R 语言 ¶

[toc]

基本语法 ¶

变量定义：a <- "Hello, world!"

打印：print(a)，打印多个变量时使用cat(a,b,c)

索引：从 1 开始，首尾都包含

注释：#test

R 不支持多行注释，但可以使用 if(FALSE) 语句注释

获取包含 R 包的库位置：.libPaths()

获取已安装的所有软件包列表：library()

重要范例 ¶

Rstudio 用法 ¶

ctrl+1 光标移动到 source

ctrl+2 光标移动到 console

Ctrl+L 清理控制台

command+shift+c 批量注释或取消注释

文件 ¶

读文件

data = read.csv(paste0(getwd(),'/data/data.csv'))

写文件

write.csv(data,"data/data.csv",row.names = FALSE)

字符 ¶

字符处理

paste(c("data","csv"),collapse = ".")

添加列

data[,code := gsub(x = contract, pattern = "[^/]+/([^\\./]+)\\.[^\\./]+", replacement = "\\1")]

时间戳格式转时间格式

as.POSIXct(plotData[,timestamp],origin = '1970-01-01')

数据帧 ¶

筛选

dataUSDT <- data[(grepl("\\.usdt$",contract) & exchange != 'coinbase')]

根据某列分列表

split(dataUSDT, by = 'exchange',keep.by = TRUE)

对列表元素依次操作

lapply(splitedData,function(d)unique(d$code))

计算时取本组元素

V_R_Exc <- dataUSDT[,.(
  code = code, 
  time = time,
  v_r_exc = volume/.SD[code == "btc"][['volume']]
),by = c('exchange','timestamp')]
# 按交易所和时间分组，每组的btc交易量为.SD[code == "btc"][['volume']]

排列

arrange(v_r,timestamp,-v_r) # 按照timestamp, vr降序排列

v_r <- v_r[order(timestamp, -v_r),] # 按照timestamp, vr降序排列

缺失值处理

plotData[is.na(plotData)] <- 0

plotData[,v_r:= plotData[,v_r] %>% replace(is.na(.), 0)]

创造新列使用变量内容而非变量名本身

result[,(i):=content]

绘图 ¶

横轴为时间

ggplot2::ggplot(
     data = plotData, ggplot2::aes(x = time, y = v_r, group = code, colour = code)) + 
     ggplot2::geom_line() + 
     ggplot2::scale_x_datetime(date_labels = '%Y-%m-%d', date_breaks = '3 month') + 
     ggplot2::xlab('Time') + 
     ggplot2::ggtitle(label = 'Time ~ Count', subtitle = 'subtitle') + 
     ggplot2::ylab('Count') + 
     ggplot2::theme(legend.position = "right", 
             legend.direction = "vertical", 
             axis.text.x = ggplot2::element_text(angle = 45))

保存

ggplot2::ggsave("graph/coinNumber.png")

数据类型 ¶

对象无需声明数据类型，变量定义时 R 对象的数据类型变为变量的数据类型。

返回数据类型的函数：class(a)

Vectors 向量 ¶

• 最基本的 R 语言数据对象
• 单元素向量
• 即使在 R 语言中只写入一个值，它也将成为长度为 1 的向量，并且属于六类原子向量。
• c(1) 的效果与直接写入 1 一致
• 多元素向量
• 对数值数据使用冒号运算符
  • v <- 3.8:11.4
  • [1] 3.8 4.8 5.8 6.8 7.8 8.8 9.8 10.8
• 使用 sequence (Seq.) 序列运算符
  • seq(5, 9, by = 0.4)
  • [1] 5.0 5.4 5.8 6.2 6.6 7.0 7.4 7.8 8.2 8.6 9.0
• 使用 c() 函数进行组合
  • s <- c('apple','red',5,TRUE)
  • [1] "apple" "red" "5" "TRUE"，类型为 character( 会强制转换成最宽泛的类 )
• 向量索引
• 从 1 开始
• logical 变量或 0/1 也可用于索引
• FALSE 或 0 代表对应位置舍弃，索引 -x 代表第 x 项舍弃后的剩余部分

  t <- c("Sun","Mon","Tue","Wed","Thurs","Fri","Sat")
  u <- t[c(2,3,6)]
  v <- t[c(TRUE,FALSE,FALSE,FALSE,FALSE,TRUE,FALSE)]
  x <- t[c(-2,-5)]
  y <- t[c(0,0,0,0,0,0,1)]
  
