write down,forget
  • adidaseqt
  • eqtturbored
  • eqtsupport9317
  • eqtsupport
  • 9317adidas
  • adidaseqtboost9317
  • eqtsupport93
  • 9317eqt
  • eqt support 9317 adv
  • support 9317 adv
  • eqtadv
  • eqt9317
  • eqtadv9317
  • support93
  • originalseqt
  • adidas eqt
  • eqt support 9317
  • eqt support
  • eqt adv
  • eqt 9317
  • R常用命令

    <Category: R> 查看评论

    R常用命令(Medcl专用精简版)

    1.查看base包命令
    library(help=”base”)

    2.查看帮助
    ?lm
    help(“*”)
    help(“mean”)
    help(“bs”, package = “splines”) #在特定包里搜索
    help(“bs”,try.all.packages=TRUE) #在所有包中搜索,默认只在内存加载的包中搜索
    help.start()
    help.search(“tree”)
    help.search(“tree”, rebuild = TRUE)) #新安装包之后,需要rebuild
    apropos(“length”)  #查找函数

    3.赋值
    a<-5
    a=5
    5->a

    4.查看对象
    ls(pattern=”a”)
    ls(pat=”^a”)

    5.删除对象
    rm(a)
    rm(pat=”a”)
    rm(list=ls(pat=”a”))

    6.构建一个dataframe数据框
    M <- data.frame(n1, n2, n3)

    7.查看数据类型(共有四种:数值型,字符型,复数型7和逻辑型(FALSE或TRUE))
    x <- 1
    mode(x)
    用Inf和-Inf表示正负无穷,NaN(not a number),NA(not available)

    8.工作目录
    getwd()
    setwd(“/home/paradis/”) #如果一个文件不在工作目录里则必须给出它的路径

    9.读取文件
    read.table(file=”Q:/data_24.csv”,header=T,sep = “\t”,dec=”.”,quote=”\”‘”)  #创建一个数据框
    还有scan(前者可以指定变量的类型)
    和read.fwf(以用来读取文件中一些固定宽度格式的数据)

    #mydata$V1和mydata[, 1]是向量,而mydata[“V1″]是数据框

    10.存数据
    write.table
    write(x,file =”data.txt”),

    工作空间保存加载:
    用load(“xyz.RData”)
    save.image()是save(list =ls(all=TRUE),
    file=”.RData”)

    11.生成数据
    x <- 1:30 #1到30个整数序列
    > 1:5
    [1] 1 2 3 4 5
    > 3;1
    [1] 3
    [1] 1
    > 3:1
    [1] 3 2 1
    > 1:(10-1)
    [1] 1 2 3 4 5 6 7 8 9

    > seq(1, 5, 0.5)  #生成实数序列
    [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
    > seq(length=9, from=1, to=5)
    [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

    还可以用函数c直接输入数值:
    > c(1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5)
    [1] 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0

    如果想用键盘输入一些数据也是可以的,只需要直接使用默认选项
    的scan函数:
    > z <- scan()

    函数rep用来创建一个所有元素都相同的向量:
    > rep(1, 30)
    [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

    #矩阵操作
    > matrix(1:6, 2, 3,byrow=F)
    [,1] [,2] [,3]
    [1,]    1    3    5
    [2,]    2    4    6
    > matrix(1:6, 2, 3,byrow=T)
    [,1] [,2] [,3]
    [1,]    1    2    3
    [2,]    4    5    6

    #维度控制
    > x=1:15
    > x
    [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15
    > dim(x)
    NULL
    > dim(x)<-c(5,3)
    > x
    [,1] [,2] [,3]
    [1,]    1    6   11
    [2,]    2    7   12
    [3,]    3    8   13
    [4,]    4    9   14
    [5,]    5   10   15

    12.数据框和列表

    矩阵合并
    rbind,基于行,cbind,基于列

    > matrix<-rbind(1:7,1:7)
    > matrix
    [,1] [,2] [,3] [,4] [,5] [,6] [,7]
    [1,]    1    2    3    4    5    6    7
    [2,]    1    2    3    4    5    6    7

