R语言常用函数整理（基础篇）

R语言常用函数整理本篇是基础篇，即R语言自带的函数。

vector：向量
numeric：数值型向量
logical：逻辑型向量
character；字符型向量
list：列表
dataframe：数据框
c：连接为向量或列表
length：求长度
subset：求子集
seq，from:to，sequence：等差序列
rep：重复
NA：缺失值
NULL：空对象
sort，order，unique，rev：排序
unlist：展平列表
attr，attributes：对象属性
mode，class，typeof：对象存储模式与类型
names：对象的名字属性

字符型向量 nchar：字符数
substr：取子串 format，formatC：把对象用格式转换为字符串
paste()、paste0()不仅可以连接多个字符串，还可以将对象自动转换为字符串再相连，另外还能处理向量。
strsplit：连接或拆分
charmatch，pmatch：字符串匹配
grep，sub，gsub：模式匹配与替换

complex，Re，Im，Mod，Arg，Conj：复数函数

factor：因子 codes：因子的编码 levels：因子的各水平的名字 nlevels：因子的水平个数 cut：把数值型对象分区间转换为因子
table：交叉频数表 split：按因子分组 aggregate：计算各数据子集的概括统计量 tapply：对“不规则”数组应用函数

devnew() 新建画板
plot()绘制点线图,条形图,散点图
barplot( ) 绘制条形图
dotchart( ) 绘制点图
pie( )绘制饼图
pair( )绘制散点图阵
boxplot( )绘制箱线图
hist( )绘制直方图
scatterplot3D( )绘制3D散点图

par()可以添加很多参数来修改图形
title( )　添加标题
axis( )　调整刻度
rug( )　添加轴密度
grid( )　添加网格线
abline( )　添加直线
lines( )　添加曲线
text( )　添加标签
legend(）　添加图例

+, -, , /, ^, %%, %/%：四则运算 ceiling，floor，round，signif

1、round() #四舍五入

例：x <- c(31416, 15377, 2697)

round(x, 0) #保留整数位

round(x, 2) #保留两位小数

round(x, -1) #保留到十位

2、signif() #取有效数字(跟学过的有效数字不是一个意思)

例：略

3、trunc() #取整

floor() #向下取整

ceiling() #向上取整

例：xx <- c(360, 1247, -360, -1247)

trunc(xx)

floor(xx)

ceiling(xx)

max，min，pmax，pmin：最大最小值
range：最大值和最小值 sum，prod：向量元素和，积 cumsum，cumprod，cummax，cummin：累加、累乘 sort：排序 approx和approx fun：插值 diff：差分 sign：符号函数

abs，sqrt：绝对值，平方根
log, exp, log10, log2：对数与指数函数
sin，cos，tan，asin，acos，atan，atan2：三角函数
sinh，cosh，tanh，asinh，acosh，atanh：双曲函数
beta，lbeta，gamma，lgamma，digamma，trigamma，tetragamma，pentagamma，choose ，lchoose：与贝塔函数、伽玛函数、组合数有关的特殊函数

fft，mvfft，convolve：富利叶变换及卷积
polyroot：多项式求根
poly：正交多项式
spline，splinefun：样条差值
besselI，besselK，besselJ，besselY，gammaCody：Bessel函数
deriv：简单表达式的符号微分或算法微分

array：建立数组
matrix：生成矩阵
datamatrix：把数据框转换为数值型矩阵
lowertri：矩阵的下三角部分
matorvec：生成矩阵或向量
t：矩阵转置
cbind：把列合并为矩阵
rbind：把行合并为矩阵
diag：矩阵对角元素向量或生成对角矩阵
aperm：数组转置
nrow, ncol：计算数组的行数和列数
dim：对象的维向量
dimnames：对象的维名
rownames，colnames：行名或列名
%%：矩阵乘法
crossprod：矩阵交叉乘积（内积）
outer：数组外积
kronecker：数组的Kronecker积
apply：对数组的某些维应用函数
tapply：对“不规则”数组应用函数
sweep：计算数组的概括统计量
aggregate：计算数据子集的概括统计量
scale：矩阵标准化
matplot：对矩阵各列绘图
cor：相关阵或协差阵
Contrast：对照矩阵
row：矩阵的行下标集
col：求列下标集

solve：解线性方程组或求逆
eigen：矩阵的特征值分解
svd：矩阵的奇异值分解
backsolve：解上三角或下三角方程组
chol：Choleski分解
qr：矩阵的QR分解
chol2inv：由Choleski分解求逆

