1第一印象

类型值和数学公式r的命令提示

1 + 1

## [1] 2

将值分配给符号（变量）

x = 1 x + x

## [1] 2

调用函数，例如C（），占用任意数量的值并返回单个值向量

x = c（1，2，3）x

## [1] 1 2 3

r功能，例如sqrt（），通常在向量上有效地运行

y = sqrt（x）y

## [1] 1.000000 1.414214 1.732051

通常有几种方法可以完成任务r

x = c（1，2，3）x

## [1] 1 2 3

x <-c（4，5，6）x

## [1] 4 5 6

X <-7：9 x

## [1] 7 8 9

10:12-> x x

## [1] 10 11 12

有时r确实可以弄清楚“令人惊讶的”事情

x <-c（1，2，3） - > y x

## [1] 1 2 3

y

## [1] 1 2 3

2r数据类型：向量和列表

“原子”向量

• 类型包括整数，数字（浮点数；真实），复杂，逻辑，角色，原始（字节）

  人<-c（“ Brian”，“ Jim”，“ Herve”，“ Dan”，“ Val”，“ Martin”）人

  ## [1]“ Brian”“ Jim”“ Herve”“ Dan”“ val”“ Martin”

• 原子量可以命名

  人口<-c（Buffalo = 259000，Rochester = 210000，`New York` = 8400000）人口

  ##布法罗罗切斯特纽约## 259000 210000 8400000

  log10（人口）

  ## Buffalo Rochester New York ## 5.413300 5.322219 6.924279

• 统计概念类似NA（无法使用）

  真实<-c（真，错误，na）真实性

  ## [1] true false na

• 诸如“和”之类的逻辑概念（和）， '或者' （|）， 并不是' （呢）

  ！真实

  ## [1] false true na

  真实|！真实

  ## [1]正确的na

  真实与真实

  ## [1]错误na

• 诸如Infinity之类的数值概念（inf）或不划分（南，例如0 /0）

  undefined_numeric_values <-c（na，0/0，nan，inf，-inf）undefined_numeric_values

  ## [1] Na Nan Nan Inf -Inf

  sqrt（undefined_numeric_values）

  ##在SQRT中警告（undefined_numeric_values）：NANS产生

  ## [1] Na Nan Nan Inf Nan

• 常见的弦乐操作

  toupper（人）

  ## [1]“ Brian”“ Jim”“ Herve”“ Dan”“ val”“ Martin”

  基德（People，1，3）

  ## [1]“ bri”“ jim”“她”“ dan”“ val”“ Mar”

• r是绿色消费者 - 回收短量向量以与长向量保持一致

  x <-1：3 x * 2＃'2'（长度为1的向量）回收为C（2，2，2）

  ## [1] 2 4 6

  真实|NA

  ## [1] true na na

  真实与纳

  ## [1] na false na

• 筑巢操作非常常见，可以同时紧凑，混乱和表现力（[[：子集;<： 少于）

  基德（Tolower（People），1，3）

  ## [1]“ bri”“ jim”“她”“ dan”“ val”“ Mar”

  人口[人口<1000000]

  ##布法罗·罗切斯特## 259000 210000

列表

• 列表类型可以包含其他向量，包括其他列表

  frenemies = list（friends = c（“拉里”，“理查德”，“ vivian”），敌人= c（“ dick”，“ mik”））frenemies

  ## $朋友## [1]“ Larry”“ Richard”“ Vivian” ## ## $ enemies ## [1]“ Dick”“ Mik”

• [[子集一个列表以创建另一个列表，[[[提取列表元素

  Frenemies [1]

  ## $朋友## [1]“ Larry”“ Richard”“ Vivian”

  Frenemies [C（“敌人”，“朋友”）]

  ## $敌人## [1]“ dick”“ mik” ## ## $ friends ## [1]“ larry”“ richard”“ vivian”

  Frenemies [[“敌人”]]

  ## [1]“ Dick”“ Mik”

因素

• 类似角色的向量，但值仅限于特定水平

  性别=因子（C（“男性”，“男性”，“女性”），级别= C（“女性”，“男性”，“雌雄同体”）性爱

  ## [1]男性女性##等级：女性男性雌雄同体

  性==“女性”

