R语言基础 chapter 1

一、创建向量和矩阵

函数：c(),length(),mode(),rbind(),cbind()

x1 <- c(2,4,6,8,0)
x2 <- c(1,3,5,7,9)
length(x1)
[1] 5

mode(x1) #查看类型
[1] “numeric”

a1 <- c(1:100)
length(a1)
[1] 100

向量合成矩阵

rbind(x1,x2)#行排列
[,1] [,2] [,3] [,4] [,5]
x1 2 4 6 8 0
x2 1 3 5 7 9

cbind(x1,x2)#列排列
x1 x2
[1,] 2 1
[2,] 4 3
[3,] 6 5
[4,] 8 7
[5,] 0 9

二、求平均值，和，连乘，最值，方差，标准差

函数：mean(),sum(),prod(),min(),max(),var(),sd()

x <- c(1:100)
mean(x)
[1] 50.5

sum(x)
[1] 5050

prod(x) #连乘
[1] 9.332622e+157

max(x)
[1] 100

min(x)
[1] 1

var(x)
[1] 841.6667

sd(x)
[1] 29.01149

三、产生向量

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

1:10 - 1
[1] 0 1 2 3 4 5 6 7 8 9

1:10 * 2
[1] 2 4 6 8 10 12 14 16 18 20

2:60 * 2 +1
[1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
[22] 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87
[43] 89 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121

a <- 2:60 * 2 +1
a
[1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
[22] 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87
[43] 89 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121

a[5]
[1] 13

a[-5] #不显示第五个元素
[1] 5 7 9 11 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
[22] 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89
[43] 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121

a[1:5]
[1] 5 7 9 11 13

a[-(1:5)]
[1] 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55
[22] 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97
[43] 99 101 103 105 107 109 111 113 115 117 119 121

a[c(2,4,7)]
[1] 7 11 17

a[a < 20]
[1] 5 7 9 11 13 15 17 19

a[a > 30 & a < 50]
[1] 31 33 35 37 39 41 43 45 47 49

a[a[3]]
[1] 21

seq()函数序列函数

seq(5,20)
[1] 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

seq(5,121,by=2) #by表示公差
[1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
[22] 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87
[43] 89 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121

seq(5,121,length = 10)
[1] 5.00000 17.88889 30.77778 43.66667 56.55556 69.44444 82.33333 95.22222
[9] 108.11111 121.00000

产生字母序列letters

letters[1:30]
[1] “a” “b” “c” “d” “e” “f” “g” “h” “i” “j” “k” “l” “m” “n” “o” “p” “q” “r” “s” “t” “u”
[22] “v” “w” “x” “y” “z” NA NA NA NA

四、新建向量

which()函数，rev()函数，sort()函数

a <- c(2,3,4,5,1,6,3,2,5,8,5,8,5,7,3)
which.max(a)
[1] 10

which.min(a)
[1] 5

a[which.max(a)]
[1] 8

which(a == 2)
[1] 1 8

a[which(a == 2)]
[1] 2 2

which(a > 5)
[1] 6 10 12 14

a[which(a > 5)]
[1] 6 8 8 7

a <- 1:20
a
[1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

rev(a) #倒序
[1] 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1

a <- c(2,3,4,2,5,1,6,3,2,5,8,6,7,3)
sort(a)
[1] 1 2 2 2 3 3 3 4 5 5 6 6 7 8

rev(sort(a))
[1] 8 7 6 6 5 5 4 3 3 3 2 2 2 1

五、生成矩阵

matrix()函数

a1 <- c(1:12)
matrix(a1,nrow = 3,ncol = 4)
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12

matrix(a1,nrow = 4,ncol = 3)
[,1] [,2] [,3]
[1,] 1 5 9
[2,] 2 6 10
[3,] 3 7 11
[4,] 4 8 12

matrix(a1,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

六、矩阵的运算

t()转置函数，矩阵加减

矩阵相乘%*%,diag()对角线函数

矩阵求逆：函数rnorm(), solve()

t()转置函数，矩阵加减

a <- matrix(a1,nrow = 3,ncol = 4)
t(a)
[,1] [,2] [,3]
[1,] 1 2 3
[2,] 4 5 6
[3,] 7 8 9
[4,] 10 11 12

a <- b <- matrix(a1,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

矩阵相乘%*%,diag()对角线函数

a <- matrix(a1,nrow = 3,ncol = 4)
b <- matrix(a1,nrow = 4,ncol = 3)
a %*% b
[,1] [,2] [,3]
[1,] 70 158 246
[2,] 80 184 288
[3,] 90 210 330

