这篇文章用来记录我在学习使用R语言中遇到的一些区别于其他程序语言的小问题，以及一些解决方案。会持续记录下去。
1. 除法
R语言的除法运算符与其他常见语言一致：/
> 8/5
[1] 1.6
但是取余运算符为：%%
> 8%%5
[1] 3
除法运算取整除数：%/%
> 8%/%5
[1] 1
除法四舍五入：round()
round()后面再带一个参数表明保留到第几位（为正数时是指保留几位小数，为负数时是指四舍五入到第几位）
> round(8/5)
[1] 2
> round(3.141592653,2)
[1] 3.14
> round(3.141592653*100000,-2)
[1] 314200
2. list和data.frame的区别
list和data.frame是R中处理表格数据常见的两种格式，另外还有matrix。
先说matrix，它必须保证所有的数据都是同一类型的。
> b <-matrix(c(1,1,1, 2,2,3, 1,3,4, 2,1,4), ncol=3, byrow=T)
> b
[,1][,2] [,3]
[1,] 1 1 1
[2,] 2 2 3
[3,] 1 3 4
[4,] 2 1 4
> a <- matrix(c(1,1,"wo",2,2,3, 1,3,4, 2,1,4), ncol=3, byrow=T)
> a
[,1][,2] [,3]
[1,] "1" "1" "wo"
[2,] "2" "2" "3"
[3,] "1" "3" "4"
[4,] "2" "1" "4"
> mode(a)
[1] "character"
> mode(b)
[1] "numeric"
可以看到a跟b的差异就是a中有个字符类型的数据“wo”，但是打印出来后，其他数值类型数据也被转换为了字符类型。
现在来看list和data.frame的差异，它们都可以包含不同类型的数据但是也有些差异。
差异1：部分数据查看及展示方式不同。list按列展示数据，data.frame按行展示。
> list <-list(a=c("hai","tian","xiang","jie","de"),b=c("di","fang","jiu","shi","wo"),c=c("qian"
,"gua","de","gu","xiang"))
> list
$a
[1] "hai" "tian" "xiang" "jie" "de"
$b
[1] "di" "fang" "jiu" "shi" "wo"
$c
[1] "qian" "gua" "de" "gu" "xiang"
> dataframe
a b c
1 hai di qian
2 tianfang gua
3 xiang jiu de
4 jie shi gu
5 de wo xiang
> head(list,n=1)
$a
[1] "hai" "tian" "xiang" "jie" "de"
> head(dataframe,n=1)
a b c
1 hai di qian
差异2：查看列名，对于list来说应该是查看行名（我的说法）是用names()，对于dataframe来说则是查看列名用colnames()，它还有查看行名rownames()，没有定义时，默认为1,2,3,4……序列。
> names(list)
[1] "a" "b" "c"
> colnames(dataframe)
[1] "a" "b" "c"
> rownames(dataframe)
[1] "1" "2" "3""4" "5"
差异3：list可包含不同长度数据，dataframe必须每列包含相同长度数据，在list每行数据长度相同时，就可以使用as.data.frame()方法转换为data.frame类型。
> list2 <-list(a=1:5,b=1:4)
> list2
$a
[1] 1 2 3 4 5
$b
[1] 1 2 3 4
> dataframe2<- as.data.frame(list2)
Error in data.frame(a = 1:5, b =1:4, check.names = TRUE, stringsAsFactors = TRUE) :
参数值意味着不同的行数: 5, 4
> list2 <-list(a=1:5,b=6:10)
> list2
$a
[1] 1 2 3 4 5
$b
[1] 6 7 8 9 10
> dataframe2<- as.data.frame(list2)
> dataframe2
a b
1 1 6
2 2 7
3 3 8
4 4 9
5 5 10
差异4：数据引用方式不同。都可以用$引用符号，但是[]引用和[[]]引用方式上有差异。
> list$a
[1] "hai" "tian" "xiang" "jie" "de"
> dataframe$a
[1] hai tian xiang jie de
Levels: de hai jie tian xiang
> list[1]
$a
[1] "hai" "tian" "xiang" "jie" "de"
> dataframe[1]
a
1 hai
2 tian
3 xiang
4 jie
5 de
> list[[1]]
[1] "hai" "tian" "xiang" "jie" "de"
> dataframe[[1]]
[1] hai tian xiang jie de
Levels: de hai jie tian xiang
> list[[2]][1]
[1] "di"
> dataframe[[2]][1]
[1] di
Levels: di fang jiu shi wo
> list[2,1]
Error in list[2, 1] : incorrectnumber of dimensions
> dataframe[2,1]
[1] tian
Levels: de hai jie tian xiang
差异5：data.frame有一个factor因子，在差异四中，查看dataframe的某一列或者某一项数据时，数据下面会有Levels的内容，这个就是这一列的因子。相当于这一列的取值范围，有哪些唯一值。后面会讲到factor因子的来历以及作用，这里就不细说了。
3. 删除某一行或者某一列的数据。
对list和dataframe都适用。删除行可以直接引用这一行并赋值为NULL，或者用-操作符号，具体实现过程如下示。
