关于网络ppt内容的再次申名

• 以“>”开头引导编程代码，拷贝时不要拷贝这个符号到R的工作区，或者拷贝后删掉，方可运行代码

• “##”引导开头的是代码运行结果，请不要拷贝这个到R中

• 有括号的变量是R内置函数，有可能有参数也有可能没有参数

R语言支持的数据类型(回顾上节课的内容)

-数值型（numeric）

> x <- 2
> typeof(x)#检验数据类型的函数，下同

## [1] "double"

> mode(x)

## [1] "numeric"

> class(x)

## [1] "numeric"

> y <- 1L
> typeof(y)

## [1] "integer"

> mode(y)

## [1] "numeric"

> class(y)

## [1] "integer"

-复数型（complex）

> x <- 1
> y <- 1
> z <- complex(real = x, imaginary = y)#生成复数
> z

## [1] 1+1i

> typeof(z)

## [1] "complex"

-逻辑型（logical）

> x <- TRUE
> y <- NA
> typeof(x)

## [1] "logical"

> typeof(y)

## [1] "logical"

-字符型（character）

> x <- "1"
> typeof(x)

## [1] "character"

> mode(x)

## [1] "character"

> class(x)

## [1] "character"

变量

程序语言中的变量用来保存输入的值或者计算得到的值。 在R中，变量可以保存所有的数据类型， 比如标量、向量、矩阵、数据框、函数等。

R变量名必须以字母、数字、下划线和句点组成， 变量名的第一个字符不能取为数字

R语言的数据结构/数据存储的对象类型

注意数据类型和数据结构的区别！

-向量/Vector

-矩阵/Matrix

-数组/Array

-数据框/Dataframe

-列表/List

向量及向量索引

向量运算是R语言编程的核心和特色

在数学中向量是具有方向的矢量，R语言中向量是同类型数据的集合

-生成向量 手动输入（等差数列）、函数输入、数据集和外部数据导入

> x <- 1:10#直接创建等差数列
> x

##  [1]  1  2  3  4  5  6  7  8  9 10

> class(x)

## [1] "integer"

> y <- c(2,5,7,-1,3,5)# c()函数创建 combine/connect/concatenate
> y

## [1]  2  5  7 -1  3  5

> class(y)

## [1] "numeric"

> seq(0,15,by=3)#生成序列

## [1]  0  3  6  9 12 15

> ?seq#帮助的例子
> rep(3,5)#重复生成

## [1] 3 3 3 3 3

> rep(3:10,2)

##  [1]  3  4  5  6  7  8  9 10  3  4  5  6  7  8  9 10

> rep(3:10,each=2)

##  [1]  3  3  4  4  5  5  6  6  7  7  8  8  9  9 10 10

> w <- c("Hi","Hello")
> class(w)

## [1] "character"

> LETTERS

##  [1] "A" "B" "C" "D" "E" "F" "G" "H" "I" "J" "K" "L" "M" "N" "O" "P" "Q" "R" "S"
## [20] "T" "U" "V" "W" "X" "Y" "Z"

> letters

##  [1] "a" "b" "c" "d" "e" "f" "g" "h" "i" "j" "k" "l" "m" "n" "o" "p" "q" "r" "s"
## [20] "t" "u" "v" "w" "x" "y" "z"

> rnorm(10)

##  [1] -0.8330478  1.3731439  0.7663551  0.6074117 -1.0415817 -1.0018527
##  [7]  1.3200754  1.5555368 -0.6643449  0.2579656

向量索引

R向量是按下标索引，并且从1开始。

-向量索引 序号索引和逻辑索引

> x <- 10:20#直接创建
> x[3:5]

## [1] 12 13 14

> x[5:3]

## [1] 14 13 12

> x[c(1,9)]

## [1] 10 18

> x[-8]

##  [1] 10 11 12 13 14 15 16 18 19 20

> x[TRUE]

##  [1] 10 11 12 13 14 15 16 17 18 19 20

> x[FALSE]

## integer(0)

> x[c(T,F)]

## [1] 10 12 14 16 18 20

> x[-c(T,F)]

##  [1] 11 12 13 14 15 16 17 18 19 20

> x[c(F,T)]

## [1] 11 13 15 17 19

> x>13

##  [1] FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE  TRUE

> x[x>13]

