R语言语法基础(一)_的r、一>7-程序员宅基地

技术标签: 数据  r语言  R语言  编程语言  

R是一套完整的数据处理、计算和制图软件系统。其功能包括:数据存储和处理系统;数组运算工具(其向量、矩阵运算方面功能尤其强大);完整连贯的统计分析工具;优秀的统计制图功能;简便而强大的编程语言:可操纵数据的输入和输出,可实现分支、循环,用户可自定义功能。下面我简单介绍一下R语言的基本语法:

1.     基本命令

a)     ls() list当前工作区内存中的变量

b)     rm(args)  移除内存变量Remove Object

c)     history()  查看历史命令清单

d)     help(“函数”)  打开函数帮助文档

e)     names(变量)  返回数据集中名字属性

f)      mode(变量)/class(变量)  返回基本数据类型

g)     is(变量)  返回变量的基本数据类型和高级数据类型

2.     变量命令规则:

a)     字母、数字或者下划线组成;

b)     变量名称以字母开头,或者点后面不带数字。

3.     运算符

a)     算数运算符:+ 、-、*、/ 、%%(求余)、%/%(求商)、%in%(判断除数和被除数是否相等);

b)     关系运算符:>、<、==、>=、<=、!=

c)     逻辑运算符:

                                   i.         将第一个向量的每个元素与第二个向量的相应元素进行比较:

  &  |    !

                                  ii.         只考虑向量的第一个元素,给出单个元素的向量作为输入:

  &&  ||

d)      赋值运算符:<-、=

4.     基本数据类型:

a)     数字   numeric eg:1、-2、0.7

b)     字符   character  eg:”hello”

c)     逻辑型 logical      eg:TRUE、FALSE

d)     日期时间型  data/datatime

e)     空值    NA

5.     高级数据类型—向量vector

a)     x<-c(1,2,3,6.7)

b)     z<-1:100  s<-seq(1,100) 生成元素从1到100的向量

c)     s<-req(1:100,2)   生成两次元素是1:到100的向量

d)     a<-req(x,10)  生成10次向量x

e)     b<-seq(-10,10,0.5)  生成元素从-10到10的向量,增加梯度为0.5

6.     向量访问:

a)     x[1]  返回向量x的第一个元素

b)     x[-1]  移除向量x的第一个元素外的向量

c)     y[2:3]   向量第2到第3个原始组成的向量(包前包后)

d)     x[x>2]   向量x中,元素大于2组成的新的向量

e)     x[c(2,3,7)]  输出向量第2、3、7位置的元素组成的新向量

f)      index <- which(x==9)   获取数据对应的索引值

7.     向量运算:

a)     相同程度:

a<-c(3,8,4,5,0,11)

b<-c(4,11,0,8,12)

c<-a+b

[1] 7 19 4 13 1 13

b)     不同长度(长度必须是倍数关系)

a<-c(3,8,4,5,0,11)

b<-c(4,11)

c=a+b

[1] 7 19 8 16 4 22

8.     向量排序

v<-c(3,8,4,5,0,11)

sort(v)

[1] 0 3 4 5 8 11

9.     矩阵运算

a)     定义:matrix(data,nrow,ncol,byrow,dimnames)

Byrow:逻辑线索,如果为TRUE,则输入向量元素按行排序,否则按列排序。

b)     例子:

a<-matrix(2:7,2,3,TRUE)

10.   矩阵访问

a)     a[1,1:3]  取第一行向量

b)     a[-1]    除去一行后的矩阵

c)     a[1:2,1:2]  部分矩阵

11.   矩阵运算

+、-、*、/ 与向量运算相同

 

12.   数组(array)

a)     创建三维数组:xx<-array(1:24,c(3,4,2))

b)     创建四维数组:yy<-array(1:36,c(2,3,3,2))

13.   维度转换:

x<-1:36

dim(x)<-c(6,2,3)  转换为6行、2列、3页的三维数组

dim(x)<-c(9,4)    转换为9X4的矩阵

dim(x)<-36       转化为长度为36的向量

14.   列表:

a)     创建列表:list(name1=value1,name2-value2,…)

b)     访问列表:list$name1


版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/qq_30158837/article/details/78330438

智能推荐

清空Qtablewiget 表格的内容_tableweight 清空-程序员宅基地

文章浏览阅读3.2k次。 void QTableWidget::clear () [slot]//清空掉表格内所有内容,包括标题头Removes all items in the view. This will also remove all selections. The table dimensions stay the same. void QTableWidget::clearContents (..._tableweight 清空

Vim 插键及配置-程序员宅基地

文章浏览阅读99次。如果你觉得这个页面广告太多,欢迎移步博客阅读:Vim 插键及配置编辑器之神 —— Vim平日使用vim经常编辑文件,想想使用时的痛点,决定研究一下插件的使用。Vim的扩展通常也被成为bundle或插件。软件版本:Mac OS X 10.14.1vim 8.1插件安装-Vundle众多文章中都提到Vundle,那我就选用它好了!有一个 Vim 的插键网站,专门有相关插键的..._vim里的配置文件插入按键