><，>，<=，>=，==，!=：比较运算符 !，&，&&，|，||，xor()：
逻辑运算符 logical：
生成逻辑向量 all，
any：逻辑向量都为真或存在真
ifelse()：二者择一 match，
%in%：查找
unique：找出互不相同的元素
which：找到真值下标集合
duplicated：找到重复元素

optimize，uniroot，polyroot：一维优化与求根

if，else，
ifelse，
switch：
分支 for，while，repeat，break，next：
循环 apply，lapply，sapply，tapply，sweep：替代循环的函数。

function：函数定义
source：调用文件 ’
call：函数调用
C，Fortran：调用C或者Fortran子程序的动态链接库。
Recall：递归调用
browser，debug，trace，traceback：程序调试
options：指定系统参数
missing：判断虚参是否有对应实参
nargs：参数个数 stop：终止函数执行
onexit：指定退出时执行 eval，expression：表达式计算
systemtime：表达式计算计时
invisible：使变量不显示
menu：选择菜单（字符列表菜单）

其它与函数有关的还有：
delay，
deleteresponse，
deparse，
docall，
dput，
environment ，
formals，
formatinfo，
interactive，
isfinite，
isfunction，
islanguage，
isrecursive ，
matcharg，
matchcall，
matchfun，
modelextract，
name，
parse 函数能将字符串转换为表达式expression
deparse 将表达式expression转换为字符串
eval 函数能对表达式求解
substitute，
sysparent ，
warning，
machine

cat，print：显示对象
sink：输出转向到指定文件
dump，save，dput，write：输出对象
scan，readtable，readlines, load，dget：读入

ls，objects：显示对象列表
rm, remove：删除对象
q，quit：退出系统
First，Last：初始运行函数与退出运行函数。
options：系统选项
，help，helpstart，apropos：帮助功能
data：列出数据集
head()查看数据的头几行
tail()查看数据的最后几行

每一种分布有四个函数：
d―density（密度函数），p―分布函数，q―分位数函数，r―随机数函数。
比如，正态分布的这四个函数为dnorm，pnorm，qnorm，rnorm。下面我们列出各分布后缀，前面加前缀d、p、q或r就构成函数名：

norm：正态，
t：t分布，
f：F分布，
chisq：卡方（包括非中心）
unif：均匀，
exp：指数，
weibull：威布尔，
gamma：伽玛，
beta：贝塔
lnorm：对数正态，
logis：逻辑分布，
cauchy：柯西，
binom：二项分布，
geom：几何分布，
hyper：超几何，
nbinom：负二项，
pois：泊松
signrank：符号秩，
wilcox：秩和，
tukey：学生化极差

sum, mean, var, sd, min, max, range, median, IQR（四分位间距）等为统计量，
sort，order，rank与排序有关，
其它还有ave，fivenum，mad，quantile，stem等。

R中已实现的有chisqtest，proptest，ttest。

cor，covwt，var：协方差阵及相关阵计算
biplot，biplotprincomp：多元数据biplot图
cancor：典则相关
princomp：主成分分析
hclust：谱系聚类
kmeans：k-均值聚类
cmdscale：经典多维标度
其它有dist，mahalanobis，covrob。

ts：时间序列对象
diff：计算差分
time：时间序列的采样时间
window：时间窗

lm，glm，aov：线性模型、广义线性模型、方差分析

quo()等价于quote()
enquo()等价于substitute(）

用法：assign(x, value, pos = -1, envir = asenvironment(pos),  inherits = FALSE, immediate = TRUE)

assign函数在循环时候，给变量赋值。

举例说明：

1、

for (i in 1:(length(rowSeq)-1)){

  assign(paste("nginx_server_fields7_", i, sep = ""), nginx_server_fields7[(rowSeq[(i-1)+1]):(rowSeq[i+1]), ])

}

2、

for (i in 1:3){

    assign(paste("a", i, sep = ""), i:10)

}

ls()

[1] "a1" "a2" "a3" "i"

> a1

[1]  1  2  3  4  5  6  7  8  9 10

> a2

[1]  2  3  4  5  6  7  8  9 10

>a3

[1] 3  4  5  6  7  8  9 10

1、paste函数可用于字符串连接

用法：paste (, sep = " ", collapse = NULL)，分隔符默认为空格

我们简单举个例子

1）paste("a","b") ##能连接a b

[1] "a b"

paste("a","b","c")

[1] "a b c"

2）设置分隔符paste("a","b",sep="=") ##注意到用等号分隔了

[1] "a=b"

3）连接多个元素paste("a",1:5,sep="") ##会自动每个元素与a相连

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,"pdf",sep="") ##比如想批量输出文件名

[1] "a1pdf""a2pdf""a3pdf""a4pdf""a5pdf"、

2、collapse参数

谢益辉大佬说这个参数引无数英雄竞折腰啊，大家只会sep

1）paste("a",1,collapse="+") ##注意到了吧，collapse没用上

[1] "a 1"

2）paste(c("a","b","c"),collapse="+") ##这样就很容易理解了，collapse折叠起了元素

[1] "a+b+c"