    > matrix<-cbind(1:7,1:7)
    > matrix
    [,1] [,2]
    [1,]    1    1
    [2,]    2    2
    [3,]    3    3
    [4,]    4    4
    [5,]    5    5
    [6,]    6    6
    [7,]    7    7

    > x <- 1:4; n <- 10; M <- c(10, 35); y <- 2:4
    > data.frame(x, y)
    错误于data.frame(x, y) : 参数值意味着不同的行数 4, 3
    > data.frame(x, M)
    x  M
    1 1 10
    2 2 35
    3 3 10
    4 4 35
    > data.frame(x, n)
    x  n
    1 1 10
    2 2 10
    3 3 10
    4 4 10
    > L1 <- list(x, y); L2 <- list(A=x, B=y)
    > L1
    [[1]]
    [1] 1 2 3 4

    [[2]]
    [1] 2 3 4

    > L2
    $A
    [1] 1 2 3 4

    $B
    [1] 2 3 4

    > L2$A
    [1] 1 2 3 4
    > L2$B
    [1] 2 3 4

    > seq(10,11,0.2)
    [1] 10.0 10.2 10.4 10.6 10.8 11.0
    > c(1:5,seq(10,11,0.2))
    [1]  1.0  2.0  3.0  4.0  5.0 10.0 10.2 10.4 10.6 10.8 11.0

    > log2(4)
    [1] 2
    > log10(1e7)
    [1] 7

    #比较
    > a<-“a”
    > b<-“a”
    > identical(a,b)
    [1] TRUE
    > all.equal(a,b)
    [1] TRUE
    > x=1:5
    > x[1]
    [1] 1
    > x[4]
    [1] 4
    > x[5]
    [1] 5
    > x[0]
    integer(0)
    > x[0]=5
    > x[0]
    numeric(0)
    > x[1]=5
    > x[1]
    [1] 5
    > x
    [1] 5 2 3 4 5
    > i=c(1,2)
    > x[i]
    [1] 5 2

    > x=matrix(1:3,2,3)
    > x
    [,1] [,2] [,3]
    [1,]    1    3    2
    [2,]    2    1    3
    > x[2,]
    [1] 2 1 3

    > x[,2]
    [1] 3 1
    > x <- 1:10
    > x[x>=5]
    [1]  5  6  7  8  9 10

    > x[x%%2==0]
    [1]  2  4  6  8 10
    > x[c(F,T)]
    [1]  2  4  6  8 10
    > x[c(T,F)]
    [1] 1 3 5 7 9

    #自定义行列名
    > names(x)<-c(“a”,”b”,”c”)
    > x
    a b c
    1 2 3
    > x<-matrix(1:3,2,3)
    > x
    [,1] [,2] [,3]
    [1,]    1    3    2
    [2,]    2    1    3
    > rownames(x)<-c(“row1″,”row2”)
    > colnames(x)<-c(“col1″,”col2″,”col3”)
    > x
    col1 col2 col3
    row1    1    3    2
    row2    2    1    3
    > dimnames(x)
    [[1]]
    [1] “row1” “row2”

    [[2]]
    [1] “col1” “col2” “col3”

    > x<-array(1:8,dim=c(2,2,3))
    > x
    , , 1

    [,1] [,2]
    [1,]    1    3
    [2,]    2    4

    , , 2

    [,1] [,2]
    [1,]    5    7
    [2,]    6    8

    , , 3

    [,1] [,2]
    [1,]    1    3
    [2,]    2    4

    #向量运算
    > x<-1:4
    > y<-rep(1,4)
    > z<-x+y
    > z
    [1] 2 3 4 5

    #不同长度,循环使用
    > x=1:2
    > y=1:4
    > x+y
    [1] 2 4 4 6
    > x
    [1] 1 2
    > y
    [1] 1 2 3 4