  [1] "Mon" "Tue" "Fri"
  [1] "Sun" "Fri"
  [1] "Sun" "Tue" "Wed" "Fri" "Sat"
  [1] "Sun"
  

  • 向量运算
  • 加减乘除相同长度的向量

  • 若不等长，较短的向量将被循环

    v1 <- c(3,8,4,5,0,11) v2 <- c(4,11) #V2 becomes c(4,11,4,11,4,11) - 向量排序 - 可以使用sort()函数排序，有参数decreasing默认为false（默认升序） - 除数字外也可以进行字符排序

    v <- c(3,8,4,5,0,11, -9, 304) sort.result <- sort(v) revsort.result <- sort(v, decreasing = TRUE)

六类原子向量 ¶

• logical
• 逻辑型，真或假
• TRUE, FALSE
• numeric
• 数字
• 12.3, 5
• integer
• 整型
• 2L, 0L
• complex
• 复数型
• 3+2i
• character
• 字符
• ‘a’, "abc", '23.4'
• 单双引号无差异 字符和字符串无差异？

• 字符修改函数

  gsub(x = contract, pattern = "[^/]+/([^\\./]+)\\.[^\\./]+", replacement = "\\1")] 表示形如“coinbase/btc.usdt”返回“btc” - 字符连接函数

  paste(c("btc","usdt"), collapse = ".") 表示得到“btc.usdt” - 字符判定函数

  grepl("\\.usdt",contract) 表示字符串内含有“.usdt” - raw - 原型 16进制 - "Hello" 被存储为 48 65 6c 6c 6f - v <- charToRaw("Hello")

Lists 列表 ¶

• 列表可以包含许多不同类型的元素，如向量、函数、矩阵甚至另一个列表。
• 列表创建
• list1 <- list(c(2,5,3),21.3,sin)
• 将显示的结果为：

    [[1]]   [1] 2 5 3
  
    [[2]]   [1] 21.3
  
    [[3]]   function (x)  .Primitive("sin")
  

  • 列表元素命名
  • names(list_data) <- c("1st Quarter", "A_Matrix", "A Inner list")
  • 列表元素访问
  • 元素索引访问：list_data[1]
  • 元素名称访问：list_data$A_Matrix
  • 列表元素修改
  • 增删只能在末尾，修改可以在任意位置
  • 增：list_data[4] <- "New element"
  • 删：list_data[4] <- NULL
  • 改：list_data[3] <- "updated element"
  • 列表合并
  • 将所有列表放在一个 c() 函数中
  • list <- c(list1,list2)
  • 列表转向量
  • 转为向量后可使用向量的代数运算
  • unlist() 函数，输入列表输出向量
  • v <- unlist(list1)

Metrices 矩阵 ¶

• 二维矩形数据集，可以使用 matrix() 创建
• 矩阵的转置：t()，用例为t(M)
• 创建矩阵
• 基本语法：matrix(data, nrow, ncol, byrow, dimnames)
• 数据是成为矩阵的数据元素的输入向量
• nrow 是要创建的行数
• ncol 是要创建的列数
• byrow 是一个逻辑线索。 如果为 TRUE，则输入向量元素按行排列
• dimname 是分配给行和列的名称 ( 可选 )

  rownames = c("row1", "row2", "row3", "row4")
  colnames = c("col1", "col2", "col3")
  P <- matrix(c(3:14), nrow = 4, byrow = TRUE, dimnames = list(rownames, colnames))
  

