF-8')
查看源码
myfunc #终端显示
page(myfunc) #用第三方编辑器查看
#函数
myadd=function(a,b,c){
return (a+b+c)
}
mystat=function(x,na.omit=FALSE){
if (na.omit){
x=x[!is.na(x)]
}
m=mean(x)
n=length(x)
s=sd(x)
skew=sum((x-m)^3/s^3)/n
return (list(n=n,mean=m,stdev=s,skew=skew))
}
13、向量化运算和apply家族
#向量化
x=1:5
(y=x^2)
(y=matrix(1:16,4,4))
(z=y^2)
(x=1:5)
(y=11:15)
(x+y)
y>=13
ifelse(x%%2==0,'A','B')
x=data.frame(pv=rnorm(100,20,3),
uv=rnorm(100,40,4),
ip=runif(100,40,50))
apply(x,MARGIN = 2,mean)
apply(x,MARGIN = 2,quantile,probs=c(0.1,0.5,0.9))