#r语言（二）笔记
#早复习
#概述：R是用于统计分析、绘图的语言和操作环境
#对象：
#数据类型--统称为对象
#向量(vector):用于存储数值型、字符型或逻辑型数据的一维数组。
#定义向量：
v<-1
v1<-c(1,2,3) 或者 assign(‘v1‘,c(1,2,3))
v<-1:10 #1~10
is.vector(v)
#向量的输出:
v 或者 print(v1)
#向量的操作函数:
#排序：sort(v1) 倒序: rev(v1)
#最大值 最小值 平均值
max(v1) min(v1) mean(v1)
#矩阵(matrix):矩阵是二维数组，可以描述二维数据
#定义矩阵
#dim函数（拆分向量）
m1<-1:100
dim(m1)<-c(10,10)
#matrix函数
m2<-matrix(1:6,2,3)
m3<-matrix(1:6,3,2)
#array函数
m4<-array(1:30,dim=c(5,6))
#矩阵下标
m4[2,2]
#矩阵相乘 %*%
m2%*%m3
#矩阵转置
m4<-matrix(1:24,4,6)
aperm(m4)
#数组(array):数组与矩阵类似，是矩阵的扩展，维度≥3.
#定义数组
#dim函数
a1<-1:24
dim(a1)<-c(3,4,2)
#array函数
a2<-array(1:60,dim=c(3,4,5))
#数组下标
a2[1,1,2]
#自定义对象：
#添加属性方法
#man1<-c() #内容为空的对象,null不能有属性的
man1<-c(100)
attributes(man1) #查看属性
attr(man1,‘name‘)<-‘bai‘
attr(man1,‘dept‘)<-‘sxb‘
#list方法（json）
man2<-list(name=‘zhw‘,dept=‘sxb‘,child.count=1,child.name=c(‘3.0‘))
#获取对象属性：$
man2$name
man2$child.name;
#分组统计
course<-c(‘语文‘,‘数学‘,‘英语‘,‘数学‘,‘英语‘,‘英语‘);
score<-c(100,20,50,30,50,48)
statef<-factor(course) #分类因子
tapply(score,statef,max);
tapply(score,statef,min);
tapply(score,statef,mean);
tapply(score,statef,var);
#其他
help.start();
rm(list=ls()) #清空所有对象
objects() #查看所有对象
is.xxx #判断类型
as.xxx #转换类型
###注释
#控制语句
#条件语句
#if-else语句
# if
num<-3
if(num==3) print(‘num==3‘)
if(num==3){print(‘num==3‘)}
#if else
num<-2
if(num!=3)print(‘num!=3‘) else print(‘num==3‘)
#else if
if(num==1){
print(‘num==1‘)
}else if(num==2){
print(‘num==2‘)
}else{ ##上一个结束大括号一定要和else 在同一行，否则报错
print(‘其他‘)
}
#ifelse
x<-1
ifelse(x>2,y<-2*x,y<-3*x) ## 三目运算符
#switch语句 switch(expr, list)
#用法1 expr为数值型
num<-5
switch(num,‘值为1‘,‘值为2‘,‘值为3‘,‘值为4‘)# 数值大小，对应的list的项
switch(2,‘值为1‘,‘值为2‘,‘值为3‘,‘值为4‘)
switch(2*2,5-4,5+4,5/4,5*4) #第一个参数 可以为 运算符
#用法2 expr为字符串 list为有名定义时
mylike<-‘水果‘;
switch(mylike,水果=‘苹果‘,蔬菜=‘茄子‘) #已知mylike值水果，它会找有名list中是否有这个元素，并把内容显示出来
#循环语句
#for语句
for( i in 1:10) print(i) #js
for( j in 1:10) print(1:j)
#while语句
i<-1;
while(i<10){
print(i)
i=i+1
}
#repeat语句 #loop
repeat{
i=i-1
print(i)
if(i<0)break;#跳出循环的条件
}
#自定义函数
#myfunction <- function(arg1, arg2, ... ){
#statements
#return(object)
#}
#函数体通常包含三部分：
#1异常处理
#2内部处理过程
#3返回值
#例子1 随机数产生，画图
#rnorm(n,mean,sd)n：随机数个数mean：期望 sd：方差
function11 <- function(){
x <- rnorm(100)
y <- rnorm(100,2,3)
plot(x,y)
return(x+y)
}
function11()
#有两个参数
function12 <- function(x,y){
plot(x,y)
return(x+y)
}
x <- rnorm(100)
y <- rnorm(100,2,3)
function12(x,y)
#例子2 计算标准差
myfunc2<-function(x) {
#异常处理
if(!is.numeric(x)){
stop("输入的值不是数值型\n")
}
if(length(x)==1){
stop("请输入个数大于一位的向量\n")
}
result<-sqrt(sum((x-mean(x))^2)/(length(x)-1))
return(result)
}
myfunc2(c(‘a‘,‘b‘));
### 后续 debug(myfunc2);
#基本绘图技巧
#绘制图
x<-1:100
y<-100+x*5
plot(y)
plot(y,type=‘l‘)
#绘制一千个正态分布随机数的频率直方图
x<-rnorm(1000,30,10)
hist(x)
#使用核密度估计函数density(),在直方图上绘制密度曲线
#hist()函数必须设置freq参数为F才能显示密度曲线
x<-rnorm(1000,30,10)
hist(x,freq=F) # F 是 FALSE 的简称 区分大小写
lines(density(x),col=‘red‘)
box() #加一个方框
# 茎叶图很直观的表现出数据的分布情况
x <- rnorm(100,5,1)
stem(x)
# 绘制10个正态分布随机数的条形图
x <- rnorm(10,30,10);barplot(x)
box() # 在当前图上加个方框
# 绘制饼图
x <-1:5;pie(x,col=rainbow(5))
box()
# 绘制箱线图
# 中间黑线为中位数位置；上下框线为上下四分位数位置；上下触须为1.5倍四分位数间距；如果有孤立点表示异常值
x <-rnorm(10,10,3);boxplot(x)
# 根据指定函数绘制指定范围的曲线图
curve(sin, -2*pi, 2*pi, xname = "t")
#金融数据获取
#从雅虎金融等数据网站获取：各国股票、股指、债券、ETF基金、汇率、金属、期权等交易品种历史数据和上市公司年报数据
# 不设置来源则默认从雅虎金融下载；
# 雅虎金融上大量指数品种都以"^"开头
# from,to参数设置读取历史数据的时间段
library(quantmod)
getSymbols(‘^GSPC‘,src=‘yahoo‘,from=‘2000-1-1‘,to=Sys.Date());
print(head(GSPC))
print(tail(GSPC))
getSymbols(‘AAPL‘,src=‘yahoo‘,from=‘2000-1-1‘,to=Sys.Date());
print(head(AAPL))
print(tail(AAPL))
getSymbols(‘CFTLF‘,src=‘yahoo‘,from=‘2000-1-1‘,to=Sys.Date());
print(head(CFTLF))
print(tail(CFTLF))
#晚总结
原文地址：https://www.cnblogs.com/sparky1988/p/8427288.html