  • 将显示的结果为：

     col1 col2 col3
    

    row1 3 4 5 row2 6 7 8 row3 9 10 11 row4 12 13 14 - 访问元素 - 访问元素：P[4,2] - 访问行/列：P[2,] 或 P[,3] - 矩阵运算 - 参与运算的矩阵行数列数分别相等 - 结果均为逐项运算 - result <- matrix1 / matrix2

Arrays 数组 ¶

• 数组可以有任意维度，使用一个 dim 属性创建所需的维数，向量长度不足的循环补足
• 数组只能存储数据类型
• 数组创建
• a <- array(c('green','yellow'),dim = c(3,3,2))
• 将显示的结果为：

    , , 1
  
         [,1]     [,2]     [,3]    
    [1,] "green"  "yellow" "green" 
    [2,] "yellow" "green"  "yellow"
    [3,] "green"  "yellow" "green"
  
    , , 2
  
         [,1]     [,2]     [,3]    
    [1,] "yellow" "green"  "yellow"
    [2,] "green"  "yellow" "green" 
    [3,] "yellow" "green"  "yellow"
  

  • 行列命名

    result <- array(c(vector1,vector2),dim = c(3,3,2),dimnames = list(row.names,column.names,matrix.names))

    , , Matrix1

    COL1 COL2 COL3
    

    ROW1 5 10 13 ROW2 9 11 14 ROW3 3 12 15

    , , Matrix2

    COL1 COL2 COL3
    

    ROW1 5 10 13 ROW2 9 11 14 ROW3 3 12 15 - 元素访问 - 反正空着就是全都要 - result[3,,2] - 元素操作 - 对数组元素的操作通过访问矩阵的元素来执行

    matrix1 <- array1[,,2] matrix2 <- array2[,,2] result <- matrix1+matrix2 - 跨矩阵元素运算 - apply()函数：apply(x, margin, fun) - x是一个数组 - margin 是所使用的数据集的名称 - fun是要应用于数组元素的函数 - 例：计算所有矩阵中数组行中元素的总和 - result <- apply(testarray, c(1), sum)

Factors 因子 ¶

• 使用向量创建的 r 对象。 它将向量与向量中元素的不同值一起存储为标签
• 因子创建

• 函数 factor()

  • 向量：apple_colors <- c('green','green','yellow','red','red','red','green')
  • 因子：factor_apple <- factor(apple_colors)
  • 将显示的结果为：

    [1] green  green  yellow  red   red   red   green 
    Levels: green red yellow
    

    • 函数 gl()

      • gl(n, k, length = n*k, labels = 1:n, ordered = FALSE)
      • n 是整数，级别的个数
      • k 是整数，每个级别的重复个数
      • length 为结果的长度
      • labels 为可选参数，向量因子水平的标签
      • gl(3, 2, labels = c("Tampa", "Seattle","Boston"))

      Tampa Tampa Seattle Seattle Boston Boston Levels: Tampa Seattle Boston - gl(2, 2, 20)

      [1] 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 Levels: 1 2

• 判定：is.factor(factor_data)

• Factors 与 Data Frames：在创建具有文本数据列的任何数据框时，R 语言将文本列视为分类数据并在其上创建因子
• 指定级别顺序
• 使用新的等级次序再次应用因子函数，改变因子中的等级顺序
• new_order_data <- factor(factor_data,levels = c("East","West","North"))

Data Frames 数据帧 ¶

• 表格对象，每列可以包含不同类型数据，可以是数字，因子或字符类型
• 列名称应为非空，行名称应该唯一，每个列应包含相同数量的数据项。
• 数据帧创建
• 使用 data.frame() 创建

  emp.data <- data.frame(
      emp_id = c (1:5),
      emp_name = c("Rick","Dan","Michelle","Ryan","Gary"),
      salary = c(623.3,515.2,611.0,729.0,843.25),
      start_date = as.Date(c("2012-01-01","2013-09-23","2014-11-15","2014-05-11","2015-03-27")),
      stringsAsFactors = FALSE
  )
  

