x+1
x
输出为
[1]2345
输入
x<-c（1,2,3,4）
y<-c（1,1,1,1）
x+y
输出为
[1]2345。
b.快速生成有序向量（函数seq和rep）
在需要大量有序数值向量时，为了避免手工输入的麻烦，R语言提供了快速生成的方法。
如：
输入
x<-1:
10
x
输出为
[1]12345678910
输入
x<-10:
1
x
输出为
[1]10987654321
上述利用“:
”只能生成步长为1的向量，若要生成任意步长的向量需要使用函数seq（），它有三个参数，（最小值,最大值,步长）。
如：
输入
x<-seq（1,20,2）
x
输出为
[1]135791113151719
输入
x<-seq（1,5,0.5）
x
输出为
[1]1.01.52.02.53.03.54.04.55.0
别外一个函数rep（）可以通过重复一个基本数值或数值对象多次来创建一个较长的向量，它有二个参数，（数据，重复次数）。
如：
输入
x<-rep（1,10）
x
输出
[1]1111111111
输入
x<-rep（c（1,2,3）,3）
x
输出
[1]123123123
c.向量索引
向量索引也称为向量中数值元素的下标，用来引用向量中的单个数值，用方括号[]表示，如：
输入
x<-c（1,2,3,4,5）
x[1]
输出
[1]1
向量索引除了引用单个值之外，还起过滤的作用，如：
输入
x<-c（1,2,3,4,5）
x[x>3]
输出x中大于3的数值
[1]45
d.常用的向量函数
函数名
功能
示例，已知x<-c（2,1,5,3,4），y<-c（8,9）
输入
输出
sum
求和
sum（x）
[1]15
max
最大值
max（x）
[1]5
min
最小值
min（x）
[1]1
mean
均值
mean（x）
[1]3
length
长度
length（x）
[1]5
var
方差
var（x）
[1]2.5
sd
标准差
sd（x）
[1]1.581139
median
中位数
median（x）
[1]3
quantile
五个分位数
quantile（x）
0%25%50%75%100%
12345
sort
排序
sort（x）
sort（x,TRUE）
[1]12345
[1]54321
rev
倒序
rev（x）
[1]43512
append
添加
append（x,8）
append（x,y）
[1]215348
[1]2153489
replace
替换
replace（x,1,7）
replace（x,c（1,2）,7）
[1]71534
[1]77534
提示：
利用help函数可以查看R语言文档。
例如，当不知道replace函数的功能时，输入help（replace），在RStudio右下的help窗口中即显示repalce函数的详细说明。
（2）矩阵
矩阵运算虽然是统计理论的重要工具，但与基本统计方法的应用关系不大，因此没有矩阵运算基础可以跳过本部分。
R语言中的矩阵基本等同与数学中的矩阵。
R语言中使用matrix函数创建一个矩阵。
matrix函数有三个参数，（数值向量，行数，列数）。
如：
输入
x<-matrix（c（1,2,3,4）,2,2）
x
输出两行两列的矩阵及其行号和列号
[,1][,2]
[1,]13
[2,]24
matrix还有第四个参数byrow，即数据向量转为矩阵时数据的排列顺序，其默认值为FALSE，如：
输入
x<-matrix（c（1,2,3,4）,2,2,TRUE）
输出
[,1][,2]
[1,]12
[2,]34
a.矩阵运算
矩阵的+-*/运算是对矩阵元素的运算，如：
输入
x<-matrix（c（1,2,3,4）,2,2）
x*2
输出
[,1][,2]
[1,]26
[2,]48
输入
x<-matrix（c（1,2,3,4）,2,2）
y<-matrix（c（5,6,7,8）,2,2）
x+y
输出
[,1][,2]
[1,]610
[2,]812
矩阵运乘法运算符号为%*%，如：
输入
x<-matrix（c（1,2,3,4）,2,2）
y<-matrix（c（5,6,7,8）,2,2）
x%*%y
输出
[,1][,2]
[1,]2331
[2,]3446
b.矩阵下标
矩阵下标类似向量的下标。
所不同的是，向量是两维的，下标包括两个数字，表示相应元素所在的行和列，如：
输入
x<-matrix（c（1,2,3,4）,2,2）
x[1,2]
输出第一行第二列元素
[1]3
c.常用的矩阵函数
函数名
功能
diag
取对角元素/生成对角阵
solve
求逆/解线性方程组
eigen
求特征向量/特征值
rank
求秩（元素位置，矩阵秩可用qr（）$rank）
t
转置
det
行列式
（3）数组
R语言中，数组是向量和矩阵的推广，向量和矩阵是数组的特殊形式。
向量是一维数组，而矩阵是二维数组。
利用array（）函数创建数组，其参数为（数据向量，维数向量）如：
输入
x<-array（c（1,2,3,4）,c（2,2））
x
上述语句输入数据为1,2,3,4，生成两行两列的数组，输出为
[,1][,2]
[1,]13
[2,]24
所以，array（c（1,2,3,4）,c（2,2）等价于matrix（c（1,2,3,4）,2,2）。
利用array函数可以生成更高维的数组。
注意：