a <- matrix(1:16,nrow = 4,ncol = 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

diag(a)
[1] 1 6 11 16

diag(diag(a))
[,1] [,2] [,3] [,4]
[1,] 1 0 0 0
[2,] 0 6 0 0
[3,] 0 0 11 0
[4,] 0 0 0 16

diag(4)
[,1] [,2] [,3] [,4]
[1,] 1 0 0 0
[2,] 0 1 0 0
[3,] 0 0 1 0
[4,] 0 0 0 1

函数rnorm(), 矩阵求逆：solve()

a <- matrix(rnorm(16),4,4) #正态分布产生16个数，4x4方阵
a
[,1] [,2] [,3] [,4]
[1,] 1.4832143 0.9522603 -0.1796575 -0.5295168
[2,] -0.2152649 -0.9054064 -1.1011984 -1.3490977
[3,] 0.5190821 1.3624595 1.7864740 -0.3375333
[4,] 0.9001513 0.6751587 -1.1288324 -0.2262576

solve(a)
[,1] [,2] [,3] [,4]
[1,] 1.5639872 -0.24986380 -0.70427556 -1.1197431
[2,] -1.2058499 0.01107433 0.83754317 1.5065956
[3,] 0.4946724 -0.06044270 0.03523982 -0.8498667
[4,] 0.1559414 -0.65946330 -0.47848062 -0.1387356

七、解线性方程组

solve(a,b)

a <- matrix(rnorm(16),4,4)
a
[,1] [,2] [,3] [,4]
[1,] 1.4832143 0.9522603 -0.1796575 -0.5295168
[2,] -0.2152649 -0.9054064 -1.1011984 -1.3490977
[3,] 0.5190821 1.3624595 1.7864740 -0.3375333
[4,] 0.9001513 0.6751587 -1.1288324 -0.2262576

b <- c(1:4)
b
[1] 1 2 3 4

solve(a,b)
[1] -5.527540 7.355311 -2.919961 -3.153370

八、矩阵的特征值与特征向量

函数eigen()

a <- diag(4) +1
a
[,1] [,2] [,3] [,4]
[1,] 2 1 1 1
[2,] 1 2 1 1
[3,] 1 1 2 1
[4,] 1 1 1 2

a.e <- eigen(a,symmetric = T)
a.e
eigen() decomposition
$values
[1] 5 1 1 1
$vectors
[,1] [,2] [,3] [,4]
[1,] -0.5 0.8660254 0.0000000 0.0000000
[2,] -0.5 -0.2886751 -0.5773503 -0.5773503
[3,] -0.5 -0.2886751 -0.2113249 0.7886751
[4,] -0.5 -0.2886751 0.7886751 -0.2113249

x <- c(1:6)
x
[1] 1 2 3 4 5 6

is.vector(x) #向量
[1] TRUE

is.array(x) #数组
[1] FALSE

dim(x) <- c(2,3) #dim——维度
is.array(x)
[1] TRUE

is.matrix(x) #matrix——矩阵
[1] TRUE

九、数据的R语言表示——数据框

矩阵形式，但列可以是不同数据类型,每列是一个变量，每行是一个观测值

x1 <- c(10,13,45,26,23,12,24,78,23,43,31,56)
x2 <- c(20,65,32,32,27,87,60,13,42,51,77,35)
x <- data.frame(x1,x2)
x
x1 x2
1 10 20
2 13 65
3 45 32
4 26 32
5 23 27
6 12 87
7 24 60
8 78 13
9 23 42
10 43 51
11 31 77
12 56 35

(x <- data.frame(“重量” = x1,‘运费’ = x2))
重量运费
1 10 20
2 13 65
3 45 32
4 26 32
5 23 27
6 12 87
7 24 60
8 78 13
9 23 42
10 43 51
11 31 77
12 56 35

十、画散点图

函数plot()

plot(x)

十一、读取文本文件数据

读剪切板：文件或excel的数据均可通过剪切板操作

(x <- read.table(“abc.txt”)) #工作目录 提前创建TXT文本
V1 V2
1 175 67
2 183 75
3 165 56
4 145 45
5 178 67
6 187 90
7 156 43
8 176 58
9 173 60
10 170 56

(x<- read.table(“F:\R_note\abc.txt”)) #非工作目录 提前创建TXT文本
V1 V2
1 175 67
2 183 75
3 165 56
4 145 45
5 178 67
6 187 90
7 156 43
8 176 58
9 173 60
10 170 56

