R语言基础-数学&统计&概率&字符串处理函数|自定义函数|流程控制语句

Posted 2021-04-18 pythonic生物人

"pythonic生物人"的第87篇分享。

本文速览

更多精彩：

1、R数学函数
2、R统计函数
3、R概率函数 
4、R字符处理函数
5、R其他函数
6、以上函数使用举例
7、R中自定义函数
8、R中流程控制语句
  for
  while
  if
  if else
  ifelse
  switch

---

1、R数学函数

函数    解释
abs(x)     绝对值
abs(-4)    返回值为 4 
sqrt(x)     平方根
sqrt(25)    返回值为 5，和 25^(0.5)等价
ceiling(x)     不小于 x 的最小整数
ceiling(3.475)    返回值为 4 
floor(x)     不大于 x 的最大整数
floor(3.475)    返回值为 3
trunc(x)     向 0 的方向截取的 x 中的整数部分,trunc(5.99)返回值为 5 
round(x, digits=n) 将 x 舍入为指定位的小数,round(3.475, digits=2)返回值为 3.48 
signif(x, digits=n) 将 x 舍入为指定的有效数字位数,signif(3.475, digits=2)返回值为 3.5 
cos(x)、sin(x)、tan(x) 余弦、正弦和正切,cos(2)返回值为–0.416 
acos(x)、asin(x)、atan(x) 反余弦、反正弦和反正切，acos(-0.416)返回值为 2 
cosh(x)、sinh(x)、tanh(x) 双曲余弦、双曲正弦和双曲正切，sinh(2)返回值为 3.627 
acosh(x)、asinh(x)、atanh(x) 反双曲余弦、反双曲正弦和反双曲正切，asinh(3.627)返回值为 2 

log(x,base=n)    对 x 取以 n 为底的对数  
log(x) 
log10(x) 

为了方便起见：
• log(x)为自然对数
• log10(x)为常用对数
• log(10)返回值为 2.3026 
• log10(10)返回值为 1 

exp(x) 指数函数，exp(2.3026)返回值为 10

---

2、R统计函数

函数    解释
mean(x)     平均数
mean(c(1,2,3,4))    返回值为 2.5 
median(x)     中位数
median(c(1,2,3,4))    返回值为 2.5 
sd(x)     标准差，sd(c(1,2,3,4)) 返回值为 1.29 
var(x)     方差，var(c(1,2,3,4))返回值为 1.67 
mad(x)     绝对中位差（median absolute deviation），mad(c(1,2,3,4))返回值为 1.48 
quantile(x,probs)     求分位数。其中 x 为待求分位数的数值型向量，probs 为一个由[0,1]之间的概率值组成的数值向量，# 求 x 的 30%和 84%分位点y <- quantile(x, c(.3,.84)) 
range(x)     求值域，x <- c(1,2,3,4) ，range(x)返回值为 c(1,4)
diff(range(x))    返回值为 3 
sum(x)     求和，sum(c(1,2,3,4))返回值为 10 
diff(x, lag=n)     滞后差分，lag 用以指定滞后几项。默认的 lag 值为 1 ，x<- c(1, 5, 23, 29) ，diff(x)返回值为 c(4, 18, 6)

min(x)     求最小值，min(c(1,2,3,4))返回值为 1 
max(x)     求最大值，max(c(1,2,3,4))返回值为 4 
scale(x,center=TRUE,scale=TRUE) 为数据对象 x 按列进行中心化(center=TRUE)或标准化，(center=TRUE,scale=TRUE)；

---

3、R概率函数

概率分布    缩写
Beta分布     beta 
二项分布     binom 
柯西分布     cauchy 
（非中心）卡方分布     chisq
指数分布     exp  
F分布     f 
Gamma分布     gamma  
几何分布     geom 
超几何分布     hyper 
对数正态分布     lnorm Wilcoxon
Logistic分布     logis 
多项分布     multinom 
负二项分布     nbinom 
正态分布     norm
泊松分布     pois
Wilcoxon符号秩分布     signrank
t分布     t
均匀分布     unif 
Weibull分布     weibull 
秩和分布     wilcox

