R的学习(一)

---恢复内容开始---

一、与向量运算有关的函数

min(X)%向量X的最小元素

max(X)%向量X的最大元素

range(X)%向量X的最小元素和最大元素

which.min(X)%第几个分量求到最小值

which.max(X)%第几个分量求到最大值

sum(X)%向量X分量之和

prod(X)%向量X分量联乘积

length(X)%向量X分量个数

median(X)%向量X的中位数

mean(X)%sum(X)/length(X)%向量X的均值

var(X)%向量X的方差

sort(X)%向量X的顺序统计量

order(X) or sort.list(X)%顺序统计量的下标

ex:x<-c(10,6,4,7,8)

sum(x),prod(x),length(x),median(x),mean(x),var(x),sort(x)

的计算结果为:

35、13440、5、7、7、5和4 6 7 8 10

二、产生有规律的序列

(1)等差数列

a:b%与matlab用法相同,a到b间隔为1的等差数列

2*1:15%等差运算优于乘法运算即x=(2,4,6...30)

1:n-1%不是1到n-1而是1:n的数列然后全部-1

ex:

>n<-5

>1:n-1

[1]0 1 2 3 4

>1:(n-1)

[1]1 2 3 4

这一点初学者很容易弄混

(2)等间隔函数

seq()函数是更一般的函数,产生等距间隔的数列基本形式为

seq(from=valuel,to=value2,by=value3)%从value1开始到value2,中间间隔为value3

ex:

seq(-5,5,by.=2)->s1

s1=(-5.0,-4.8,...,4.8,5.0)

seq(2:10)等价于2:10

seq的另一种使用方式:

seq(length=value2,from=value1,by=value3)%从value1开始,长度为value2,间隔为value3

ex:

s2<-seq(length=51,from=-5,by.=2)%产生于s1一样的向量

(3)重复函数

rep()是重复函数,将某一向量重复若干次再放入新的向量中

ex:

> x<-c(1,4,6.25)
> x
[1] 1.00 4.00 6.25
> s<-rep(x,times=3);s
[1] 1.00 4.00 6.25 1.00 4.00 6.25 1.00 4.00 6.25

(4)逻辑向量

ex:

> x<-1:7;x
[1] 1 2 3 4 5 6 7
> l<-x>3;l
[1] FALSE FALSE FALSE TRUE TRUE TRUE TRUE
逻辑向量也可以赋值

ex:

> z<-c(TRUE,FALSE,F,T)
> z
[1] TRUE FALSE FALSE TRUE

all()%判断一个逻辑向量是否都为真值

ex:

> all(c(1,2,3,4,5,6,7)>3)
[1] FALSE

any()%判断是否有真值

ex:

> any(c(1,2,3,4,5,6,7)>3)
[1] TRUE

时间: 2024-10-27 10:03:10

R的学习(一)的相关文章

R语言学习笔记2——绘图

R语言提供了非常强大的图形绘制功能.下面来看一个例子: > dose <- c(20, 30, 40, 45, 60)> drugA <- c(16, 20, 27, 40, 60)> drugB <- c(15, 18, 25, 31, 40) > plot(dose, drugA, type="b") > plot(dose, drugB, type="b") 该例中,我们引入了R语言中第一个绘图函数plot.pl

R语言学习笔记

參考:W.N. Venables, D.M. Smith and the R DCT: Introduction to R -- Notes on R: A Programming Environment for Data Analysis and Graphics,2003. http://bayes.math.montana.edu/Rweb/Rnotes/R.html 前言:关于R 在R的官方教程里是这么给R下注解的:一个数据分析和图形显示的程序设计环境(A system for data

R语言学习(5)-字符串和因子

字符串和因子 1.字符串 创建字符串 > c("HELLO","WORLD") [1] "HELLO" "WORLD" 使用paste函数连接字符串 > paste(c("hello","hi"),"world") [1] "hello world" "hi world" > paste(c("hel

R语言学习中的小bug:R中矩阵相乘错误于A %*% B: 需要数值/复数矩阵/矢量参数

遇到了小bug: R中矩阵相乘错误于A %*% B: 需要数值/复数矩阵/矢量参数 看到网上别人的做法,发现了用class(A)和class(B)之后才发现,是因为读入的时候数据的类型不对,A.B的类型并不是matrix,才导致了这个问题. 用as.matrix来变型一下,就OK了. R语言学习中的小bug:R中矩阵相乘错误于A %*% B: 需要数值/复数矩阵/矢量参数,布布扣,bubuko.com

R语言学习(2)

向量矩阵和数组 1.vector函数可以创建指定类型.长度的矢量 (其结果中的值可以是0,FLASE,空字符串) > vector("numeric",5) [1] 0 0 0 0 0 > vector("complex",6) [1] 0+0i 0+0i 0+0i 0+0i 0+0i 0+0i > vector("logical",6) [1] FALSE FALSE FALSE FALSE FALSE FALSE > 

R语言学习(3)

列表和数据框 1.列表 list函数创建列表 > (a_list <- list(c(1,1,2,5,14,42),month.abb,matrix(c(3,-8,1,-3),nrow=2),asin)) [[1]] [1]  1  1  2  5 14 42 [[2]] [1] "Jan" "Feb" "Mar" "Apr" "May" "Jun" "Jul&qu

R语言学习(4)-环境和函数

环境和函数 1.环境 使用new.env函数创建环境 > an_environment <- new.env() 向环境中分配变量与列表相同 > an_environment[["pythag"]] <- c(12,15,20,21) > an_environment$root <- polyroot(c(6,-5,1)) > assign("moonday",weekdays(as.Date("1969/07/2

R语言学习(1)

将R作为科学计算器使用 1.例: > 1:5 + 6:10 [1]  7  9 11 13 15 > c(1,3,5,7,9)+c(2,4,6,8,10) [1]  3  7 11 15 19 > median(2:5) [1] 3.5 > 1:10 / 3 [1] 0.3333333 0.6666667 1.0000000 1.3333333 1.6666667 2.0000000 2.3333333 [8] 2.6666667 3.0000000 3.3333333 > 

R语言学习笔记 之 可视化地研究参议员相似性

基于相似性聚类 很多时候,我们想了解一群人中的一个成员与其他成员之间有多么相似.例如,假设我们是一家品牌营销公司,刚刚完成了一份挂怒有潜力新品牌的研究调查问卷.在这份调查问卷中,我们向一群人展示了新品牌的几个特征,并且要求他们对这个新品牌的每个特征按五分制打分.同时也收集了目标人群的社会经济特征,例如:年龄.性别.种族.住址的邮编以及大概的年收入. 通过这份调查问卷,我们想搞清楚品牌如何吸引不同社会经济特征的人群.最重要的是,我们想要知道这个品牌是否有很大的吸引力.换个角度想这个问题,我们想看看

R语言学习路线图-转帖

本文分为6个部分,分别介绍初级入门,高级入门,绘图与可视化,计量经济学,时间序列分析,金融等. 1.初级入门 <An Introduction to R>,这是官方的入门小册子.其有中文版,由丁国徽翻译,译名为<R导论>.<R4Beginners>,这本小册子有中文版应该叫<R入门>.除此之外,还可以去读刘思喆的<153分钟学会R>. 这本书收集了R初学者提问频率最高的153个问题.为什么叫153分钟呢?因为最初作者写了153个问题,阅读一个问题