3）paste("a",1:5,sep="") ##再来更明显的举例

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,sep="",collapse="+") ##先在元素间连接，然后折叠

[1] "a1+a2+a3+a4+a5"

3、与paste0函数的区别

paste0函数，默认sep=""是两个函数唯一的区别

paste(c("a","b","c"),1:3)##默认空格符

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep=" ")

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep="")

[1] "a1""b2""c3"

如果两个向量长度不同paste(c("a","b","c"),1:5) ##超出范围后继续从前向后连接

[1] "a 1"  "b 2"  "c 3"  "a 4"  "b 5"

paste0(c("a","b","c"),1:3)#默认元素连接为sep=""

[1] "a1""b2""c3"

用法：unlist()函数的作用，就是将list结构的数据du，变zhi成非list的数据，即将list数据变成 字符串向量 或者数字向量的形式

如果是向量的话就直接输出向量

例子：

%in%相当于match()函数的一个缩写。用来判断一个数组或矩阵是否包含在另一个数组或矩阵里。举个例子一目了然：

#首先复制两个变量a和b

>a <- 1:5

>b <- 3:7

>a %in% b    #看a的元素是否包含在b中输出结果如下：

[1] FALSE FALSE  TRUE  TRUE  TRUE

用法：apply(x, MARGIN, FUN, )

作用：对 矩阵 的行或列使用函数，或者对 数组 的各个维度使用函数

x为数据对象，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列，FUN是自己指定的任意或自定义函数

注：数据框dataframe也可以使用apply函数，该函数会自动将数据框转化为矩阵，但前提是数据框中各列的数据类型 必须是数值型，否则会报错。
用法：lapply(x,FUN,)

作用：对列表中的各个元素使用函数

x是格式为列表的数据源，FUN是任意函数。
intersect(data1，data2)：交集

union(data1，data2)：并集

1数组简介
array(data , dim, dimnames )
只能包含一种数据类型
Arguments

1列表简介
list()
list()包含任何类型的对象
Example

2列表访问(索引)

Usage
factor(x = character(), levels, labels = levels,
exclude = NA, ordered = isordered(x), )
因子是用来存储类别向量和有序变量，而不能用来计算
Arguments

1Linux与R的学习先后问题：

师姐说后面作生信分析要用Linux环境进行数据集群分析，所以目前首要任务是熟悉R语言和Python的 *** 作，后面转到Linux环境运行 *** 作大同小异。

2R及Rstudio的安装问题：

装了Rstudio之后显示没有装R，解决方案是R和Rstudio安装时选择默认路径，是这两个软件装在同一个目录下。

3输入demo()后显示

> demo()

Warning message:

In fileshow(outFile, deletefile = TRUE, title = paste("R", tolower(x$title))) :

  fileshow():不存在'C:\Users\灏忔湪浜榎AppData\Local\Temp\RtmpENM66s\RpackageIQR28b82f592cbb'这个文件

（1）找出问题：R存在一个中文目录底下，会出现错误，所以首先第一步要将文件名（即user底下的名字）改为英文的（注：以后文件名尽量设置为英文的，才方便识别）

（2）解决问题：因为win为家庭版，所以没有在计算机管理中没有找到本地用户和组，借鉴了CSDN论坛中一位大神经验贴的后半部分 设置Win10如何更改C:\Users\下的用户名_胡振涛-CSDN博客_如何更改users下的用户名 ，从win+R输入regedit(打开注册表）那块开始，后面将自己中文的文件名改成英文就好了，然后注销再打开，运行R后，输入demo()，显示界面如下图。

4options()是个啥，没整明白？

   options：指定系统参数

5 runif()函数

    runif (random samples from uniform distribution)  均匀分布中的随机变量

    例如：runif(242, min =-03,max=03) 从-03 到03 随机产生242个值

6包及库
           1——已经安装的包

           2——用来放R安装时自带的包（如base，state等）

7函数括号内加“”的规律：外部的东西要加引号。安装以后内部的东西不用加引号。

8批处理命令打出来很奇怪？
9返回值？——一个运算函数被赋予具体数据后得到值return到这个函数变量上（ *** 作型函数没有返回值）

10help(package="vcd"/"ggplot2")，命令后help界面无显示

未找到问题原因，解决方案为在CRAN上直接看好了。

11安装ggplot2包后，输入library(ggplot2)，没有反应——说明你装上了。。(有些包library成功是没有输出的）
相反的是可以看到如果安装的是tidyverse，输入library(tidyverse)，是有输出的
12Rstudio工作路径&库安装路径修改（我用#CSDN#这个app发现了有技术含量的博客，小伙伴们求同去《Rstudio更改工作路径&安装包路径》, 一起来围观吧 >这是最后一篇讲解有关矩阵 *** 作的博客，介绍有关矩阵的函数，主要有 rowSums() , colSums() , rowMeans() , colMeans() , apply() , rbind() , cbind() , row() , col() , rowsum() , aggregate() , sweep() , maxcol() 。