---

4、R字符处理函数

函 数    描 述
nchar(x)        计算 x 中的【字符】数量
x <- c("ab", "cde", "fghij")
length(x) 返回值为 3 
nchar(x[3])   返回值为 5

substr(x, start, stop)     提取或替换一个字符向量中的子串
x <- "abcdef"
substr(x, 2, 4)返回值为"bcd"
substr(x, 2, 4) <- "22222"（x 将变成"a222ef"）

grep(pattern, x, ignore.case=FALSE, fixed=FALSE)                在 x 中搜索某种模式。
若 fixed=FALSE，则 pattern 为一个正则表达式。若fixed=TRUE，则 pattern 为一个文本字符串。返回值为匹配的下标grep("A",c("b","A","c"),fixed=TRUE)返回值为 2

sub(pattern, replacement,x, ignore.case=FALSE,fixed=FALSE)
在 x 中搜索 pattern，并以文本 replacement 将其替换。
若 fixed=FALSE，则pattern 为一个正则表达式。若 fixed=TRUE，则 pattern 为一个文本字符串。
sub("\s",".","Hello There")返回值为 Hello.There。注意， "s"是一个用来查找空白的正则表达式；使用"\s"而不用""的原因是，后者是 R 中的转义字符（参见 1.3.3 节）


strsplit(x, split,fixed=FALSE)           在 split 处分割字符向量 x 中的元素。
若 fixed=FALSE，则 pattern 为一个正则表达式。若 fixed=TRUE，则 pattern 为一个文本字符串
y <- strsplit("abc", "")将返回一个含有 1 个成分、 3 个元素的列表，包含的内容为"a" "b" "c"unlist(y)[2]和 sapply(y, "[", 2)均会返回"b"


paste(…, sep="")                连接字符串，分隔符为 sep
paste("x", 1:3,sep="")返回值为 c("x1", "x2", "x3")
paste("x",1:3,sep="M")返回值为 c("xM1","xM2" "xM3")
paste("Today is", date())返回值为 'Today is Fri Sep 11 13:14:41 2020'


toupper(x)       写转换
toupper("abc")      返回值为"ABC"
tolower(x)       小写转换
tolower("ABC")      返回值为"abc"

---

5、R其他函数

函数    描述
length(x)     对象 x 的长度
x <- c(2, 5, 6, 9) 
length(x)返回值为 4 

seq(from, to, by)     生成一个序列
indices <- seq(1,10,2) 
indices 的值为 c(1, 3, 5, 7, 9)

rep(x, n)     将 x 重复 n 次
y <- rep(1:3, 2) 
y 的值为 c(1, 2, 3, 1, 2, 3)

cut(x, n)     将连续型变量 x 分割为有着 n 个水平的因子
使用选项 ordered_result = TRUE 以创建一个有序型因子

pretty(x, n)     创建美观的分割点。通过选取 n+1 个等间距的取整值，将一个连续型变量 x
分割为 n 个区间。绘图中常用

cat(... , file ="myfile", append =FALSE)    连接...中的对象，并将其输出到屏幕上或文件中（如果声明了一个的话）
firstname <- c("Jane") 
cat("Hello" ,firstname, "
")

---

6、以上函数使用举例

将学生的各科考试成绩组合为单一的成绩衡量指标，基于相对名次（前20%、下20%、等等）给出从A到F的评分，根据学生姓氏和名字的首字母对花名册进行排序。

• 创建data.frame

options(digits=2)#格式化输出，设置小数位数
Student <- c("John Davis", "Angela Williams", "Bullwinkle Moose",
"David Jones", "Janice Markhammer", "Cheryl Cushing",
"Reuven Ytzrhak", "Greg Knox", "Joel England",
"Mary Rayburn")
Math <- c(502, 600, 412, 358, 495, 512, 410, 625, 573, 522)
Science <- c(95, 99, 80, 82, 75, 85, 80, 95, 89, 86)
English <- c(25, 22, 18, 15, 20, 28, 15, 30, 27, 18)
roster <- data.frame(Student, Math, Science, English,stringsAsFactors=FALSE)

