1. 安装R包

install.packages("ggplot2") #注意留意在包的名称外有引号!!!
library(ggplot2) #在加载包的时候,则不需要在包的名称外添加引号~

2. 获取帮助

?mean #查找某个函数
?"+" #对于特殊符号,应该用引号括起来 ??mean #查找关键词
??"+" help("mean")
help("+") help.search("mean")
help.search("+") apropos("mean") #模糊搜索,正则表达式 help.start() example(plot)
demo()#列出所有演示
demo(graphics) browseVignettes() #List available vignettes in an HTML browser with links to PDF, LaTeX/noweb source, and (tangled) R code (if available).
vignette(package="ggplot2") #查看ggplot2有哪些文档
vignette("Sweave",package="utils") #查看utils包中,Sweave的文档 data() #Loads specified data sets, or list the available data sets RsiteSearch("mean")

3. R的更新

windows

卸载后去官网重新下载(但原先装的R包会丢失)

Rstudio中重装

install.packages("installr")
library(installr)
updateR()

linux

yum install R

4. 基本数学运算

x+y #加
x-y #减
x*y #乘
x/y #除 x^y #x**y #乘幂
x%%y #取余
x%/%y #整除 exp(1) #指数运算
log(1) #对数
log10(1e3)
log(3^4,base=3) #log3(4)
log1p(3) #computes log(1+x) accurately also for |x| << 1
expm1(3) #computes exp(x) - 1 accurately also for |x| << 1 sqrt(2^2) #平方根 square root
abs(-3) #绝对值 sin(2) #三角函数
cos(2)
tan(2) min(1:4) #得到的是最小值
max(1:4) #得到的是最大值
which.min(c(1,2,3,4,5)) #得到的是最小值的下标
which.max(c(1,2,3,4,5)) #得到的是最大值的下标
pmin(c(1,2,3,4),c(4,3,2,1)) #得到 1 2 2 1 ,pmin()求的是对应位置的最小值,即1和4比,2和3比,3和2比,4和1比
pmax(c(1,2,3,4),c(4,3,2,1)) #得到 4 3 3 4 round(2.3) #四舍五入
floor(2.3) #向下取整
ceiling(2.3) #向上取整
trunc(2.3) #向0取整
signif(2.3,digits=1) #保留给定位数的精度 sum(1:4)
prod(1:4)
cumsum(1:4) #累加
cumprod(1:4) #累乘
factorial(4) #阶乘 4!=4*3*2*1
choose(5,0:5) #二项式 c(n,k) mean()
sd() #标准差
var() #方差

5. 向量和矩阵的线性代数运算

crossprod() #向量内积/点积
%*% #向量外积
solve() #解线性方程和求逆
t() #矩阵转置
qr() #QR分解
chol() #cholesky分解
det() #矩阵行列式值
eigen() #矩阵特征值和特征向量
diag() #提取方阵中的对角元素/根据输入值返回单位矩阵
sweep(matrix(1:6,ncol=1),1,c(1,2,3),"+") #批量运算 matrix矩阵,按行(1)计算(列是2),第一行加1,第2行加2,第3行加3

6. 数据类型

-数值型

-复数型

-日期

-逻辑型

-字符型

-原型

mode(x) #查看x的数据类型

#is语句 判断,返回TRUE/FALSE
is.numeric(x) #日期也是numeric()类型
is.complex(x)
is.logical(x)
is.character(x)
is.raw(x) #as语句 其实也是有条件的,不是你想转型就能转型的!!!
# > as.numeric("IT DOESN'T WORK!")
# [1] NA #logical的T和F,对应的数值是1和0 as.numeric(x)
as.complex(x)
as.logical(x)
as.character(x)
as.raw(x)

数值型

实数(整数、小数、科学计数型)

复数型

日期

逻辑型

有3个(注意,都是大写!!!不要误写成True/False)

-TRUE

-FALSE

-NA(not available)

字符型

原型

7. 数据结构

-向量

-矩阵

-数组

-数据框

-列表

-因子

R笔记整理(持续更新中)的更多相关文章

  1. java视频教程 Java自学视频整理(持续更新中...)

    视频教程,马士兵java视频教程,java视频 1.Java基础视频 <张孝祥JAVA视频教程>完整版[RMVB](东西网) 历经5年锤炼(史上最适合初学者入门的Java基础视频)(传智播 ...

  2. docker学习资料整理(持续更新中..)

    docker最近可以说火得一踏糊涂,跟 51大神在交流技术的时候这个东西会多次被提到,当我们还玩vm+linux/freebsd的时候,人家已经上升到更高层次了,这就是差距,感觉好高大上的样子,技术之 ...

