04#数据分析-R基础（1）

一、基本数据结构

创建向量和矩阵

        函数c()、length()、mode()、rbind()、cbind()

mode(X)         查看这个是什么类型的；

length()           查看这个向量的长度；

rbind(x1,x2)      两个向量合成一个矩阵

cbind(x1,x2)      两个向量竖着合成一个矩阵     

常用统计函数;

mean()、sum()、min()、max()、var()、sd()、prod()

mean(x)         平均值

sum()              求和

min()               求最小值

max(）           最大值

var()                求方差 (反应数据离散的情况)

sd()                 标准差

prod()             连乘

注意：

<-  就是等号（最好使用这个等于号！）

对象的类型：

数值型  Numeric  例如：100、200

字符型  Character  例如："china"

逻辑型  Logical     例如：true、false

因子型  Factor    表示不同类别

复数型  Complex   例如2+3i

在赋值的时候后面加L 就是变成整数类型

class() 查看数据类型

c1 & c2 是它们的交集运算 (“与”)，c1 | c2 是并集运算 (“或”)，!c1 是 c1 的非运算

向量写法：

等差数列赋值函数：

seq()函数  seq(from=,to=,by=,length.out=)

    参数“by”表示等差，参数“length.out”表示等差数列元素的个数

重复函数rep

rep(x,times=,each=,length.out=)  

times参数表示X的重复次数，参数“each”表示每个元素重复的次数，length.out表示截取前多少个元素

1.判断是否为数值型向量 
is.numeric(x) 
其他向量转换为数值型向量： as.numeric()
同样判断是否为字符、逻辑的函数： is.character()、is.logical()
转化为字符、逻辑的函数： as.character()、as.logical()

2.增加一个元素为6. 
x[6] <- 6如果直接写“ x[8] <- 6 ”那么x的第六和第七个元素自动赋值为“NA”，表示缺失值。

3.接上，删除向量中的缺失值。
x[is.na(x)=F]        b <- a[-which(is.na(a))]  #去掉缺失值
函数 is.na() 判断是否为缺失值。 “x[is.na(x)=F]”表示索引出x中不是缺失值的元素。“length(x[is.na(x)])”返回x中缺失值的个数。

4.删除最后一个元素 
x <- x[1:(length(x)-1)]
很简单，不解释了，应该可以看懂的

5.更改某个元素，如第三个元素改为8
x[3] <- 8

字符串向量：

paste()

letters常数

which()函数   输出位置

rev()函数、sort()函数    倒叙；正序

matrix()函数           向量变换为矩阵

t（）“矩阵转置”、矩阵加减

矩阵相乘、函数diag()   求对角线

矩阵求逆、函数rnorm() "正态分布随机数"、     solve()   “求逆矩阵”

求矩阵的特征值与特征向量

函数eigen()

数组：

         dim(x)<-c(2,3)

矩阵是数组的一个特殊情况

数据框：data.frame(x1,x2)                 x1与x2长度必须相等

plot（x） 画图

外表R文件读取 ：

> (x=read.table("abc.txt"))

>read.csv()    可以读取csv的文件

也可以直接将文本或exceld的数据通过剪切板读取

header=F代表不读取头