Excel文件数据：

方法一、先把Excel另存为空格分隔的prn文本格式再读

方法二、先把Excel另存为逗号分隔的csv文本格式再读

w <- read.table(“test.prn”,header = T) #提前创建文本
w <- read.csv(“test2.csv”,header = T)
w
商品价格
1 A 2
2 B 3
3 C 5
4 D 5

十二、循环语句：

for语句& while语句

for

a <- 0
for (i in 1:59) {a[i] <- i*2 + 3 }
a
[1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
[22] 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87
[43] 89 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121

b <- 0
for (i in 1:59) {
a[i] <- i2 + 2
b[i] <- i5 - 4 }
b
[1] 1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101
[22] 106 111 116 121 126 131 136 141 146 151 156 161 166 171 176 181 186 191 196 201 206
[43] 211 216 221 226 231 236 241 246 251 256 261 266 271 276 281 286 291

a
[1] 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44
[22] 46 48 50 52 54 56 58 60 62 64 66 68 70 72 74 76 78 80 82 84 86
[43] 88 90 92 94 96 98 100 102 104 106 108 110 112 114 116 118 120

while

a[1] <- 5
i <- 1
while (a[i] < 121) {
i <- i + 1
a[i] <- a[i - 1] +2
}
a
[1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
[22] 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87
[43] 89 91 93 95 97 99 101 103 105 107 109 111 113 115 117 119 121

十三、R脚本

source()函数&print()函数

source(“h.r”)
[1] 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
[22] 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87
[43] 89 91 93 95 97 99 101

十四、综合性例子

模拟产生统计专业同学的名单（学号区分），记录数学分析，线性代数，概率统计三科成绩，然后进行一些统计分析。

产生学号seq()

num <- seq(10378001,10378100)
num
[1] 10378001 10378002 10378003 10378004 10378005 10378006 10378007 10378008 10378009
[10] 10378010 10378011 10378012 10378013 10378014 10378015 10378016 10378017 10378018
[19] 10378019 10378020 10378021 10378022 10378023 10378024 10378025 10378026 10378027
[28] 10378028 10378029 10378030 10378031 10378032 10378033 10378034 10378035 10378036
[37] 10378037 10378038 10378039 10378040 10378041 10378042 10378043 10378044 10378045
[46] 10378046 10378047 10378048 10378049 10378050 10378051 10378052 10378053 10378054
[55] 10378055 10378056 10378057 10378058 10378059 10378060 10378061 10378062 10378063
[64] 10378064 10378065 10378066 10378067 10378068 10378069 10378070 10378071 10378072
[73] 10378073 10378074 10378075 10378076 10378077 10378078 10378079 10378080 10378081
[82] 10378082 10378083 10378084 10378085 10378086 10378087 10378088 10378089 10378090
[91] 10378091 10378092 10378093 10378094 10378095 10378096 10378097 10378098 10378099
[100] 10378100

模拟成绩runif和rnorm 其中round()四舍五入

x1 <- round(runif(100,min = 80,max = 100))
#runif()runif(n,min=0,max=1) n表示生成的随机数数量，min表示均匀分布的下限，max表示均匀分布的上限；若省略参数min、max,则默认生成[0,1]上的均匀分布随机数。
x1
[1] 83 85 90 94 89 89 89 98 94 95 81 85 88 86 86 82 83 95 83 88 96
[22] 85 84 93 92 89 97 95 87 99 84 95 82 94 94 100 88 81 97 87 87 100
[43] 84 92 88 81 83 96 100 94 87 95 83 98 93 97 98 85 94 97 82 98 89
[64] 82 93 88 87 88 96 80 82 91 85 98 90 85 98 86 95 85 99 97 81 85
[85] 81 95 97 87 89 87 99 96 94 96 99 91 84 93 89 97

x2 <- round(rnorm(100,mean = 80,sd = 7))#正态分布随机数
x2
[1] 80 88 76 81 88 81 84 82 89 78 72 79 80 81 73 71 84 82 73 86 80 73 73 80 80 69 80 84
[29] 83 90 84 73 72 74 85 85 86 86 80 67 75 83 79 82 71 90 85 80 68 77 68 79 85 70 76 83
[57] 85 65 81 78 78 86 85 85 95 75 80 77 73 83 77 70 82 87 75 77 82 82 80 84 73 87 79 83
[85] 81 69 81 80 78 79 81 80 62 79 80 76 87 79 84 81

