R 语言语法快速浏览

来源：互联网发布：noteshelf软件功能编辑：程序博客网时间：2024/05/22 13:28

1、自定义函数

Huang <- function(n,Mean,Variance,Left_lim,Right_lim,Up_lim,Down_lim,method="Density")   ###括号中为形参，"Huang"为函数名{    if(method=="Density")        {        set.seed(1)        x <- seq(Left_lim,Right_lim,length.out=n)  ##seq()函数表示生成一个n个值的等差数列，首项为Left_lim,末项为Right_lim        Fei <- dnorm(x,Mean,Variance)  ##产生正态密度分布随机数        my_distribution_y <- exp(Fei)        plot(x,my_distribution_y,col="red",xlim=c(Left_lim,Right_lim),ylim=c(Up_lim,Down_lim),type='l',xaxs="i", yaxs="i",ylab='density',xlab='',main="My own Distribution")        return(my_distribution_y)        }    else if(method=="Distribution")        {        set.seed(1)        x <- seq(Left_lim,Right_lim,length.out=n)        Fei <- rnorm(x,Mean,Variance)  ##产生正态分布随机数        my_distribution_y <- exp(Fei)        plot(x,my_distribution_y,col="red",xlim=c(Left_lim,Right_lim),ylim=c(Up_lim,Down_lim),xaxs="i", yaxs="i",ylab='Distribution',xlab='',main="My own Distribution")        return(my_distribution_y)        }}###函数调用Huang(10000,0,1,-4,4,0,2,"Density")Huang(10000,0,1,-4,4,0,50,"Distribution")

2、矩阵操作

2.1 创建一个向量

在R中可以用函数c()来创建一个向量，例如：

> x=c(1,2,3,4)> x[1] 1 2 3 4

2.2 创建一个矩阵
在R中可以用函数matrix()来创建一个矩阵，应用该函数时需要输入必要的参数值。

> args(matrix)function (data = NA, nrow = 1, ncol = 1, byrow = FALSE, dimnames = NULL)

data项为必要的矩阵元素，nrow为行数，ncol为列数，注意nrow与ncol的乘积应为矩阵元素个数，byrow项控制排列元素时是否按行进行，dimnames给定行和列的名称。例如：

> matrix(1:12,nrow=3,ncol=4)    [,1] [,2] [,3] [,4][1,]   1   4   7   10[2,]   2   5   8   11[3,]   3   6   9   12> matrix(1:12,nrow=4,ncol=3)    [,1] [,2] [,3][1,]   1   5   9[2,]   2   6   10[3,]   3   7   11[4,]   4   8   12> matrix(1:12,nrow=4,ncol=3,byrow=T)    [,1] [,2] [,3][1,]   1   2   3[2,]   4   5   6[3,]   7   8   9[4,]   10   11   12 > rowname[1] "r1" "r2" "r3"> colname=c("c1","c2","c3","c4")> colname[1] "c1" "c2" "c3" "c4"> matrix(1:12,nrow=3,ncol=4,dimnames=list(rowname,colname))  c1 c2 c3 c4r1 1 4 7 10r2 2 5 8 11

2.3 矩阵转置
A为m×n矩阵，求A’在R中可用函数t()，例如：

> A=matrix(1:12,nrow=3,ncol=4)> A   [,1] [,2] [,3] [,4][1,]   1   4   7   10[2,]   2   5   8   11[3,]   3   6   9   12> t(A)   [,1] [,2] [,3][1,]   1   2   3[2,]   4   5   6[3,]   7   8   9[4,]   10   11   12

若将函数t()作用于一个向量x，则R默认x为列向量，返回结果为一个行向量，例如：

> x[1] 1 2 3 4 5 6 7 8 9 10> t(x)  [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10][1,]   1   2   3   4   5   6   7   8   9   10> class(x)[1] "integer"> class(t(x))[1] "matrix"

若想得到一个列向量，可用t(t(x))，例如：

> x[1] 1 2 3 4 5 6 7 8 9 10> t(t(x))    [,1][1,]   1[2,]   2[3,]   3[4,]   4[5,]   5[6,]   6[7,]   7[8,]   8[9,]   9[10,]  10> y=t(t(x))> t(t(y))    [,1][1,]   1[2,]   2[3,]   3[4,]   4[5,]   5[6,]   6[7,]   7[8,]   8[9,]   9[10,]   10