> list$a <-NULL
> list
$b
[1] "di" "fang" "jiu" "shi" "wo"
$c
[1] "qian" "gua" "de" "gu" "xiang"
> list[-1]
$b
[1] "di" "fang" "jiu" "shi" "wo"
$c
[1] "qian" "gua" "de" "gu" "xiang"
> list$a
[1] "hai" "tian" "xiang" "jie" "de"
> list$a[-1]
[1] "tian" "xiang" "jie" "de"
> list[-1,]
Error in list[-1, ] : incorrectnumber of dimensions
> list[,-1]
Error in list[, -1] : incorrectnumber of dimensions
> dataframe$a<- NULL
> dataframe
b c
1 di qian
2 fang gua
3 jiu de
4 shi gu
5 woxiang
> dataframe<- as.data.frame(list)
> dataframe[-1,]
a b c
2 tianfang gua
3 xiang jiu de
4 jie shi gu
5 de wo xiang
> dataframe <- as.data.frame(list)
> dataframe[,-1]
b c
1 di qian
2 fang gua
3 jiu de
4 shi gu
5 woxiang
> dataframe$b
[1] di fang jiu shi wo
Levels: di fang jiu shi wo
> dataframe$b[-2]
[1] di jiu shi wo
Levels: di fang jiu shi wo
Matrix也可用类似的操作来删除某行某列的数据，还可以一次删除多个行多列或者多个值。
> dataframe$c
[1] qian gua de gu xiang
Levels: de gu gua qian xiang
> dataframe$c[c(-1,-3,-5)]
[1] gua gu
Levels: de gu gua qian xiang
4. 读取数据。
主要是为了讲read.table()和read.csv()方法的一些小细节。数据读入后都被存为data.frame的类型。
编码：read.csv()默认读取中文的格式是gbk格式的，无法设置。如果你的读入文件中文编码格式是UTF-8格式，使用read.csv就会出现乱码。但是read.table()方法默认读取UTF-8格式中文，并且包含encoding参数，可以设置读取数据的编码格式。
表头：read.csv()默认是含有表头的也就是header=T，read.table()默认没有表头header=F。
因子：read.csv()和read.table()两个方法都有stringsAsFactors参数，默认为TRUE。如果你不设置的话，数据读入时，每一列字符型的数据都按因子方式存储。如下面例子，fruit列被转换成了因子，数据被转换成了1,1,3,4,2，这几个数值1-4按顺序分别对应着Levels：苹果葡萄 香蕉 柚子。但是我们查看这一列数据时，显示的还是字符型数据。
> test
fruitprice
1 苹果 5.98
2 苹果 3.50
3 香蕉 4.50
4 柚子 4.80
5 葡萄 8.70
> test$fruit
[1] 苹果苹果香蕉柚子葡萄
Levels: 苹果葡萄香蕉柚子
从clipboard上读入数据：见上一个列子中，我们能直接从clipboard上读取数据，先在Excel上选中需要读入的数据区域，右键复制，再执行read.table("clipboard")语句即可。
> test <-read.table("clipboard",header=T)
> test
fruitprice
1 苹果 5.98
2 苹果 3.50
3 香蕉 4.50
4 柚子 4.80
5 葡萄 8.70
5. 两表合并的方法
这里是两个表类似MySQL中join的方法——merge()，默认根据两个表相同列名相交。方法的介绍见链接：http://my.oschina.net/u/1791586/blog/337054，里面有很详细的方法说明。想说明的是参数all/x.all/y.all，这三个参数取值T/F，用来定义是否取两个数据框x或者y的所有列。效果分别类似join的全连接，左连接，右连接。就不另外举例子了，参考链接里有很好的例子。
6. 查看数据。
View()可以查看list、vector、dataframe数据，但是在Rstudio中，用View()查看时会有中文乱码。不过mac和Linux平台上不存在这个问题，只用Windows平台上才有，好像没看到有什么设置Rstudio的方式可以避免这个的中文乱码。R中不存在乱码的问题。
fix()也可以查看list、vector、dataframe数据。
区别在于fix()方法可以查看列所包含的字段数不同的list的内容。View()只能查看整齐的数据，就是行列数都相同时的数据。另外fix()方法是查看数据，打开数据编辑框，并能够在其中修改数据。View()方法只是单纯的查看数据。
> test <-list(a=c("a","b","c","d"),b=1:4)
> View(test)
> fix(test)
> fix(dataframe)
7. R语言的数据类型查看mode()/class()/typeof()
没有找到一个很细致的说明，只能根据我自己的大概理解来看，可能会有误，欢迎指正。这三个函数都是能够查看数据类型的函数。但是有些小细节的差异。
R语言中，所有的数据、对象、方法、语句都可以查看mode()，主要的mode类型有：complex、raw、character、list、expression、name、symbol、function，mode可以说是大的类型。
所有对象都有typeof属性和class属性，但是相比class而言，typeof更细致。
>x <- c(1,2,3,4,5)
>mode(x)
[1]"numeric"
> class(x)
[1]"numeric"
> typeof(x)
[1] "double"
转载请注明来源，谢谢！