R函数全纪录

函数全纪录

base包：

names():

这个函数可以返回一个向量，显示的是用做参数的类型里所有可以用"$"访问的变量名。

length(x):
返回x的长度tail(c/dataframe,n):
取向量/数据框最后几行head(c/dataframe,n );
取向量/数据框前面几行cat()函数，后面的参数任意多，用来将所有参数连接起来，并且输出到显示屏。如果作为函数返回，返回NULLstop()函数，在显示屏输出，ERROR+参数内容。summary()函数用来查看统计结果。methods()参数是泛型函数的函数名，可以用来查看函数支持输入的类对象有哪些。加载包：library(packagename);卸载包：detach(package:packagename)search()和ls()结合使用：
命令 search()可以告诉你哪些包已加载并可使用。
search()
[1] ".GlobalEnv" "package:cluster" "package:scatterplot3d" "tools:rstudio"
[5] "package:stats" "package:graphics" "package:grDevices" "package:utils"
[9] "package:datasets" "package:methods" "Autoloads" "package:base"
如果我们想看".GlobalEnv" 就可以键入 ls(1),如果想看"package:cluster" 中的变量函数就可以键入ls(2)，依次类推。
ls()不带参数，默认ls(1)
ls还可以带一个pattern参数，这个参数可以模糊匹配，例如想要找到包含字母"a"的变量，可以使用ls(pattern="a")jitter(x)
函数，给向量x上的每个数增加一个小的噪声。

apply()函数，可将一个任意函数“应用”到矩阵、数组、数据框的任何维

度上。apply函数的使用格式为：

apply(x,MARGIN,FUN,...)

其中，x为数据对象，MARGIN是维度的下标，FUN是由你指定的函数，而...则包括了任何想传递给FUN的参数，例如有一个函数f(x,y,z)，调用函数apply(dataframe,1,f,2,3),表示在dataframe的每一行调用f(x,2,3)。在矩阵或数据框中，MARGIN=1表示行，MARGIN=2表示列。

apply(algae,1,function(x)sum(is.na(x)))指令解释：统计数据框algae每行数据有多少个缺失值。

sapply(a,fun)函数的第一个参数是一个向量/矩阵，第二个参数为一个函数。
此函数的作用是将a的每一个元素都运用fun并返回所有结果。
USE.NAMES 参数 : 默认为TRUE,如果a是字符串,a变化前的值会成为变化后的值的names属性.lapply(X, FUN, ...)：list的apply函数，在list里的每一个元素调用fun。
例如：
x <- list(a = 1:10, beta = exp(-3:3), logic = c(TRUE,FALSE,FALSE,TRUE))
lapply(x, mean)
输出：
$a
[1] 5.5

$beta
[1] 4.535125

$logic
[1] 0.5
tapply(X, INDEX, FUN, ..., simplify = TRUE):
使用例子:
height <- c(174, 165, 180, 171, 160)
sex<-c("F","F","M","F","M")
tapply(height, sex, mean)
F M
170 170mapply(FUN, ..., MoreArgs = NULL, SIMPLIFY = TRUE, USE.NAMES = TRUE):
这个函数很有用,可以执行FUN函数多次
例子说明:
mapply(rep, 1:4, 4:1)
意思是执行了:
rep(1,4)
rep(2,3)
rep(3,2)
rep(4,1)
输出为:
[[1]]
[1] 1 1 1 1

[[2]]
[1] 2 2 2

[[3]]
[1] 3 3

[[4]]
[1] 4

取消科学计数法options(scipen=200)：

options( java.parameters = "-Xmx4000m")

增加正在使用的窗口的java虚拟机内存.

函数aperm(a, perm)可以用来重排一个数组a

例如：

> B <- aperm(A, c(2,3,1))

解释：A是一个三维数组用A[i,j,k]表示，则c(2,3,1)表示交换i，j，k的位置，B就表示三维数组A[j,k,i]

diag()

函数diag()的含义依赖于它的参数。当 v是一个向量时， diag(v)返回以该向量元素为对角元素的对角矩阵。当M 是一个矩时，diag(M)返回 M的对角元素。这和Matlab中diag() 的用法完全一致。不过有点混乱的是，如果 k 是单个值 4，那么diag(k)的结果就是 k × k 的方阵！

用例：

> diag(3)
[,1] [,2] [,3]
[1,] 1 0 0
[2,] 0 1 0
[3,] 0 0 1
> diag(c(1:3))
[,1] [,2] [,3]
[1,] 1 0 0
[2,] 0 2 0
[3,] 0 0 3
> diag(array(1:16,c(4,4)))
[1] 1 6 11 16

矩阵求逆，solve函数

> solve(A,b)