  ## [1] false false true

  表（性别）

  ##性##女性男性雌雄同体## 1 2 0

  性[性==“女性”]

  ## [1]女性##级别：女性男性雌雄同体

3课程：data.frame及以后

变量通常以高度结构化的方式相互关联，例如电子表格中的两个“列”数据

x = rnorm（1000）＃1000随机正常偏差y = x + rnorm（1000）＃另一个1000偏差，作为x plot（y〜x）的函数（y〜x）＃关系bewteen x and y

方便地操纵它们

• data.frame（）：喜欢电子表格中的列

  df = data.frame（x = x，y = y）头（df）＃第一个6行

  ## X Y ## 1 -1.7569371 -0.70884344 ## 2 -1.6527157 -1.97487316 ## 3 -0.5161684 -1.36055768 ## 4 0.2218860 0.09724608 ## 5 -0.6661832 -1.82587026 ## 6 -0.5512824 0.71819197

  情节（y〜x，df）＃与上面相同

  

• 查看所有数据查看（DF）。总结数据摘要（DF）

  摘要（DF）

  ## x y ## min。：-3.27963分钟。：-5.20065 ## 1st Qu. :-0.71917 1st Qu.：1.02837 ##中间：-0.06830中位数：-0.08605 ## ##均值：-0.06072平均值：-0.09962＃ 最大限度。：2.77080最大：4.37988

• 易于以协调方式操纵数据，例如访问列X和$和仅对于这些值大于0的子集

  正X = df [df $ x> 0，]头（正X）

  ## X Y ## 4 0.2218860 0.09724608 ## 9 0.6701959 0.82361589 ## 10 1.1216619 1.49955242 ## 14 0.6156470 0.11297448 ## 15 0.2805778 -1.84736727 ## 16 0.7633320 -1.63962235

  情节（y〜x，正X）

  

• r是内省的 - 询问自己

  班级（DF）

  ## [1]“ data.frame”

  昏暗（DF）

  ## [1] 1000 2

  Colnames（DF）

  ## [1]“ x”“ y”

• 矩阵（）一个相关类别，所有元素都具有相同的类型（adata.frame（）需要列中的元素是相同的类型，但是列之间的元素可能是不同的类型）。

散点图使人们想拟合线性模型（进行回归分析）

• 用一个公式描述变量之间的关系

• 第二个参数中发现的变量

  拟合<-lm（y〜x，df）

• 可视化点并添加回归线

  图（y〜x，df）abline（fit，col =“ red”，lwd = 3）

  

• 总结拟合为方差分析表

  方差分析（合适）

  ##方差表分析## ##响应：y ## df sum sq平均sq f值pr（> f）## x 1 1040.0 1039.96 1022.2 <2.2e-16 *** ## ##残留998 1015.4 1.02 ##--- ##标志。代码：0'***'0.001'**'0.01'*'0.05'。0.1''1

• 内省 - 什么是什么类合身？什么方法我可以应用于该课程的对象吗？

  班级（合适）

  ## [1]“ LM”

  方法（class = class（fit））

  ## [1] add1别名ANOVA CASE.NAMES COLECER CONCINT ## [7] COOKS.DISTANCE偏差DFBETA DFBETAS DRED1 DUMMY.COEF ## [13]效果ExtractaiC家族公式的影响## [19]初始化Kappa Labels Loglik模型。帧模型。matrix## [25] NOBS图预测打印proj qr ## [31]残差rstudent rstudent show show simulate slotsfroms3 ## [37] summary variable.names vcov ##请参阅'？meads'？

4帮助！

可用的帮助rstudio或互动

• 查看帮助页面rnorm（）

  ？rnorm

• “用法”部分描述了如何使用该函数

  rnorm（n，平均= 0，sd = 1）

• 参数，有些具有默认值。争论首先按名称匹配，然后位置

• “参数”部分描述了该论点应该是什么

• “价值”部分描述了返回值

• “示例”部分说明了使用

• 通常包括对相关技术文档的引用，对相关功能的参考，晦涩的细节

• 可能令人生畏，但最终非常有用