• 数据标准化

Math，Science，English三科成绩总分不一（均值和标准差相去甚远），直接无法比，使用单位标准差（R中scale函数）来标准化各科成绩。

z <- scale(roster[,2:4])#数学、科学和英语考试的分值不同（均值和标准差相去甚远）,使用标准差标准化
z

• 求行均值，列合并

score <- apply(z, 1, mean)#通过函数mean()来计算各行的均值以获得综合得分
roster <- cbind(roster, score)#并使用函数cbind()，列合并，将其添加到花名册中

• 求百分位数

#函数quantile()给出了学生综合得分的百分位数。可以看到，成绩为A的分界点为0.74， B的分界点为0.44，等等。
y <- quantile(score, c(.8,.6,.4,.2))
y

• 将score排名

##通过使用逻辑运算符，你可以将学生的百分位数排名重编码为一个新的类别型成绩变量。下面在数据框roster中创建了变量grade。
roster$grade[score >= y[1]] <- "A"#score大于等于80%（0.74）的成绩为A
roster$grade[score < y[1] & score >= y[2]] <- "B"
roster$grade[score < y[2] & score >= y[3]] <- "C"
roster$grade[score < y[3] & score >= y[4]] <- "D"
roster$grade[score < y[4]] <- "F"

• 以空格为界拆分名字为姓和名

#函数strsplit()，以空格为分隔符将学生姓名拆分为姓氏和名字。 把strsplit()应用到一个字符串组成的向量上会返回一个列表：
name <- strsplit((roster$Student), " ")#以空格为界拆分名字为姓和名

#函数sapply()提取列表中每个成分的第一个元素，放入一个储存名字的向量Firstname，并提取每个成分的第二#个元素，放入一个储存姓氏的向量Lastname。 "["是一个可以提取某个对象的一部分的函数——在这里它是用来提#取列表name各成分中的第一个或第二个元素的。你将使用cbind()把它们添加到花名册中。由于已经不再需要student变量，可以将其丢弃（在下标中使用–1）
Lastname <- sapply(name, "[", 2)
Firstname <- sapply(name, "[", 1)
roster <- cbind(Firstname,Lastname, roster[,-1])

• 函数order()依姓氏和名字对数据集进行排序

roster <- roster[order(Lastname,Firstname),]

---

7、R中自定义函数

• 语法

myfunction <- function(arg1, arg2, ... ){
statements
return(object)
}

• example

#此函数应当可以选择性地给出参数统计量（均值和标准差）和非参数统计量（中位数和绝对中位差）
##定义函数function，赋值给mystats
mystats <- function(x, parametric=TRUE, print=FALSE) {# print=FALSE默认不输出结果
if (parametric) {#if TRUE
center <- mean(x); spread <- sd(x)
} else {
center <- median(x); spread <- mad(x)
}
if (print & parametric) {#if FALSE
cat("Mean=", center, "
", "SD=", spread, "
")
} else if (print & !parametric) {#if TRUE
cat("Median=", center, "
", "MAD=", spread, "
")
}
result <- list(center=center, spread=spread)
return(result)
}

##使用函数mystats
set.seed(1234)
x <- rnorm(500)
y <- mystats(x, parametric=FALSE, print=TRUE)

8、R中流程控制语句

• for

#语法：for (var in seq) statement#重复执行statement语句，直到变量不包含在序列seq中
for (i in 1:10) print("666")

• while

#语法：while (cond) statement#重复执行statement语句，直到cond不为真为止
i <- 10
while (i > 0) {print("666"); i <- i - 1}

• if

#语法：if (cond) statement
a <- c(1,2,3)
if (is.numeric(a))
    print('666')

• if else

#语法：if (cond) statement1 else statement2
a <- c(1,2,3)
if (is.character(a)) print('666')else print('nono')#if else不在一行报错

• ifelse

# 语法：ifelse(cond, statement1, statement2)#cond为TRUE执行statement1 否则执行statement2
ifelse(is.character(a), print('666'),print('nono'))#类似python中三目运算符

• switch

#switch根据一个表达式的值选择语句执行。语法为：
#switch(expr, ...)，类似python字典，给keys，取values
feelings <- c("sad", "afraid")
for (i in feelings)
    print(
        switch(i,
               happy = "I am glad you are happy",
               afraid = "There is nothing to fear",
               sad = "Cheer up",
               angry = "Calm down now"
        )
    )

---

参考资料

r-in-action-second-edition

同系列文章

---