求解线性方程组，并且返回 x (可能会有一些精度丢失 )。注意，在线性代数里面该值

表示为x= A¡1b ，其中A¡1表示A的逆（ inverse）。矩阵的逆可以用下面的命令计

算，

solve(A)

不过一般很少用到。在数学上，用直接求逆的办法解 x <- solve(A) %*% b相比 solve(A,b)不

仅低效而且还有一种潜在的不稳定性。

用于多元计算的二次型 x0A¡1x可以通过5像x %*% solve(A,x)的方式计算得到，

而不是直接计算 A的逆。

求矩阵特征值和特征向量eigen()函数。

> a
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 2 6 10 14
[3,] 3 7 11 15
[4,] 4 8 12 16
> eigen(a)
$values
[1] 3.620937e+01 -2.209373e+00 -1.050249e-15 8.203417e-16

$vectors
[,1] [,2] [,3] [,4]
[1,] -0.4140028 -0.82289268 0.4422036 -0.1001707
[2,] -0.4688206 -0.42193991 -0.3487083 0.5349238
[3,] -0.5236384 -0.02098714 -0.6291942 -0.7693354
[4,] -0.5784562 0.37996563 0.5356989 0.3345823

计算矩阵行列式，prod()函数：

a同上：

> prod(a)
[1] 2.092279e+13

矩阵奇异值分解，svd()函数：

函数svd(M)可以把任意一个矩阵 M作为一个参数, 且对 M进行奇异值分解。这包括一个和M 列空间一致的正交列 U 的矩阵，一个和M 行空间一致的正交列 V 的矩阵，以及一个正元素D 的对角矩阵，如 M = U %*% D %*% t(V)。D实际上以对角元素向量的形式返回。svd(M) 的结果是由d, u和v构成的一个列表。

计算频率函数table()：

单个因子会把各部分数据分成不同的组。类似的是，一对因子可以实现交叉分组等。函数table() 可以从等长的不同因子中计算出频率表。如果有 k 个因子参数，那么结果将是一个k-维的频率分布数组。

table函数参数的数量，决定了这个函数计算频数的方法。可以试着运行一下指令查看结果：

> table(c(1:4,2:4))

> table(c(1:4,1:4),c(2,3,3,5,2:5))

table函数在多变量的情况下要保证每个变量的长度相同。

生成连续区间的函数cut():

cut()函数可用两个参数，两个参数都应该是向量，第一个向量表示要统计其所属区间的数字，第二个向量表示各个区间的中间数。

运行一下指令：

> cut(c(36:47),35+10*(0:7))
[1] (35,45] (35,45] (35,45] (35,45] (35,45] (35,45] (35,45] (35,45] (35,45] (35,45] (45,55] (45,55]
Levels: (35,45] (45,55] (55,65] (65,75] (75,85] (85,95] (95,105]

可以看到Levels 就是生成的连续区间。

赋值函数assign()：

assign("x", c(10.4, 5.6, 3.1, 6.4, 21.7)) 等价于 x<-c(10.4, 5.6, 3.1, 6.4, 21.7)

生成有固定步长的向量函数，seq：

seq(-5, 5, by=.2) -> s3

将向量c(-5.0, -4.8, -4.6, ..., 4.6, 4.8, 5.0)赋给 s3

is.na()、is.nan()判断空值和非数字符号。

类型转换函数as.something()：

例如:

as.character()

as.integer()

将数据框、列表中的局部变量当做全局变量使用的attach()函数和去除绑定的函数detach()：

函数attach()除了可以用目录路径作为参数，也可以使用数据框。假定数据框lentils有三个变量 lentils$u, lentils$v, lentils$w，那么

> attach(lentils)

使用以上指令之后可以使用如下指令直接访问，u,v,w

>u

>v

>w

用了attach函数之后，要真正改变数据框中的变量还是要使用lentils$u <- v+w这样的写法。

去除数据框绑定，直接使用函数detach()不需要使用参数。

显示矩阵、数组的维度名字的函数dimnames()：

例如将矩阵temp的行列标识去掉：

> temp <- X

>dimnames(temp) <- list(rep("", nrow(X)), rep("", ncol(X)))

which(x)函数：
这个函数的参数是一个布尔向量或布尔矩阵，which找出所有TRUE的位置对应的索引号。ifelse(test,yes,no)：
test为TRUE，返回yes否则返回no。rownames()：
取矩阵的行名。colnames():
取矩阵的列名。split(x,list)函数：
split.data.frame:
用在dataframe上的spit函数，是返回一个列表，这个列表按照参数list进行分组。get(x, pos = -1, envir = as.environment(pos), mode = "any", inherits = TRUE)：
这个函数很吊，可以根据变量名来获得命名空间的变量，例如：
> op
$bg
[1] "white"
> get("op")
$bg
[1] "white"
choose(n,m)：
从总体n中挑出m个的组合数。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，将一个连续的变量x分割为n个区间。绘图常用rm(x):
删除变量unique(x):
x是一个向量,unique用来去重.
unlist(list):
将list转化成一个向量

attr(x, which):