## [1] 14 15 16 17 18 19 20

> LETTERS[1:3];letters[1:3];

## [1] "A" "B" "C"

## [1] "a" "b" "c"

向量元素修改

> x <- 10:20#直接创建
> x[1] <- 1
> x[15] <- 1
> x

##  [1]  1 11 12 13 14 15 16 17 18 19 20 NA NA NA  1

> is.na(x)

##  [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE
## [13]  TRUE  TRUE FALSE

> x <- na.omit(x)
> x <- x[-c(1,12)]
> x

##  [1] 11 12 13 14 15 16 17 18 19 20

向量排序

> z <- runif(10)*100# 生成随机均匀分布
> z <- round(z)#取整，四舍五入
> sort(z)

##  [1] 10 28 30 42 70 77 86 88 93 98

> sort(z,decreasing = T)

##  [1] 98 93 88 86 77 70 42 30 28 10

> rev(z)#对比z理解这个函数的内涵

##  [1] 42 86 77 93 70 30 28 88 10 98

> w <- sample(LETTERS,10)
> w

##  [1] "K" "N" "W" "Y" "M" "U" "S" "A" "X" "B"

> sort(w)

##  [1] "A" "B" "K" "M" "N" "S" "U" "W" "X" "Y"

> rank(w)#位置信息

##  [1]  3  5  8 10  4  7  6  1  9  2

> order(w)

##  [1]  8 10  1  5  2  7  6  3  9  4

向量运算

-向量加减法运算

> x <- 10:20#直接创建
> y <- 30:40
> x+y

##  [1] 40 42 44 46 48 50 52 54 56 58 60

> z <- 1:5
> x+z

## Warning in x + z: longer object length is not a multiple of shorter object
## length

##  [1] 11 13 15 17 19 16 18 20 22 24 21

向量乘算运算

> x <- 1:4#直接创建
> y <- 5:8
> x*2

## [1] 2 4 6 8

> x*y

## [1]  5 12 21 32

> x%*%y#内积

##      [,1]
## [1,]   70

> crossprod(x,y)#内积第二种方法

##      [,1]
## [1,]   70

> x%o%y#向量外积方法1

##      [,1] [,2] [,3] [,4]
## [1,]    5    6    7    8
## [2,]   10   12   14   16
## [3,]   15   18   21   24
## [4,]   20   24   28   32

> outer(x,y)#向量外积方法2

##      [,1] [,2] [,3] [,4]
## [1,]    5    6    7    8
## [2,]   10   12   14   16
## [3,]   15   18   21   24
## [4,]   20   24   28   32

> tcrossprod(x,y)#向量外积方法3

##      [,1] [,2] [,3] [,4]
## [1,]    5    6    7    8
## [2,]   10   12   14   16
## [3,]   15   18   21   24
## [4,]   20   24   28   32

向量初等数学函数运算

> x <- 1:4#直接创建
> sqrt(x)

## [1] 1.000000 1.414214 1.732051 2.000000

> x^2

## [1]  1  4  9 16

> exp(x)

## [1]  2.718282  7.389056 20.085537 54.598150

> log(x)

## [1] 0.0000000 0.6931472 1.0986123 1.3862944

> sin(x)

## [1]  0.8414710  0.9092974  0.1411200 -0.7568025

> sin(x*pi)

## [1]  1.224606e-16 -2.449213e-16  3.673819e-16 -4.898425e-16

> cos(x)

## [1]  0.5403023 -0.4161468 -0.9899925 -0.6536436

> cos(x*pi)

## [1] -1  1 -1  1

向量统计函数运算

> set.seed(1111)
> x <- rnorm(100,1,2)#100个平均值为1，标准差为2的正态分布随机数
> min(x)

## [1] -4.861693

> which.min(x)

## [1] 6

> max(x)

## [1] 6.94693

> which.max(x)

## [1] 100

> range(x)

## [1] -4.861693  6.946930

> mean(x)

## [1] 1.483015

> var(x)

## [1] 4.873137

> sd(x)

## [1] 2.207518

> median(x)

## [1] 1.359668

> summary(x)

##     Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
## -4.86169 -0.04547  1.35967  1.48301  2.93994  6.94693

> length(x)

## [1] 100

问题？