下面通过例子来了解这些函数的用法：

我们知道，通过下标索引 [i, j] 可以访问矩阵的某一部分，索引如果没有提供意味着“所有行”或“所有列”。来看个例子，比如：

在R中，可以用一些特殊的函数来进行矩阵的行、列计算。来看些例子：

上述矩阵的行、列计算，还可以使用 apply() 函数来实现。 apply() 函数的原型为 apply(X, MARGIN, FUN, ) ，其中： X 为矩阵或数组； MARGIN 用来指定是对行运算还是对列运算， MARGIN＝1 表示对行运算， MARGIN＝2 表示对列运算； FUN 用来指定运算函数； 用来指定 FUN 中需要的其它参数。来看些例子：

用 apply() 函数来实现上面的例子

apply() 函数功能很强大，我们可以对矩阵的行或列进行其它运算，例如：

如果矩阵存在 NA 值，可通过设置 narm=TRUE 来忽略 NA 值，然后再计算。比如：

甚至我们还可以自定义运算函数，来看个例子：

在R中， rbind() 和 cbind() 函数可分别为矩阵添加行和列，来看一个例子：

在R中， row() 和 col() 函数将分别返回元素的行和列下标矩阵，来看个例子：

通过这两个函数，可以获取矩阵的对角元素以及上下三角矩阵，例如：

有时，你可能需要对每行进行分组，然后组内每列求和。在R中可以用 rowsum() 函数来解决，而且效率也非常高。先看个例子：

你也可以用 aggregate() 函数获得类似结果：

有人就会问“为啥没有列分组求和的 *** 作？”，其实你可以先将矩阵转置，然后行分组求和；这两步就等同于列分组求和。

sweep() 函数的原型为 sweep(x, MARGIN, STATS, FUN = "-", checkmargin = TRUE, ) ，其中： x 为矩阵或数组； MARGIN 用来指定是对行运算还是对列运算， MARGIN＝1 表示对行运算， MARGIN＝2 表示对列运算； STATS 表示想要清除的统计量； FUN 用来指定运算函数，默认为减法 - ； checkmargin 用来核实 x 的维度是否与 STATS 的匹配，如果事先知道它们匹配的话，将其设为 FALSE 将提高运算速度； 用来指定 FUN 中需要的其它参数。来看些例子：

事实上，通过改变 FUN 参数的具体形式或自定义函数， sweep() 函数可以实现很多不同 *** 作，这里就不细讲了。

maxcol() 函数返回矩阵每行最大值所在的列位置（即列下标），其原型为 maxcol(m, tiesmethod = c("random", "first", "last")) ，其中： m 为矩阵；当存在多个最大值时， tiesmethod 指定用哪种方式来处理这种情况，默认为"random"（随机），"first"指使用第一个最大值，"last"指使用最后一个最大值。来看个官网例子：

我们也可以结合 apply() 和 whichmax() 函数来实现 maxcol(mm, 'first') 。看个例子，

R矩阵的最后一部分内容就讲到这。

如若有遗漏，后期将会添加至本博客。

r语言中添加新列的方法：

假设你数据是data，那么前几列的和是rowSums(data)；

然后你可以重新做一个dataframe

data_new<-dataframe(data,sum=rowSums(data))

R语言Data Frame数据框常用 *** 作：

Data Frame一般被翻译为数据框，感觉就像是R中的表，由行和列组成，与Matrix不同的是，每个列可以是不同的数据类型，而Matrix是必须相同的。

Data Frame每一列有列名，每一行也可以指定行名。如果不指定行名，那么就是从1开始自增的Sequence来标识每一行。

使用dataframe函数就可以初始化一个Data Frame。比如我们要初始化一个student的Data Frame其中包含ID和Name还有Gender以及Birthdate，那么代码为：

student<-dataframe(ID=c(11,12,13),Name=c("Devin","Edward","Wenli"),Gender=c("M","M","F"),Birthdate=c("1984-12-29","1983-5-6","1986-8-8”))

另外也可以使用readtable() readcsv()读取一个文本文件，返回的也是一个Data Frame对象。读取数据库也是返回Data Frame对象。

查看student的内容为：

ID   Name Gender  Birthdate

1   11  Devin       M 1984-12-29

2   12 Edward     M   1983-5-6

3   13  Wenli       F   1986-8-8

这里只指定了列名为ID，Name，Gender和Birthdate，使用names函数可以查看列名，如果要查看行名，需要用到rownames函数。这里我们希望将ID作为行名，那么可以这样写：

rownames(student)<-student$ID

摘自： >