R语言 常用命令
Posted 小程在线
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了R语言 常用命令相关的知识，希望对你有一定的参考价值。
关注微信公共号：小程在线
现在公共号更改了推送规则，为了您能方便的接受消息，阅读完之后，麻烦点击下在看或点赞或评论，谢谢！
关注CSDN博客：程志伟的博客
#初始基本操作
> getwd("F:/R语言/xuexi")
#获取工作目录。
> setwd("F:/R语言/xuexi")
#设定工作目录为F:/R/myfun。
> args(com)
#查看命令com的变量格式。
> library()
#列出已安装的包。
> library(ggplot) #或用
> require(ggplot)
#载入包ggplot。
> library(help = AER)
#获取包AER的信息。
> detach(package:zoo)
#去除载入的包zoo。
> search(reshape)
#列出已载入的包。
> data()
#列出已载入的包中的所有数据集。
> data(package = .packages(all.available = TRUE))
#列出已安装的包中的所有数据集。
> try(data(package = "AER") )
#列出包AER里的所有数据集。
> data(Affairs, "BankWages")
#读入数据集Affairs和BankWages(这些数据集需已在data()中列出)。
> help(Affairs)
#获取数据集Affairs的信息。
> attach(Affairs)
#贴上数据集Affairs，其作用是可以直接对数据集里的变量进行操作。
> detach(Affairs)
#上述操作的逆操作。
#对一般对象的基本操作
>objects()
>ls()
#列出所有对象。
> mode(x)
#查看对象x的模式：空，数值，字符，逻辑，复数，列表，函数(NULL，numeric，character，logical，complex，list，function)。
> class(x)
#查看对象x的类型：除了mode里列出的几种类型外，还有整数，矩阵，因子，阵列，数据框，时间序列(integer，matrix，factor，array，data frame，ts)等其他类型。mode主要用于区别数据存放的方式，而class是一种更细微的分类方式，比如矩阵，就是一种更“有序”的数据存放方式。此命令比mode常用。
> as.matrix(x)
#把对象x转为矩阵型。
> as.numeric(x)
#把对象x转为数值型。
>as.factor(x)
#把对象x转化为因子型。
> str(x)
#查看对象x的结构。str是structure的缩写。
> rm(x)
#移除对象x。
> rm(list=ls(all=TRUE))
#移除所有对象。
>head(x)
#查看数据的前6行
#与向量有关的基本操作
> x = c(1,2,4)
#生成元素依次为1,2,4的向量x，这里的c是concatenate的意思。注意其类型是数值，不是矩阵。
> x = c("a","b","cd")
#生成元素依次为"a","b","cd"的字符向量x。
> x = paste("a","b","cd")
#生成"a b cd"的字符x。
> x[a:b]
#向量x的第a到b个元素。
> x[-i]
#剔除向量x第i个元素所得的向量。
> length(x)
#向量x的长度。
> x = seq(a, b, length = n)
#生成以一个n维数值型向量x，第一个元素为a，最后一个元素为b，中间元素依次等距递增。(假设a<b)
> x = seq(a, b, c)
#生成一个数值型向量x，第一个元素为a，其后元素依次加c，直到最后一个元素加c大于b。(假设a<b)
> x = seq(a)
#从1开始生成一个递增或递减数值型向量x，最后一个元素绝对值为小于等于|a|的最大整数。
> x = a:b
#生成一个从a递增(减)到b的数值型向量x。(a和b都是整数)
> x = rep(v, n)
#对向量v进行n次复制生成新的向量x。
> x = rep(v, each = n)
#依次对向量v的每个元素复制n此生成新的向量x。
> x = round(v)
#生成一个向量x，其中每个元素是v对应元素的最近整数。
> order(x)
#获得向量x第i大元素在向量中的位置。
> rank(x)
#获得向量x每个元素大小位置。
> sort(x)
#对向量x从小到大进行排序。降序：sort(x, decreasing = TRUE)。