向量、矩阵和数组中也可以包含其他的数据类型，如字符型、逻辑型、空值。
（4）列表
向量、矩阵和数组要求元素必须为同一基本数据类型。
如果一组数据需要包含多种类型的数据，则可以使用列表，如：
输入
x<-list（a=1,b=2,c=3）
输出为
$a
[1]1
$b
[1]2
$c
[1]3
与向量、矩阵和数组相比，列表没有下标号，但是每个数据都有一个名字。
数组使用下标来引用元素，而列表用名字来引用元素，如：
输入
x<-list（a=1,b=2,c=3）
x$a
输出
[1]1
列表与向量、矩阵和数组的另一个重要区别是，向量、矩阵和数组的元素只能是一个简单基本数据，而列表的元素还可以是其他的其他各种数据对象，比如向量、矩阵、数组或者另一个列表，如：
输入
x<-list（a=1,b=c（1,2,3）,c="ab",d=c（"a","c","c"）,e=matrix（c（1,2,3,4）,2,2）,f=list（a=1,b=2））
x
这是一个复杂的列表，a为数字，b为向量，c为字符，d为字符向量，e为矩阵，而f为另一个列表。
输出为
$a
[1]1
$b
[1]123
$c
[1]"a"
$d
[1]"a""c""c"
$e
[,1][,2]
[1,]13
[2,]24
$f
$f$a
[1]1
$f$b
[1]2
列表的名字可以连续引用，输入
x$f$a
输出为
[1]1
（5）数据框
数据框是另一种可以有不同基本数据类型元素的数据对象。
简单来说，一个数据框包含多个向量，向量的数据类型可以不一样。
因此，数据框是介于数组和列表之间的一种数据对象，与矩阵相比它可有不同数据类型，与列表相比它只能包含向量，而且这些向量的长度通常是相等的。
a.创建数据框
R语言使用data.frame（）来创建数据框，如：
输入
x<-c（"张三","李四","王五","赵六"）
y<-c（"男","女","女","男"）
z<-c（89,90,78,67）
data.frame（x,y,z）
输出为
xyz
1张三男89
2李四女90
3王五女78
4赵六男67
其中，每行行首的数字是该行名字，可以使用row.names（）来重新为每行命名。
输入
row.names（student）<-c（"a","b","c","d"）
student
输出
xyz
a张三男89
b李四女90
c王五女78
d赵六男67
当然，数据框中每列向量也可以有名字，如：
输入
data.frame（姓名=x,性别=y,分数=z）
输出为
姓名性别分数
1张三男89
2李四女90
3王五女78
4赵六男67
注意，这些的姓名、性别和分数为变量，所以不能加引号。
b.数据框中数据的引用
获取数据框中的一行或多行：
输入
student[1,]
输出
xyz
a张三男89
输入
student[（1:
2）,]
输出
xyz
a张三男89
b李四女90
获取数据框一列或多列：
输入
student[,1]
输出
[1]张三李四王五赵六
输入
student[,（1:
2）]
输出
xy
a张三男
b李四女
c王五女
d赵六男
还可以用访问列表数据的方式访问数据框：
输入
student$x
输出
[1]张三李四王五赵六
同向量的引用一样，可以过滤数据框中的数据，如：
输入
student[student$y>80,]
输出
xyz
a张三男89
b李四女90
5.数据导入导出
分别介绍利用RStudio导入数据，利用R函数导入导出数据。
初学者可以忽略后一种方法。
假设有文件student.txt以及student.csv，csv文件是以Tab符号分隔的文本文件，Excel数据可以另存为csv文件（Mac系统中建议使用Numbers编辑、导出csv文件，以避免出现乱码）。
这两个文件内容相同：
姓名性别分数
张三男89
李四女90
王五女78
赵六男67
5.1利用RStudio导入数据
顶部菜单选择tools->ImportDataset->FromLocalFile，弹出窗口选择要导入的数据文件，然后弹出如下窗口：
因为数据文件中包含了列名，所以Heading选择yes；文件中列是用逗号分隔的，所以Separator选择Comma，点击Import即可导入数据并保存入student对象。
其他格式文件的导入方法一样。
5.2导入R包中的数据
R的扩展包中常常包含样例数据，这些数据有助于学习扩展包的功能。
此外，datasets包中包含大量的数据，可以用来学习R语言。
要想利用这些数据，就要将它们导入到当前工作空间中来。
可以利用data函数导入扩展包中的数据，如：
输入
data（package="datasets"）
该命令导入datasets包中的全部数据。
输入
data（）
查看当前工作空间的数据。
输入
data（Nile,package="datasets"）
该命令仅将datasets包中的Nile数据导入工作空间。
此外，R语言在工作空间中使用扩展包前，要加载相应的扩展包，使用函数library可加载扩展包，如：
library（"datasets"）
加载扩展包后，其中的数据集就会全部加载到工作空间中，可直接使用。
5.3利用R语言函数导入数据
（1）读入文本文件
read.table（"student.txt",header=T,sep=","）
（2）读入csv文件