多元回归预测 | Matlab基于卷积神经网络-门控循环单元CNN-GRU的Adaboost回归预测_适用回归的神经网络有哪些-程序员宅基地

文章浏览阅读1k次,点赞28次,收藏13次。卷积神经网络 (CNN) 和门控循环单元 (GRU) 是两种常用的深度学习模型,它们在图像识别和自然语言处理等领域取得了显著的成果。然而,对于一些特定的预测问题,单独使用这两种模型可能无法达到理想的效果。因此,本文将介绍一种基于Adaboost回归的预测算法,将CNN和GRU进行有效地融合,以提高预测的准确性。首先,让我们简要回顾一下CNN和GRU的基本原理。CNN是一种专门用于处理图像数据的神经网络模型,它通过卷积操作和池化操作来提取图像中的特征,并通过多层神经网络进行分类或回归预测。_适用回归的神经网络有哪些

DNS主从服务器传递-程序员宅基地

文章浏览阅读649次,点赞11次,收藏8次。www IN A 12.0.0.100 //外网主机通过解析www.whyzj.com的地址得到12.0.0.100。//允许所有主机解析。echo "nameserver 192.168.1.1" >> /etc/resolv.conf //内网客户端。//匹配除了内网网段以外的任意地址。view "lan" { //定义内网view,view代表容器分割。zone "whyzj.com" IN { //设置要解析的区域。

C#设置开机启动时报错,提示“对注册表项“HKEY_LOCAL_MACHINE\Software\Microsoft\Windows\CurrentVersion\Run访问被拒绝”-程序员宅基地

文章浏览阅读1.4w次。参考文章C#如何设置开机启动C#设置开机启动时报错,提示“对注册表项“HKEY_LOCAL_MACHINE\Software\Microsoft\Windows\CurrentVersion\Run访问被拒绝”原因是什么?因为没有获得管理员权限代码RegistryKey rk1 = Registry.CurrentUser;管理员权限运行你的程序,或者写入current..._对注册表项“hkey_local_machine\software\microsoft\windows\currentversion\run

OFDM中保护间隔与循环前缀抵抗ISI与ICI(转)-程序员宅基地

文章浏览阅读1.3k次。主要参考文档:OFDM移动通信技术原理与应用目录一、符号间干扰ISI 与 信道间干扰ICI 的概念二、保护间隔 减少 ISI三、循环前缀 减少 ICI四、保护间隔与循环前缀 加入后的OFDM系统框图五、选择 保护间隔 的方法======================================符号间干扰ISI 与 信道间干扰ICI 的概念..._ofdm技术还在每个信号中设置一段空闲的传输时段,称之为保护间隔,该时间段大于信道

随便推点

机器学习之常见机器学习算法---面试之常见机器学习算法简单思想梳理-程序员宅基地

文章浏览阅读109次。  前言:   找工作时(IT行业),除了常见的软件开发以外,机器学习岗位也可以当作是一个选择,不少计算机方向的研究生都会接触这个,如果你的研究方向是机器学习/数据挖掘之类,且又对其非常感兴趣的话,可以考虑考虑该岗位,毕竟在机器智能没达到人类水平之前,机器学习可以作为一种重要手段,而随着科技的不断发展,相信这方面的人才需求也会越来越大。   纵观IT行业的招聘岗位,机器学习之类..._你最喜欢的一个机器学习算法是哪个? (1)试简述它的训练过程。 (2)说说为什么

分布式基础,通俗易懂CAP?-程序员宅基地

文章浏览阅读48次。分布式系统非常关注三个指标:● 数据一致性● 系统可用性● 节点连通性与扩展性关于一致性数据“强一致性”,是希望系统只读到最新写入的数据,例如:通过单点串行化的方式,就能够达到这个效果。关于session一致性,DB主从一致性,DB双主一致性,DB与Cache一致性,数据冗余一致性,消息时序一致性,分布式事务一致性,库存扣减一致性,详...

机器视觉相机镜头光源选型_视觉选型工具-程序员宅基地

文章浏览阅读582次。镜头选型工具 - HiTools - 海康威视 Hikvision。_视觉选型工具

java 毛笔字,Photoshop设计唯美大气的毛笔字-程序员宅基地

文章浏览阅读248次。用PS快速实现毛笔字设计技巧,既然书法写得不好,那就通过设计来让它完美呈现,这种方法是个人常用的方法,也是立竿见影的实用技巧,希望大家喜欢与支持。既然毛笔字写得丑的已是事实,但我们有办法改变这个事实,就是通过设计来现实,别说这个想法万一能实现了呢,现在就是一万个肯定能现实。毛笔字的设计有很多种方法,这次以自己常用的而且是快速能出效果的方法分享给大家,希望大家喜欢,也希望大家支持。先看一下效果,如下..._java小毛笔

攻防世界Web-程序员宅基地

文章浏览阅读30次。弱认证,先输入用户名123456,密码123456,提示用户名是admin,使用admin形式登陆,发现密码错误,使用burp进行爆破,选择那个长度最长的,得到flag.搜索php类型比较表,弱比较,a=0且true,传入a=a,得到前一半的flag,输入数字会退出,且要大于1234,输入b=1235a得到后一半flag。备份文件主要文件有.git.bak.svn等,可以一个一个尝试,这个是.bak,点开桌面,用记事本打开,即可得到flag。输入index.phps,查看源代码,使用bp进行两次解码。

CentOS 5.4 vs. OpenSuSE 11.2 vs. Ubuntu 9.10 Benchmarks-程序员宅基地

文章浏览阅读155次。With the release of CentOS 5.4 last month to bring this community enterprise operating system on par with Red Hat Enterprise Linux 5.4, we decided it was a good time to see how the ser..._opensuse leap与centos的区别

推荐文章

热门文章

相关标签