统计建模与R语言学习教案.ppt

求助(qiúzhù)符
？
help()
例子：
>3+5
>3-5
>3/5
>3^5
>x=5
>?plot
>help(plot)向量
向量是R中最为基本的类型
一个向量中元素的类型必须相同(xiānꞬtónꞬ)，包括
数值型
整型
单精度实型
双精度实型
逻辑型
复值型
字符型建立向量的方法(fāngfǎ)(函数)
seq()或:若向量(序列)具有较为简单的规律
rep()若向量(序列)具有较为复杂的规律
c()若向量(序列)没有什么规律
例子：
>1:10
>seq(1,10,by=0.5)
>seq(1,10,length=21)
>rep(2:5,2)
>rep(2:5,rep(2,4))
>x=c(42,7,64,9)
>length(x)向量(xiàngliàng)运算中的循环法则(recyclingrule)

>1:2+1:4

>1:4+1:7向量的下标(index)与向量子集(元素)的提取
正的下标提取向量中对应的元素
负的下标去掉向量中对应的元素
逻辑运算提出向量中元素的值满足条件的元素
注：R中向量的下标从1开始，这与通常的统计或数学软件一致而象C语言等计算机高级(gāojí)语言的向量下标则从0开始！
例子：
>x=c(42,7,64,9)
>x[1]
>x[-2]
>x[c(1,4)]>x>10 #值大于10的元素(yuánsù)逻辑值
[1]TRUEFALSETRUEFALSE
>x[x>10]#值大于10的元素(yuánsù)
[1]4264
>x[x<40&x>10]
>#产生(0,1)上100个均匀分布随机数
>y=runif(100,min=0,max=1)
>sum(y<0.5)#值小于0.5的元素(yuánsù)的个数
[1]47
>sum(y[y<0.5])#值小于0.5的元素(yuánsù)的值的和
[1]10.84767数据框架(dataframe)
许多数据集是数据框架的形式出现
一个数据框架就是将许多向量组合起来的一个对象，它是二维的，通常其列表示变量，其行表示观测。
建立(jiànlì)数据框架的方法(函数)
若你的数据本身保存在一个文件中，则可以使用
read.table()仅接受带有分界符的ASCII数据
如果数据是电子报表的形式，则采用下面的两种变型
read.csv()先将数据另存为带逗号的数据(CommaSeperatedvalues)
read.delim()先将数据另存为用tab作为分界符的数据
注：若数据集很大(如1,000,000观测x200变量)，则可由ODBC联接由数据库读入.若你在R中建立了一些向量并试图想由它们生成框架，则可以使用data.frame()，但需要同时(tóngshí)cbind().
例子：
>x=c(42,7,64,9)
>y=1:4
>z.df=data.frame(cbind(INDEX=y,VALUE=x))
>z.df
INDEX VALUE
1 1 42
2 2 7
3 3 64
4 4 9
注.df只是为了提醒自己z.df是一个数据框架INDEX和VALUE是重新命名的向量名字数据框架子集的提出取
格式(géshi)foo[row,column]其中foo 数据框架的名称row 需要提出取的行号column需要提出取的行号
例子(续上一例)列表(list)
复杂的数据分析时，仅有向量与数据框架还不够
有时需要生成(shēnꞬchénꞬ)包含不同类型的对象
R的列表(list)就是包含任何类型的对象
例子:
>foo=list(x=1:6,y=matrix(1:4,nrow=2))
>foo
$x
[1]123456
$y
[,1][,2]
[1,]13
[2,]24列表子集的提出取
提取一个(yīꞬè)子对象如foo的x,下面三种方式等价>foo$x>foo[1]>foo[[1]]例子
>foo$y
>foo[2]
>foo[[2]]
>foo[[1]][2]
>foo$y[2]
>foo$y[4]条件语句
作用:避免除零或负数的对数(duìshù)等数学问题
形式1：if(条件)表达式1else表达式2
形式2–常优于形式1！ifelse(条件,yes,no)
试比较下面的三个结果：>x=c(6:-4)
>sqrt(ifelse(x>=0,x,NA))
>ifelse(x>=0,sqrt(x),NA)
>if(x>=0)sqrt(x)elseNA循环(loops)
for()#若知道终止条件for(变量in向量)表达式
while()#若无法知道运行次数(cìshù)while(条件)表达式
两者通常可以转换例1—试比较两种方法>for(iin1:5)print