x3 <- round(rnorm(100,mean = 83,sd = 18))
x3
[1] 70 75 115 100 115 100 80 59 103 84 86 88 81 84 102 67 73 93 95 71 90
[22] 69 89 74 101 85 37 74 95 84 84 82 79 75 109 93 96 79 94 96 87 97
[43] 68 77 89 61 90 91 62 40 89 105 107 86 118 71 80 79 71 88 82 70 97
[64] 69 100 123 56 116 94 75 80 80 109 79 113 93 69 89 63 86 109 78 75 101
[85] 97 94 67 103 84 74 71 84 60 79 65 82 88 78 99 58

x3[which(x3 > 100)] <- 100
x3
[1] 70 75 100 100 100 100 80 59 100 84 86 88 81 84 100 67 73 93 95 71 90
[22] 69 89 74 100 85 37 74 95 84 84 82 79 75 100 93 96 79 94 96 87 97
[43] 68 77 89 61 90 91 62 40 89 100 100 86 100 71 80 79 71 88 82 70 97
[64] 69 100 100 56 100 94 75 80 80 100 79 100 93 69 89 63 86 100 78 75 100
[85] 97 94 67 100 84 74 71 84 60 79 65 82 88 78 99 58

合成数据框并保存data.frame()和write.table

x <- data.frame(num,x1,x2,x3)
x
num x1 x2 x3
1 10378001 83 80 70
2 10378002 85 88 75
3 10378003 90 76 100
4 10378004 94 81 100
5 10378005 89 88 100
6 10378006 89 81 100
7 10378007 89 84 80
8 10378008 98 82 59
9 10378009 94 89 100
10 10378010 95 78 84
11 10378011 81 72 86
12 10378012 85 79 88
13 10378013 88 80 81
14 10378014 86 81 84
15 10378015 86 73 100
16 10378016 82 71 67
17 10378017 83 84 73
18 10378018 95 82 93
19 10378019 83 73 95
20 10378020 88 86 71
21 10378021 96 80 90
22 10378022 85 73 69
23 10378023 84 73 89
24 10378024 93 80 74
25 10378025 92 80 100
26 10378026 89 69 85
27 10378027 97 80 37
28 10378028 95 84 74
29 10378029 87 83 95
30 10378030 99 90 84
31 10378031 84 84 84
32 10378032 95 73 82
33 10378033 82 72 79
34 10378034 94 74 75
35 10378035 94 85 100
36 10378036 100 85 93
37 10378037 88 86 96
38 10378038 81 86 79
39 10378039 97 80 94
40 10378040 87 67 96
41 10378041 87 75 87
42 10378042 100 83 97
43 10378043 84 79 68
44 10378044 92 82 77
45 10378045 88 71 89
46 10378046 81 90 61
47 10378047 83 85 90
48 10378048 96 80 91
49 10378049 100 68 62
50 10378050 94 77 40
51 10378051 87 68 89
52 10378052 95 79 100
53 10378053 83 85 100
54 10378054 98 70 86
55 10378055 93 76 100
56 10378056 97 83 71
57 10378057 98 85 80
58 10378058 85 65 79
59 10378059 94 81 71
60 10378060 97 78 88
61 10378061 82 78 82
62 10378062 98 86 70
63 10378063 89 85 97
64 10378064 82 85 69
65 10378065 93 95 100
66 10378066 88 75 100
67 10378067 87 80 56
68 10378068 88 77 100
69 10378069 96 73 94
70 10378070 80 83 75
71 10378071 82 77 80
72 10378072 91 70 80
73 10378073 85 82 100
74 10378074 98 87 79
75 10378075 90 75 100
76 10378076 85 77 93
77 10378077 98 82 69
78 10378078 86 82 89
79 10378079 95 80 63
80 10378080 85 84 86
81 10378081 99 73 100
82 10378082 97 87 78
83 10378083 81 79 75
84 10378084 85 83 100
85 10378085 81 81 97
86 10378086 95 69 94
87 10378087 97 81 67
88 10378088 87 80 100
89 10378089 89 78 84
90 10378090 87 79 74
91 10378091 99 81 71
92 10378092 96 80 84
93 10378093 94 62 60
94 10378094 96 79 79
95 10378095 99 80 65
96 10378096 91 76 82
97 10378097 84 87 88
98 10378098 93 79 78
99 10378099 89 84 99
100 10378100 97 81 58

write.table(x,file = “f:\R_note\student_grades.txt”,col.names = F,row.names = F,sep = " ")