> tapply(x,f,g)
#根据因子f对向量x分类执行函数g。
> split(x,f)
#向量x按因子f分类。
> diff(x)
#返回向量x的差分向量。
> cumsum(x)
#返回向量x的累加向量。
#与矩阵有关的基本操作
> M = matrix(0,c(m,n))
#生成m行n列的0矩阵。
> M = rbind(X,Y)
#按行合并矩阵X和Y形成新矩阵M。(X和Y列数需相同）
> M = cbind(X,Y)
#按列合并矩阵X和Y形成新矩阵M。(X和Y行数需相同）
> colnames(M)
#矩阵M的列名。
> rownames(M)
#矩阵M的行名。
> nrow(M)
#矩阵M的行数。
> ncol(M)
#矩阵M的列数。
> diag(M)
#矩阵M的对角线元素形成的向量
> M = diag(x)
#生成以向量x为对角线元素，其他位置元素为0的矩阵M。
> dim(M)
#矩阵M的维度。
> M[i,]
#矩阵M第i行。(数值型)
> M[i,,drop = FALSE]
#矩阵M第i行。(矩阵型)
> M = M[-i,]
#删除矩阵M第i行。
> M[,j]
#矩阵M第j列。
> M[i,j]
#矩阵M第i行j列元素。
> t(M)
#矩阵M的转置。若M为数值型向量，则t(M)为矩阵型行向量。
> X%*%Y
#矩阵X乘矩阵Y。若Y是数值型的向量，R会自动判断其为行向量还是列向量。若X与Y为维度匹配的数值型向量，则返回的是矩阵型向量的内积。
> x%o%y
#数值型向量x与y的外积(矩阵型)。
> X*Y
#矩阵X与矩阵Y的Hadamard乘积。加、减、除、求余的规则和乘相同，即相同位置的元素进行运算。
> eigen(M)$val
> eigen(M)$vec
#求矩阵M的特征值和特征向量。
> solve(M)
#矩阵M求逆。
> solve(A,b)
#求解线性方程Ax=b。
> apply(M, dimcode, f, fargs)
#对矩阵M的行(dimcode=1)或列(dimcode=2)依次进行函数f操作，f的变量(arguments)方正fargs里。
#与列表有关的基本操作
> L = list(a = , b = , c = ,...)
#建立列表L。
> L$a
> L[[a]]
#返回列表L里的对象a。
> L$a = NULL
#去除列表L里的对象a。
> names(L)
#列出列表L里的对象名。
> unname(L)
#去掉列表L里的对象名。
> lapply(...)
#list apply。功能与apply类似(参考上面的apply)，用于列表型数据。
> sapply(...)
#simplified apply。功能与lapply类似，区别在于函数结果的类型不是列表(list)。
#与数据框有关的基本操作
#数据框是一种特殊的列表，所以对列表适用的函数往往对数据框也适用。此外，数据框也有矩阵型数据的特征，所以一些适用于矩阵型数据的函数，不如rbind，cbind，apply等也可以作用在数据框上。
> Data = data.frame(...)
#创建数据框Data。
> fix(Data)
#编辑数据框Data。
> head(Data)
#显示数据框Data的前几行。
> attribute(Data)
#列出数据框Data的组成部分。
> names(Data)
#显示数据框Data的变量名。
> row.names(Data)
#显示数据框Data的行名。
> Data$name1
#数据框Data中名为name1的变量。
> Data[i]
#数据框Data中第i个变量形成的数据框。
> merge(D1,D2)
#合并数据框D1和D2，需要D1和D2中有至少一个相同的变量。
#与逻辑型数据有关的基本操作
> is.data.frame(x)
#判断是否对象x是数据框。类似命令有is.ts(x)，is.numeric(x)等。
> all(x>a)
#判断是否对象x的每个元素都大于a。
> any(x>a)
#判断对象x的元素中是否存在一个大于a。
> x>y
#判断x的每个元素是否大于y的每个元素。
> x[x>a]
#向量x中大于a的元素组成的新向量。
> subset(x, x>a)
#向量x中大于a的元素组成的新向量。与上面例子的区别在于若向量元素里有NA，上面的例子会保留在结果中，而subset命令会剔除掉。
> which(x, x>a)
#返回向量中大于a的元素的位置。
> x = ifelse(b, u, v)
#生成一个与b(逻辑向量)维度相同的数值向量，若b[i]为TRUE，则x[i]为u，反之为v。
以上是关于R语言 常用命令的主要内容，如果未能解决你的问题，请参考以下文章