  3. oracle数据库自学笔记(持续更新中……)

    以前的项目都是使用mysql数据库开发的,如今进了新的公司,开始接触到了Oracle数据库,而自己以前没有接触过,就自己挤时间来学习一下. 一.关系型数据库的概念 关系型数据理论由E.F.Codd博士 ...

  4. Oracle 9i & 10g编程艺术-深入数据库体系结构-学习笔记(持续更新中)

    --20170322 --1.0 --更新表的统计信息begin dbms_stats.set_table_stats(user,'EMP',numrows => 10000);end; beg ...

  5. HTML5学习笔记(持续更新中....)

    平时的工作中,不知不觉我们应用了很多HTML5,但当正儿八经问起来你对HTML5了解多少,很多时候都有点懵. 做个简单的HTML5总结.包括简介.要学的知识点.凌乱的知识点 HMTL5简介 定义:ht ...

  6. Canvas 笔记(持续更新中)

    1.从线条开始 HTML <canvas id="canvas"></canvas> Javascript var canvas=document.getE ...

  7. 《EM-PLANT仿真技术教程》读书笔记(持续更新中)

    1.在系统分析过程中,必须考虑系统所处的环境,因此划分系统与环境的边界是系统分析的首要任务 2.模型可以分为物理模型和数学模型.数学模型可以分为解析模型.逻辑模型.网络模型以及仿真模型.模型可以分为离 ...

  8. 剑指Offer读书笔记(持续更新中)

    (1)定义一个空的类型,里面没有不论什么成员变量和成员函数,对该类型求sizeof,得到的结果是多少? 答案是1.空类型的实例中不包括不论什么信息,本来求sizeof应该是0,可是当我们声明该类型实例 ...

  9. 我的 CSDN 博客目录索引(主要记录了我学习视频、书籍的笔记,持续更新中)

    我的 CSDN 博客地址: lw_power的专栏 - 博客频道 - CSDN.NEThttp://blog.csdn.net/lw_power 佟刚老师<Spring4视频教程>学习笔记 ...

  10. Gradle项目构建工具学习笔记(持续更新中。。。)

    1.gradle的安装 1)从官网下载gradle,然后解压 2)在系统环境变量新建GRADLE_HOME 3)将%GRADLE_HOME%\bin加入PATH中 2.验证是否安装成功 gradle ...

随机推荐

  1. 【Spring Boot学习之七】自定义参数&多环境配置&修改端口号&yml

    环境 eclipse 4.7 jdk 1.8 Spring Boot 1.5.2 一.自定义参数通过注解直接获取配置文件application.properties中配置key的value1.appl ...

  2. 小程序onShow

    /** * 生命周期函数--监听页面加载 */ onLoad: function(options) { let that = this; const openid = app.globalData.o ...

  3. Redis解决“重试次数”场景的实现思路

    很多地方都要用到重试次数限制,不然就会被暴力破解.比如登录密码. 下面不是完整代码,只是伪代码,提供一个思路. 第一种(先声明,这样写有个bug) import java.text.MessageFo ...

  4. Python输出菱形

    最近准备熟悉下Python的基础语法,准备练习下输出菱形.刚好作为自己blog的开篇~~ n =10 #控制菱形的大小 for i in range(1, n): for j in range(int ...

  5. 【leetcode】347. Top K Frequent Elements

    题目地址:https://leetcode.com/problems/top-k-frequent-elements/ 从一个数组中求解出现次数最多的k个元素,本质是top k问题,用堆排序解决. 关 ...

  6. python_三目运算

    首先确定三目运算的使用条件, if只有两个才能用三目  只有 if:else:    先写个if else的小例子: if push == "lpush": self.conn.l ...

  7. The five Day 水平翻转图像,然后反转图像并返回结果

    """ 给定一个二进制矩阵 A,我们想先水平翻转图像,然后反转图像并返回结果. 水平翻转图片就是将图片的每一行都进行翻转,即逆序.例如,水平翻转 [1, 1, 0] 的结 ...

  8. java之mybatis之模糊查询

    1.在 mybatis 中,模糊查询可以有以下方式 (1).第一种,直接将封装好的条件传给 sql 语句 <select id="findByName" parameterT ...

  9. C# vb .net实现移除像素特效滤镜

    在.net中,如何简单快捷地实现Photoshop滤镜组中的移除像素特效呢?答案是调用SharpImage!专业图像特效滤镜和合成类库.下面开始演示关键代码,您也可以在文末下载全部源码: 设置授权 第 ...

  10. 浅谈分词算法基于字的分词方法(HMM)

    前言 在浅谈分词算法(1)分词中的基本问题我们讨论过基于词典的分词和基于字的分词两大类,在浅谈分词算法(2)基于词典的分词方法文中我们利用n-gram实现了基于词典的分词方法.在(1)中,我们也讨论了 ...