计算各科平均分，函数mean(),colMeans(),apply()

mean(x)
[1] NA
Warning message:
In mean.default(x) : 参数不是数值也不是逻辑值：回覆NA

colMeans(x) #列平均
num x1 x2 x3
10378050.50 90.28 79.44 83.22

colMeans(x)[C(“X1”,“X2”,“X3”)]
Error in C(“X1”, “X2”, “X3”) : 不能把对象解释成因子

apply(x,2,mean) #对象是x，2表示列，1表示行，mean表示函数
num x1 x2 x3
10378050.50 90.28 79.44 83.22

求各科最值，函数max(),min(),apply()

apply(x,2,max)
num x1 x2 x3
10378100 100 95 100

apply(x,2,min)
num x1 x2 x3
10378001 80 62 37

求每个人的总分

apply(x[c(“x1”,“x2”,“x3”)],1,sum)
[1] 233 248 266 275 277 270 253 239 283 257 239 252 249 251 259 220 240 270 251 245 266
[22] 227 246 247 272 243 214 253 265 273 252 250 233 243 279 278 270 246 271 250 249 280
[43] 231 251 248 232 258 267 230 211 244 274 268 254 269 251 263 229 246 263 242 254 271
[64] 236 288 263 223 265 263 238 239 241 267 264 265 255 249 257 238 255 272 262 235 268
[85] 259 258 245 267 251 240 251 260 216 254 244 249 259 250 272 236

which.max(apply(x[c(“x1”,“x2”,“x3”)],1,sum))
[1] 65

x
num x1 x2 x3
1 10378001 83 80 70
2 10378002 85 88 75
3 10378003 90 76 100
4 10378004 94 81 100
5 10378005 89 88 100
6 10378006 89 81 100
7 10378007 89 84 80
8 10378008 98 82 59
9 10378009 94 89 100
10 10378010 95 78 84
11 10378011 81 72 86
12 10378012 85 79 88
13 10378013 88 80 81
14 10378014 86 81 84
15 10378015 86 73 100
16 10378016 82 71 67
17 10378017 83 84 73
18 10378018 95 82 93
19 10378019 83 73 95
20 10378020 88 86 71
21 10378021 96 80 90
22 10378022 85 73 69
23 10378023 84 73 89
24 10378024 93 80 74
25 10378025 92 80 100
26 10378026 89 69 85
27 10378027 97 80 37
28 10378028 95 84 74
29 10378029 87 83 95
30 10378030 99 90 84
31 10378031 84 84 84
32 10378032 95 73 82
33 10378033 82 72 79
34 10378034 94 74 75
35 10378035 94 85 100
36 10378036 100 85 93
37 10378037 88 86 96
38 10378038 81 86 79
39 10378039 97 80 94
40 10378040 87 67 96
41 10378041 87 75 87
42 10378042 100 83 97
43 10378043 84 79 68
44 10378044 92 82 77
45 10378045 88 71 89
46 10378046 81 90 61
47 10378047 83 85 90
48 10378048 96 80 91
49 10378049 100 68 62
50 10378050 94 77 40
51 10378051 87 68 89
52 10378052 95 79 100
53 10378053 83 85 100
54 10378054 98 70 86
55 10378055 93 76 100
56 10378056 97 83 71
57 10378057 98 85 80
58 10378058 85 65 79
59 10378059 94 81 71
60 10378060 97 78 88
61 10378061 82 78 82
62 10378062 98 86 70
63 10378063 89 85 97
64 10378064 82 85 69
65 10378065 93 95 100
66 10378066 88 75 100
67 10378067 87 80 56
68 10378068 88 77 100
69 10378069 96 73 94
70 10378070 80 83 75
71 10378071 82 77 80
72 10378072 91 70 80
73 10378073 85 82 100
74 10378074 98 87 79
75 10378075 90 75 100
76 10378076 85 77 93
77 10378077 98 82 69
78 10378078 86 82 89
79 10378079 95 80 63
80 10378080 85 84 86
81 10378081 99 73 100
82 10378082 97 87 78
83 10378083 81 79 75
84 10378084 85 83 100
85 10378085 81 81 97
86 10378086 95 69 94
87 10378087 97 81 67
88 10378088 87 80 100
89 10378089 89 78 84
90 10378090 87 79 74
91 10378091 99 81 71
92 10378092 96 80 84
93 10378093 94 62 60
94 10378094 96 79 79
95 10378095 99 80 65
96 10378096 91 76 82
97 10378097 84 87 88
98 10378098 93 79 78
99 10378099 89 84 99
100 10378100 97 81 58