2.4 矩阵相加减
在R中对同行同列矩阵相加减，可用符号：“＋”、“－”，例如：

> A=B=matrix(1:12,nrow=3,ncol=4)> A+B    [,1] [,2] [,3] [,4][1,]   2   8   14   20[2,]   4   10   16   22[3,]   6   12   18   24> A-B   [,1] [,2] [,3] [,4][1,]   0   0   0   0[2,]   0   0   0   0[3,]   0   0   0   0

2.5 数与矩阵相乘
A为m×n矩阵，c>0，在R中求cA可用符号：“*”，例如：

> c=2> c*A    [,1] [,2] [,3] [,4][1,]   2   8   14   20[2,]   4   10  16   22[3,]   6   12  18   24

2.6 矩阵相乘
A为m×n矩阵，B为n×k矩阵，在R中求AB可用符号：“％*％”，例如：

> A=matrix(1:12,nrow=3,ncol=4)> B=matrix(1:12,nrow=4,ncol=3)> A%*%B    [,1] [,2] [,3][1,]   70  158 246[2,]   80  184 288[3,]   90  210 330

若A为n×m矩阵，要得到A’B，可用函数crossprod()，该函数计算结果与t(A)%*%B相同，但是效率更高。例如：

> A=matrix(1:12,nrow=4,ncol=3)> B=matrix(1:12,nrow=4,ncol=3)> t(A)%*%B    [,1] [,2] [,3][1,]  30   70 110[2,]  70  174 278[3,] 110  278 446> crossprod(A,B)    [,1] [,2] [,3][1,]  30  70 110[2,]  70 174 278[3,] 110 278 446

矩阵Hadamard积：若A={aij}m×n, B={bij}m×n, 则矩阵的Hadamard积定义为：
A⊙B={aij bij }m×n,R中Hadamard积可以直接运用运算符“*”例如：

> A=matrix(1:16,4,4)> 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> B=A> A*B    [,1] [,2] [,3] [,4][1,]   1   25   81 169[2,]   4   36 100 196[3,]   9   49 121 225[4,]   16   64 144 256

R中这两个运算符的区别加以注意。

2.7 对矩阵进行某个维度的运算（apply函数）

apply函数是对一个Matrix或者Array进行某个维度的运算。其格式是：

Apply(数据,维度Index,运算函数,函数的参数)

对于Matrix来说，其维度值为2，第二个参数维度Index中，1表示按行运算，2表示按列运算。下面举一个例子：

m<-matrix(1:6,2,3)

构建一个简单的2行3列的矩阵，内容为：

     [,1] [,2] [,3][1,]    1    3    5[2,]    2    4    6

如果我们要计算每一行的sum值，那么我们可以写为：

apply(m,1,sum)[1]  9 12

如果要计算每一列的mean值，那么改为：

apply(m,2,mean)[1] 1.5 3.5 5.5

假如某个值为NA，那么要忽略NA值，进行每一行的SUM怎么办呢？

m[2,2]<-NA     [,1] [,2] [,3][1,]    1    3    5[2,]    2   NA    6apply(m,1,sum)[1]  9 NA

本身sum函数有一个参数na.rm，我们可以将这个参数带人到apply函数中，作为第4个参数：

apply(m,1,sum,na.rm=TRUE)[1] 9 8

需要注意的是如果是Data Frame，那么系统会将其转为Matrix，如果所有Column不是数字类型或者类型不一致，导致转换失败，那么apply是运算不出任何一列的结果的。

3 循环

for(name in statement)
{expression}
其中，name为循环，statement一般为一向量，expression一般为组合表达式。
例1：

for(n in c(2,5,10,20,50)){    x <- rnorm(n)    cat(n,":",sum(x^2),"\n") }2:0.41241395:5.20287510:13.9651320:20.0769650:58.16209

例2：

norm <- rnorm(100,1,1)min.norm <- 100for(i in 1:100){    if(norm[i] <= min.norm)    {        min.norm = norm[i]        min.count = i    }}

while循环与其他编程语言，如C语言类似。

2 0