  • 将显示的结果为

    emp_id    emp_name     salary     start_date
    1     1     Rick        623.30     2012-01-01
    2     2     Dan         515.20     2013-09-23
    3     3     Michelle    611.00     2014-11-15
    4     4     Ryan        729.00     2014-05-11
    5     5     Gary        843.25     2015-03-27
    

    • 获取信息
    • str() 函数，可以看到行列数、列名、每列数据类型、具体数据的前若干个字符
    • summary() 函数，可以获得数据的统计摘要和性质，长度、类型、最大最小均值等
    • 数据提取
    • 按列名提取整列
      • emp.data$emp_name
      • emp.data[,"emp_name"]
      • emp.data[,c("emp_name","salary")]
    • 按数字索引提取
      • emp.data[1] 单索引默认按列提取
      • emp.data[c(3,5),c(2,4)]
      • emp.data[1:2,]
    • subset
      • subset(data,colname1 == c(name1,name2) & colname2 > 300)
    • 提取数据帧信息
      • 获取列名向量 colnames(x)
      • 获取行名向量 rownames(x)
      • 获取行数 nrow(x)
      • 获取列数 ncol(x)
    • 增删列
    • 直接用新列名修改
    • 增：emp.data$dept <- c("IT","Operations","IT","HR","Finance")
    • 删：emp.data$dept <- NULL
    • 增删行
    • 新建列数相同的新数据帧，然后使用 rbind() 函数合并
    • 增：emp.finaldata <- rbind(emp.data,emp.newdata)
    • 删除行需要向量技巧
    • emp.data <- emp.data[-c(1,3),]，其中第一项为要删除的行号向量（当前第几行）

数据帧处理 ¶

数据帧合并 cbind/rbind/merge ¶

• cbind
  • 根据列进行合并，即叠加所有列，m 列的矩阵与 n 列的矩阵 cbind() 最后变成 m+n 列
  • 合并前提：cbind(a, b) 中矩阵 a、b 的行数相符
• rbind
  • 根据行进行合并，即叠加所有行，m 行的矩阵与 n 行的矩阵 rbind() 最后变成 m+n 行
  • 合并前提：rbind(a, b) 中矩阵 a、b 的列数相符
• merge
  • 根据列合并，m 列的矩阵与 n 列的矩阵合并至多 m+n 列，按照列名相同的列进行合并
  • merge(x, y, by = intersect(names(x), names(y)), by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all, sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE, incomparables = NULL, ...)
  • x,y 为两个数据帧，by 为作为合并根据的共同列名，all = TRUE 表示对应数据帧包含而另一数据帧不包含的行将被保留并填入 NULL
  • incomparables 表示用于比较的列上删去的值，常用 incomparables = NA
  • 若两个数据帧没有共同列，合并后将返回nrow(x)*nrow(y)行，y 的每一行信息将在每个 x 的行上重复

数据帧结构重塑 stack/unstack ¶

• stack
  • 将多维数据压缩为一维向量
  • stack(x, select, drop=FALSE, ...)
  • 生成的仍为 dataframe，第一列为压缩好的一维向量，第二列为对应列的标签
  • select 为要选择或者删去的列名向量
• unstack
  • unstack(x, form, ...)
  • form 为公式类型，左侧是值，右侧是因子类型，每个水平形成一列
  • 例：unstack(x, values~ind)

data.table¶

创建 ¶

library(data.table)
dft <- data.table(data1,data2,data3)

由 data.frame 转化：dt1 <- as.data.table(df1)