x$num[which.max(apply(x[c(“x1”,“x2”,“x3”)],1,sum))]
[1] 10378065

2018.9.25
拜龙宇

R语言基础 chapter 1相关推荐

%3c- r语言运算符,R语言基础教程之运算符
原标题:R语言基础教程之运算符运算符类型在R编程中有以下类型的运算符 - 算术运算符关系运算符逻辑运算符赋值运算符其他运算符1.算术运算符下表显示了R语言支持的算术运算符.运算符对向量的 ...
R语言基础知识详解及概括
R语言基础知识详解及概括目录 R语言基础知识详解及概括 R数据可视化示例 R语言进行数据创建
数据分析必备：掌握这个R语言基础包1%的功能让你事半功倍！（附代码）
来源:大数据本文约7100字,建议阅读15分钟. 本文介绍了utils包在R语言基础的用途. [ 导读 ]无论数据分析的目的是什么,将数据导入R中的过程都是不可或缺的.毕竟巧妇难为无米之炊.util ...
R语言基础学习记录4：重要函数
时间: 2018-07-18(学习) 2018-07-22(学习记录) 教程:慕课网 <R语言基础> 讲师:Angelayuan 补充内容: R语言常用函数总结大全.gl()函数学习内容 ...
R语言基础数据操作fBasics
R语言基础数据操作&fBasics xlsx文件的导入 library(readxl) data1 <- read_excel("C:/Users/12241/Desktop/ ...
R语言基础指令和并行算法初识(上篇)
一.R语言背景介绍二. R语言基础指令三. R语言并行算法四. 计划打算一.R语言背景介绍 1.2.起源:R是统计领域广泛使用的诞生于1980年左右的S语言的一个分支.可以认为R是S语言的一种 ...
R语言基础图形元素——多边形
R语言基础图形元素--多边形简介 1. `rect()`函数 2. `polygon()`函数 3. 综合使用示例 4. `box()`函数参考书籍简介在R语言中,绘制多边形是非常方便的,一般 ...
R语言基础知识入门学习（一）
目录系列文章目录一.软件下载二.基本知识 1. 对象 2. 向量 3. 向量化 4. 因子总结系列文章目录 R语言基础知识入门学习(一) 一.软件下载我们可以通过这个网址对R语言软件进行下 ...
[R语言基础]——数据处理实例
[R语言基础]--数据处理实例前言问题 Step1:建立数据框 Step2:计算综合得分 Step3:对学生进行评分 Step4:根据姓氏和名字排序完整代码前言之前我们已经学习了R对数据预处 ...

R语言基础 chapter 1

一、创建向量和矩阵

函数：c(),length(),mode(),rbind(),cbind()

二、求平均值，和，连乘，最值，方差，标准差

函数：mean(),sum(),prod(),min(),max(),var(),sd()

三、产生向量

seq()函数 序列函数

产生字母序列letters

四、新建向量

which()函数，rev()函数，sort()函数

五、生成矩阵

matrix()函数

六、矩阵的运算

t()转置函数，矩阵加减

矩阵相乘%*%,diag()对角线函数

矩阵求逆：函数rnorm(), solve()

七、解线性方程组

solve(a,b)

八、矩阵的特征值与特征向量

函数eigen()

九、数据的R语言表示——数据框

矩阵形式，但列可以是不同数据类型,每列是一个变量，每行是一个观测值

十、画散点图

函数plot()

十一、读取文本文件数据

读剪切板：文件或excel的数据均可通过剪切板操作

Excel文件数据：

方法一、先把Excel另存为空格分隔的prn文本格式再读

方法二、先把Excel另存为逗号分隔的csv文本格式再读

十二、循环语句：

for语句& while语句

for

while

十三、R脚本

source()函数&print()函数

十四、综合性例子

模拟产生统计专业同学的名单（学号区分），记录数学分析，线性代数，概率统计三科成绩，然后进行一些统计分析。

产生学号seq()

模拟成绩runif和rnorm 其中round()四舍五入

合成数据框并保存data.frame()和write.table

计算各科平均分，函数mean(),colMeans(),apply()

求各科最值，函数max(),min(),apply()

求每个人的总分

R语言基础 chapter 1相关推荐

最新文章

热门文章

seq()函数序列函数