R语言——基本操作（一）

目录

一、基本操作

二、R包的安装及使用

三、获取帮助

四、内置数据集

五、数据结构

六、向量索引

七、向量运算

参考

---

Rstudio?控制台常用快捷键

Ctrl + ↑ ：查看所有历史记录，比直接使用 ↑ 查找更方便

Esc：中断操作，可中断未完成的操作（未完成回车后是 + ），也可以清空命令。

Ctrl + L ：清空屏幕

Alt + Shift + K：显示R studio中所有的快捷操作

一、基本操作

getwd()：显示当前工作目录

setwd('E:/R')? : 修改当前工作目录地址，注意，此处要使用正斜线

list.files() 和 dir() ：查看目录下包含的文件

x <- 3：表示 x=3

x <<- 5 ：强制赋值给一个全局变量

sum(1,2,3,4,5) : 求和得15

mean(c(1,2,3,4,5)) or mean(c(1:5))：求均值得3，mean(1,2,3,4,5)得到的是1 ，因为mean()是对第一个参数求均值

ls：列出当前工作空间中定义的所有变量

str(x)：列出变量x的详细信息

ls.str()：列出当前工作空间中所有变量的详细信息（如值等）

ls(all.name = TRUE)：ls() 函数不能列出工作目录下的隐藏文件，添加“all.name=TRUE”就可以显示

rm(x)：删除工作空间中不需要的对象，也可以删除多个，用逗号隔开，删除后无法恢复

rm (list=ls())：删除工作空间中所有的对象

history()：列出历史记录，history(10) 列出最近的十条历史记录

save.image()：保存工作空间，避免软件异常退出，只会保留数据及绘图函数等。

二、R包的安装及使用

在线安装：

install.packages(" R 包名?") ： 注意：安装包，包名要用引号引起来

.libPaths() ：显示库所在的地址

library() ：显示库中所有的安装包

library(包名) 或 require(包名)：载入R包，这里的包名不需要用引号

R基础包在启动R时就会被加载进来：base、datasets、utils、grDevices、graphics、stats、methods、splines、stats4和tcltk。