read.csv（"student.csv",header=T,sep=","）
（3）读入SPSS数据
read.spss（"dataname.sav"）
注意：
如果数据文件不在当前工作目录中，需要加上正确的相对或绝对路径。
5.4导出数据
（1）导出为文本
write.table（student,"student.txt"）
（2）导出为csv文件
write.csv（student,"student.csv"）
6.工作空间数据管理
6.1查看、删除、编辑数据
a.列出工作空间全部数据变量名
ls（）
b.删除数据
rm（dataname）
c.查看数据（注意大小写）
View（dataname）
d.查看dataframe前10行
head（dataframe）
e.查看dataframe后10行
tail（dataframe）
f.编辑数据
edit（dataname）或者fix（dataname）
g.删除矩阵或dataframe的行（假设有数据data）
data[-1,]#删除第一行
data[c（-1,-2）,]#删除第一行和第二行
data[-1:
-3,]#删除第一行到第三行
h.删除矩阵或dataframe的列（假设有数据data）
data[,-1]#删除第一行
data[,c（-1,-2）]#删除第一行和第二行
data[,-1:
-3]#删除第一行到第三行
6.2变量处理
a.dataframe添加一列或合并dataframe
data.frame（old_dataframe,new_column）
data.frame（dataframe1,dataframe2）
b.变量重命名
方法1：
edit（）或fix（）函数打开数据编辑器，点击变量名可以对其进行修改。
方法2：
names（）函数。
names（）函数可以显示dataframe的变量名，也可以通过赋值进行修改，下述代码将第一列变量名字改为new_name：
names（dataframe）[1]<-"new_name"
c.变量类型判断与转换
类型
判断
转换
数值型
is.numeric
as.numeric
字符型
is.character
as.character
向量
is.vector
as.vector
矩阵
is.matrix
as.matrix
数据框
is.data.frame
as.data.frame
逻辑型
is.logical
as.logical
示例：
输入
x<-c（1,2,3,4）
is.vector（x）
输出
TRUE
输入
x<-c（"1","2","3","4"）#注意，数字加引号就成为字符型数值了
as.numeric（x）
输出
[1]1234
7.R语言脚本
所谓脚本，就是指程序片段。
R语言脚本就是将多条R指令保存为一个脚本文件，用以实现复杂的功能。
7.1创建R语言脚本
选择RStudio顶部菜单中File->NewFile->RScript即可以在RStudio中创建一个脚本文件。
上述小节中在命令行中输入的指令都要以放入脚本中。
需要注意的是，R语言脚本每行只能入一条指令。
如果一定要在一行中放置多条指令则需要用“;”隔开（英文输入法下的分号）。
点击RStuio工具栏中的图标
也可以创建R脚本。
在原生的R语言中，创建脚本选择顶部菜单中File->NewDocument可以创建脚本。
R语言脚本的扩展名为R。
R语言为脚本提供了完整的程序语言语法，如if、for、while等语句，以及函数function定义等，有兴趣可以查找相关资料深入学习。
7.2执行R语言脚本
在RStudio中，点击脚本编辑器顶部的按钮
可以运行脚本中光标所在的行，按钮
运行整个脚本中的全部指令。
若要在命令窗口中运行脚本，用source（）函数，如source（"myscript.R"）。
如果脚本不在当前工作空间中，则需要给出正确的路径。
查看当前工作空间路径使用getwd（）函数，也可以使用setwd（）来设置新的工作空间。
8.R语言的包
R语言的功能是通过包（package）来实现的，因而其功能可以很容易的被拓展。
正是R语言的这种开放性使得其具有强大的功能和时效性，新的算法被提出之后很快就有相应的拓展包被释放出来。
（1）R语言中包的管理
library（）查看全部已安装的包
library（"packagename"）加载名为packagename的包
（.packages（））查看已加载的包
install.packages（"packagename"）安装名为packagename的包
（2）RStudio中包的管理
RStudio中包的管理更加便捷，在Package子窗口中，如下图所示：
Package子窗口中列出了全部已安装的包，
选中的包为已加载的包（选中没有加载的包即可将其加载）。
点击
可安装新的包。
9.小结
本部分介绍了R及RStudio的安装与运行、R语言的运算符、R语言的基本数据类型（数值，字符，逻辑，空值）、R语言的数据对象（向量，矩阵、列表、数据框）、数据的导入导出、工作空间中数据变量的管理，以及R语言脚本。
虽然涉及到数十个函数，但是它们都很容易记忆和使用，而且也并非需要将它们全都记住，仅需熟练使用其中的15个左或即能满足日常80%的应用。
学习编程需要特别注意两点：
第一，一定要动手实践；第二，不要死记，灵活使用文档、手册，以及最常使用的百度谷歌。
升级会员 