    #函数快速参考
    sum(x) 对x中的元素求和
    prod(x) 对x中的元素求连乘积
    max(x) x中元素的最大值
    min(x) x中元素的最小值
    which.max(x) 返回x中最大元素的下标
    which.min(x) 返回x中最小元素的下标
    range(x) 与c(min(x), max(x))作用相同
    length(x) x中元素的数目
    mean(x) x中元素的均值
    median(x) x中元素的中位数
    var(x) or cov(x) x中元素的的方差(用n ? 1做分母);如果x是一个矩阵或者一
    个数据框,将计算协方差阵
    cor(x) 如果x是一个矩阵或者一个数据框则计算相关系数矩阵(如
    果x是一个向量则结果是1)
    var(x, y) or cov(x, y) x和y的协方差,如果是矩阵或数据框则计算x和y对应列的协方

    cor(x, y) x和y的线性相关系数,如果是矩阵或者数据框则计算相关系数
    矩阵。

    round(x, n) 将x中的元素四舍五入到小数点后n位
    rev(x) 对x中的元素取逆序
    sort(x) 将x中的元素按升序排列;要按降序排列可以用命令rev(sort(x))
    rank(x) 返回x中元素的秩
    log(x, base) 计算以base为底的x的对数值
    scale(x) 如果x是一个矩阵, 则中心化和标准化数据; 若只进行中心化
    则使用选项scale=FALSE, 只进行标准化则center=FALSE( 缺省值
    是center=TRUE, scale=TRUE)
    pmin(x,y,…) 返回一个向量,它的第i个元素是x[i], y[i], . . . 中最小值
    pmax(x,y,…) 同上,取最大值
    cumsum(x) 返回一个向量,它的第i个元素是从x[1]到x[i]的和
    cumprod(x) 同上,取乘积
    cummin(x) 同上,取最小值
    cummax(x) 同上,取最大值
    match(x, y) 返回一个和x的长度相同的向量,表示x中与y中元素相同的元素在y中
    的位置(没有则返回NA)
    which(x == a) 返回一个包含x符合条件(当比较运算结果为真(TRUE)的下标的向
    量,在这个结果向量中数值i说明x[i] == a(这个函数的参数必须是
    逻辑型变量)
    choose(n, k) 计算从n个样本中选取k个的组合数
    na.omit(x) 忽略有缺失值(NA)的观察数据(如果x是矩阵或数据框则忽略相应的
    行)
    na.fail(x) 如果x包含至少一个NA则返回一个错误消息
    unique(x) 如果x是一个向量或者数据框,则返回一个类似的对象但是去掉所有重
    复的元素(对于重复的元素只取一个)
    table(x) 返回一个表格,给出x中重复元素的个数列表(尤其对于整数型或者因子
    型变量)
    table(x, y) x与y的列联表
    subset(x, …) 返回x中的一个满足特定条件…的子集,该条件通常是进行比较运
    算:x$V1 < 10;如果x是数据框,选项select给出要保留的变量(或
    者用负号表示去掉)
    sample(x, size) 从x中无放回抽取size个样本,选项replace = TRUE表示有放回的抽样

    本文来自: R常用命令

    
    eqt support adidas eqt support 93 primeknit og colorway ba7506 adidas eqt running 93 updated with primeknit construction adidas eqt boost 93 17 white turbo red adidas eqt support 9317 white turbo red adidas eqt support 93 17 adidas eqt support 9317 adidas eqt support 9317 turbo red releases tomorrow adidas originals adidas eqt tactile green pack adidas eqt tactile green pack adidas eqt light green pack womens adidas eqt light green pack coming soon adidas eqt milled leather pack release date adidas originals eqt milled leather pack adidas eqt support ultra boost turbo red white adidas adv support burnt orange grey where to buy the adidas eqt support 9317 turbo red adidas eqt boost 91 16 turbo red adidas eqt support 93 turbo red adidas eqt support 9317 white turbo red available now