R包的使用：

help(package=“包名”)：列出这个包的帮助文档

library(help="包名)：列出包的基础信息

ls("package:包名")：列出R包中所有的函数

data(package="包名")：列出R包中包含的所有数据集

detach("package: 包名")：移除加载的包，非删除，可重新使用require或library加载

remove.package("包名")：删除已安装的包

R包的批量移植，在新设备上克隆R包：

installed.packages()：列出当前环境中已安装的R包的所有信息

installed.packages()[,1]：获取到当前环境中已安装的包名

Rpack <- installed.packages()[,1]：将所有R的名字保存到一个文件中

save(Rpack, file="Rpack.Rdata")：保存

load("Rpack.Rdata")：在新设备上加载

for (i in Rpack) install.packages()：批量安装这些包

三、获取帮助

help.start()：获取R的帮助信息

help(函数名) 或 ?函数名：列出某函数的帮助信息，需加载包后再help

??函数名：不需要加载包就可以获取帮助信息

args(函数名)：直接在终端中输出函数的参数，快速了解函数的参数而不想查阅详细的文档

example(函数名)：获取函数的使用示例

example("hist")：也可以列出绘图示例

demo(graphics)：绘图的案例

help(package=包名)：查看R安装的某个包的帮助文档

help.search("heatmap")：不知道具体的函数名，模糊查询heatmap相关函数

apropos("sum", mod="function")：列出所有包含sum关键字的函数

RSiteSearch("matlab")：进行网络搜索，使用默认浏览器访问官网，help.search 和 ?? 都只能进行本地的搜索

四、内置数据集

help(package="datasets")：查看包中的所有数据集详细信息，数据集存储于datasets这个包中，打开R时默认已加载

data()：列出所有的数据集

数据集名：直接输入数据集的名字就可以使用这些数据集，如rivers

revers <- c(1,2,3)：选取前三条数据

data("rivers")：重新加载数据集，这里带引号

help("数据集名")：可直接查询某一数据集的详细信息

names(数据集名)：输出向量的属性名（columns）

state <- data.frame(state.abb, state.area, state.name)：将多条数据构成一个数据框

五、数据结构

数值型：数值可以用于直接计算，加减乘除

字符串型：可以进行连接， 转换，提取等

逻辑型：真或假

日期型等

向量是用于存储数值型、字符型或逻辑型数据的一维数组。

x <- c(1,2,3,4)：用函数 c 来创建向量，c 代表 concatenate 连接 ，也可以理解为collect， 或者合并combine。

元素为字符型要加引号

元素为逻辑型要全部大写，或大写简写，但不可首字母大写

用 “ ：”构建等差数列

使用seq() 函数中的 by?调整等差差值

seq() 函数中的 length.out 控制输出的个数

rep(重复元素，重复次数) 函数生成重复序列

重复元素可以是变量

可是用 each 设置重复方式

each 和 times 同时出现则重复次数为二者的乘积

?rep()函数中的 c(1,4,2,3)?用来控制 a 中每个元素重复的次数

向量中的元素必须是同一类型

数值型和字符串型一起定义时，数值型会被转化为字符串型，用mode(向量名)可以查看向量的类型。

向量运算 a × 2 + b

从a中取出大于3的值

rep()函数中的 c(1,4,2,3)?用来控制 a 中每个元素重复的次数

六、向量索引

正（负）整数索引

逻辑向量索引

名称索引

正负数索引?

length(x) ：计算向量的长度

x[3]：获取向量第三个元素，索引从 1 开始，x[0] 什么都不会输出

负整数索引：访问除了这个元素的其他元素

eg：不输出 2 这个元素

x[c(4:12)]：输出第 4 个到第 12 个元素

x[c(1,3,5,6)]：输出对应索引位置的元素

索引里不能既有正数，又有负数

逻辑向量索引?

使用逻辑向量进行向量的索引

输出对应位置为 TRUE的元素

只写一个 T 或 F 则所有元素判断为TRUE 或 FALSE

只有几个 T 或 F 则使用这些条件重复判断

多出一个判断条件，则显示 NA

也可用条件表达式输出符合条件的元素

%in% ：判断是否在，在则为TURE

判断z中的每个元素是否在c("one","two")中，在则为TURE，打印z中在c("one","two")中的元素。

名称索引

为向量添加属性名

然后就可以通过属性名访问元素

向量的增删改查?

在向量末尾添加元素

批量添加元素

在最后一个元素后的任意位置添加元素，中间没有元素的位置会置 NA

在向量中间添加元素

append(向量名，添加的值，添加在哪个位置后)

after为0则表示在向量头部添加元素

rm(向量名)：删除整个向量

删除向量中的某个元素，采用负整数索引

删除向量中的前两个元素

取出除前两个元素之外的其他元素，再存入新的向量中

修改向量中某个元素的值

若给数值型向量赋值一个字符串类型，则向量变为字符串型向量

七、向量运算

向量的加减乘除操作是对向量的每个元素进行计算

向量之间的运算，对应元素运算

幂运算 **，取余运算 %%，整除运算 %/%

如果两个向量长度不一致，则长的向量要是短的向量元素个数的倍数，短向量被重复计算

逻辑运算?

>, <, =, %in%等，返回 布尔值

x==y：比较两个对象是否相等，用两个等号

函数

abs(x）：计算绝对值

sqrt(x)：计算平方根

log(x,base=)：x为要求的值，base为底数，不加base等同于ln ，以10为底可以写为log10

exp(x)：计算向量中每个元素的指数

ceiling(x)：不小于x的最小整数

floor(x)：不大于x的最大整数

trunc(x)：返回整数部分

round(x, digits)：四舍五入，digits保留几位小数

sinif(x, digits)：四舍五入，digits保留有效数字的位数

sum(vector)：sum 求和，vector表示向量

max(vector)：求最大值

min(vector)：求最小值

range(vector)：返回向量的最大值和最小值

mean(vector)：求均值

var(vector)：求方差

prod(vector)：连乘

等

参考

R语言入门与数据分析