取特殊属性值或者给特殊属性赋值

print(x)/str(x)：

这两个函数用来打印结果。

getwd():

获取回话窗口当前路径。

help(package=base):

help函数可以用来查函数文档，也可以像上面这样来查package的文档。

vector(mode = "logical", length = 0):

初始化特定长度的向量。

readLines(path,encoding = "unknown"):
例子:
QQrecords <- readLines("C:\\Users\\wuchlong\\Documents\\QQrecords.txt", encoding = "UTF-8")

with(data,common)函数：

with函数用来控制局部变量，data中的变量只能在with中使用

---

util包

install.packages("pkgname")：
下载包，如果不带参数。表示查看当前已经在R中安装的包。library(pkgname)：
加载包进R，如果不带参数表示当前R中已经加载的包。old.packages()：
检查CRAN上是否有已安装的R添加包的更新版本。update.packages()：
更新所有已安装的R软件包。

产生交互界面供分析人员编辑数据的函数edit()函数：

如果需要编辑矩阵和数据框，例如a是一个矩阵，则使用以下指令会弹出窗口：

>edit(a)

example()函数：
这个函数会为你显示函数说明文档中的例子。
例如，执行：
example(seq);
执行以上语句，seq说明文档中的例子就会被显示出来。?? 函数：
就是用来查看帮助文档的。write.csv函数，用来导出文件：
例子：
write.csv(cl12$centers, file = "C:\\Documents and Settings\\yanghuanbin\\桌面\\foo.csv")write.table函数,示例代码:
write.table(QQrecords2,"/root/已处理.txt", quote = F, row.names = FALSE, col.names = FALSE)combn(n,m)：
在n个数中，挑出所有组合，组合的容量为m。
例子：
combn(5,2)
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
[1,] 1 1 1 1 2 2 2 3 3 4

[2,] 2 3 4 5 3 4 5 4 5 5

help.search(string):

help.search函数可以用来搜索符合string描述的内容。例如：

help.search("linear models")

read.table(.....)

这个函数用来按分隔符读取文件,成一个data.frame

---

stats包：

t.test(x, y) 函数用来比较两个样本x和y的均值和方差，就是T检验，检验均值和方差。
t.test(x)函数用来计算样本x的期望置信区间。prop.test(n, x)函数可以用来计算x个样本n次出现目标数据的比例的置信区间函数qqPlot(x)，此函数给出正态分布的95%置信区间的带状图。cor()函数的功能是产生变量之间的相关值矩阵。symnum()函数，使相关系数变得更容易观察。lm()函数用来获取形如的线性模型。

最小二乘法，函数lsfit()：

函数lsfit()返回最小二乘法拟合（Least squares ¯tting）的结果列表。赋值可以采用入下命令

> ans <- lsfit(X, y)

complete.cases(dataframe)：
返回一个向量，此向量标志了dataframe里哪些行没有空值。predict函数：
在stats包中有predict.lm和predict.glm两个函数。这两个函数用来预测拟合后的直线结果。
x <- rnorm(15)
y <- x + rnorm(15)
predict(lm(y ~ x))
new <- data.frame(x = seq(-3, 3, 0.5))
predict(lm(y ~ x), new, se.fit = TRUE)

spline()函数：

三次插值函数，假设x，y是长度为20的一对向量。

则使用spline(x,y)会形成一个含有x，y两个因子的列表。并且x，y的长度都为60。从min(x)到max(x)将数字平均分成60份，赋值到list$x中，y也进行了同样的处理。

可以设置为spline(x,y,n=100)，设置了n参数，就会将数据分成n份。

ftable(table/ftable):

以一个容易被理解的形式现实多维列联表：

ftable(table(c(1:4,1:4),c(2,3,3,5,2:5),c(2,3,3,5,2:5)))

---

lattice包

equal.count(na.omit(algae$mnO2),number=4,overlap=1/5) 指令解释为，忽略algae$mnO2中的缺省值，将algae$mnO2的数转化成4个区间，每个区间的数据个数相同，overlap设置两个区间之间靠近边界的重合（这意味着某些观测值将被分配到两个区间），na.omit()函数将数据框中含有缺失值的行剔除，并返回剔除后的结果，函数在lattice包中。