1、查看当前工作空间

> getwd()
[] "C:/Users/P0079482.HHDOMAIN/Documents"
>

2、查看内存中有哪些对象

> ls()
[] "a" "a1" "b" "bank" "bank_full" "dat"
[] "m1" "tab" "w" "x" "x1" "x2"
>

3、把指定对象从内存中删除

> rm('a')
> ls()
[] "a1" "b" "bank" "bank_full" "dat" "m1"
[] "tab" "w" "x" "x1" "x2"
>

4、查看函数帮助

> help(matrix)
>

5、创建向量和矩阵

> x1=c(2,4,6,8,0)
> x2=c(1,3,5,7,9)
查看向量的长度
> length(x1)
[] 5
查看向量的类型
> mode(x1)
[] "numeric"
>

6、按行将向量排列成矩阵

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

7、按列将向量排成矩阵

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

8、求向量的均值

> x=c(1:100)
> mean(x)
[] 50.5
>

9、求向量的和

> sum(x)
[] 5050
>

10、

> max(x)  求最大值
[] 100
> min(x)  最小值
[] 1
> var(x)  方差
[] 841.6667
> prod(x) 连乘
[] 9.332622e+157
> sd(x) 标准差
[] 29.01149

11、生成矩阵

> 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 1 2 根据行生成矩阵

12、矩阵的转置

> 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
>

13、矩阵的加减

> 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
>

14、矩阵乘法

> 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
>

15、矩阵求对角元素

> 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 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
>

16、生成随机矩阵

> a=matrix(rnorm(16),4,4)
> a
[,1] [,2] [,3] [,4]
[1,] 0.2353978 -1.168817665 -0.03914636 -0.4350940
[2,] 0.5550182 -0.001076645 -1.92283070 1.1007430
[3,] 0.2582714 -0.846160178 0.94940298 -0.6125362
[4,] -2.1307575 -2.478207744 -0.44198013 -0.2581712
>

17、矩阵求逆

> solve(a)
[,1] [,2] [,3] [,4]
[1,] 0.2524842 0.3182516 0.5172485 -0.2958290
[2,] 0.4128992 -0.5045100 -1.1071800 -0.2200014
[3,] -1.7116774 0.4246262 1.9141867 0.1535275
[4,] -3.1169442 1.4892720 3.0819024 0.4171374
>

18、基本的数据结构,数据框

> 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('weight'=x1,'cost'=x2))
weight cost
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
>

19、读取文本文件、

> (x=data.frame('weight'=x1,'cost'=x2))
weight cost
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=read.table("abc.txt"))
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

20、读取excell文件

> w<-read.table("test.prn",header = T)
> w
X.. X...1
1 A 2
2 B 3
3 C 5
4 D 5
>

21、用readxl包读excell

> library(readxl)
> dat<-read_excel("test.xlsx")
> dat
# A tibble: 4 x 2
`商品` `价格`
<chr> <dbl>
1 A 2
2 B 3
3 C 5
4 D 5
>

91、R语言编程基础的更多相关文章

  1. R语言编程艺术(3)R语言编程基础

    本文对应<R语言编程艺术> 第7章:R语言编程结构: 第9章:面向对象的编程: 第13章:调试 ============================================== ...

  2. R语言编程艺术(4)R对数据、文件、字符串以及图形的处理

    本文对应<R语言编程艺术> 第8章:数学运算与模拟: 第10章:输入与输出: 第11章:字符串操作: 第12章:绘图 =================================== ...

  3. R语言编程艺术(2)R中的数据结构

    本文对应<R语言编程艺术>第2章:向量:第3章:矩阵和数组:第4章:列表:第5章:数据框:第6章:因子和表 ======================================== ...

  4. 20191310李烨龙Linux C语言编程基础

    Linux C语言编程基础 任务详情 0. 基于Ubuntu或OpenEuler完成下面的任务(OpenEuler有加分) 1. 选择教材第二章的一节进行编程基础练习(2.10,2.11,2.12,2 ...

  5. Linux基础与Linux下C语言编程基础

    Linux基础 1 Linux命令 如果使用GUI,Linux和Windows没有什么区别.Linux学习应用的一个特点是通过命令行进行使用. 登录Linux后,我们就可以在#或$符后面去输入命令,有 ...

  6. LINUX下C语言编程基础

    实验二 Linux下C语言编程基础 一.实验目的 1. 熟悉Linux系统下的开发环境 2. 熟悉vi的基本操作 3. 熟悉gcc编译器的基本原理 4. 熟练使用gcc编译器的常用选项 5 .熟练使用 ...

  7. R语言语法基础二

    R语言语法基础二 重塑数据 增加行和列 # 创建向量 city = c("Tampa","Seattle","Hartford"," ...

  8. R语言语法基础一

    R语言语法基础一 Hello world #这里是注释 myString = "hello world" print(myString) [1] "hello world ...

  9. R语言编程艺术(5)R语言编程进阶

    本文对应<R语言编程艺术> 第14章:性能提升:速度和内存: 第15章:R与其他语言的接口: 第16章:R语言并行计算 ================================== ...

随机推荐

  1. 解决Mac下使用root 权限依旧无法读写文件的问题

    当时在学习selenium的时候,需要配合使用chromedriver 和phantomjs 进行浏览器的自动化测试.. chromedriver下载结束后.无法移动到/user/bin下面 会提示权 ...

  2. python装饰器参数那些事_接受参数的装饰器

    # -*- coding: utf-8 -*- #coding=utf-8 ''' @author: tomcat @license: (C) Copyright 2017-2019, Persona ...

  3. 关于deepin下安装ssh以后root用户登陆报错的解决

    最近刚刚接触到deepin,觉得,wow,除了mac,还有这么好看的非win系统,而且第测出那个Linux,宽容度很高,非常适合我这种比较喜欢折腾的人,于是下载了deepin15版本并将其当作虚拟机成 ...

  4. List集合--Vector子类

    Vector子类 Vector是一个原始古老的程序类,这个类是在JDK1.0的时候就提供的,而后到了JDK1.2的时候,由于有一部分开发者已经习惯于使用Vector,并且许多的系统类也是基于Vecto ...

  5. 多线性方程组迭代算法——Jacobi迭代算法的Python实现

    多线性方程(张量)组迭代算法的原理请看这里:若想看原理部分请留言,不方便公开分享 Gauss-Seidel迭代算法:多线性方程组迭代算法——Gauss-Seidel迭代算法的Python实现 impo ...

  6. 修改默认runlevel

    CentOS直接修改文件  /etc/inittab 就好了 # Default runlevel. The runlevels used are: # - halt (Do NOT set init ...

  7. java.lang.IllegalAccessError: Class ref in pre-verified class resolved to unexpected implementation getting while running test project?

    转摘:http://stackoverflow.com/questions/11155340/java-lang-illegalaccesserror-class-ref-in-pre-verifie ...

  8. elasticsearch 父子关系

    ElasticSearch 中的Parent-Child关系和nested模型是相似的, 两个都可以用于复杂的数据结构中,区别是 nested 类型的文档是把所有的实体聚合到一个文档中而Parent- ...

  9. shell位置参数的遍历

  10. shell input value from console

    echo "Please enter some input: " read input_variable echo "You entered: $input_variab ...