互相转化：table->frame setDF(dtt) frame->table setDT(dtt)

copy()：强行深复制 分配新存储地址（data.table 是浅复制只改变指针）

访问 ¶

• 返回数据向量：dft[,colname]，dft[[1,2]]
• 返回表：dft[,"colname"]，dft[1,2]（均为 dataframe 的方法，在 dataframe 中返回 numeric）
• 提取行：
• dft[1]或dft[1,]（返回表）
• 把某列设为 key setkey(dft,colname)，然后可以行名提取 dft["Bob",2]
• 可以设置多个 key 便于 on 参数筛选
• 提取列：
• dft[,1]或dft[,"colname"]或dft[,list(col1,col2)]或dft[,.(col1,col2)]（返回表）
• dft[,colname]或dft[[3]]或dft$colname（返回向量）
• 双括号只能加数字或字符串
• table 中默认寻找的是变量名 故字符串变量（非列名）直接找会报错，需要 with = FALSE
• 列名修改：setnames(dft,newnames)或colnames(dft)<-newnames
• 逻辑提取
• dft[weight>40&height<170]
• dft[c(T,F,T,T)]（列不可以）
• dft[.("Bob",60),on=.(name1,weight)]多列查找 等价于 name1 == Bob & weight == 60
• 增删行列
• 删除：! 或 -
• 排序
  • 根据某列对行排序 dft[order(colname)]
  • 按列名将列排序并接受 setcolorder(dft,rev(names(dft)))
• 计算
• 参数 1：哪些行 参数 2：算什么 参数 3：分组计算
• 计算多个 表输出 指定列名dft[,.(wm=mean(weight),ws=sum(weight))]
• 三参数分组 dft[,mean(weight),by=height>150]
• 合并
• 按列名融合 dt1[dt2,on="name1"]，不同列名匹配dt1[dt2,on="name1==friend"]

特殊细节 ¶

• .N 代表行的数量 分组时代表每一组行的数量
• .SD 代表整个数据框
• .SDcols 指定 .SD 中包含的列
• 多个 [] 串联连续运算 dft[weight>50][height>100][order(height)]
• %between% 和 %inrange%
• dft[weight>=50&weight<=60]
• dft[weight %between%c(50,60)]
• dft[weight %inrange%c(50,60)]
• %like% 字符串中含有某个字符 dft[name1%like%"a"]
• %>% 左值发送给右表达式，并作为右表达式函数的第一个参数
• plotData[,v_r] %>% replace(is.na(.), 0)]

table 数据接口 ¶

dataw <- data.table(a=1:10,b=2:11)
fwrite(dataw,"dataw.csv")
fwrite(dataw,"dataw.txt")
fwrite(dataw,"dataw.dat")

fread("dataw.csv")
fread(file="dataw.csv")

• 默认第一行作为列名（header=T），col.names 改变列名
• nrow 控制读几行 -1 全部，0 列名。

dplyr¶

数据筛选 ¶

• filter
• 按行筛选子数据集
• filter(data, colname1 == choice1 & colname2 == choice2)
• select
• 按列筛选子数据集
• select(data, colname1:colname3)
• select(data, starts_with("Petal")) 选取变量名前缀包含 Petal 的列
• select(data, ends_with("Width")) 选取变量名后缀包含 Width 的列
• select(data, -contains("etal")) 选取变量名不包含 etal 的列

数据排序 ¶

• arrange
• 各行按某几列依次排序
• arrange(data,colname1,colname2,colname3) （排序重要性 1>2>3）

数据变形 ¶

• mutate
• 直接利用已有的数据生成新变量且加在 dataframe 最后
• mutate(data, new1 = ..., new2 = ...)
• transform
• 也能达到同样的效果
• transform(data, new1 = ..., new2 = ...)
• transmute
• 只保留新生成的行列
• transmute(data, new1 = ..., new2 = ...)

summerise()?

ggplot2¶

qplot 快速绘图 ¶

• 散点图 qplot(x=mpg, y=wt, data=df, geom = "point")
• 平滑曲线 qplot(x=mpg, y=wt, data = df, geom = "smooth")
• 类似支持
• 箱线图 boxplot
• 小提琴图 violin
• 点图 dotplot
• 直方图 histogram
• 密度图 density

ggplot¶

• 本质是图层叠加，依靠 '+' 号实现，越靠后的位置图层越高
• 起始明确从 ggplot() 开始，一个语句一幅图

初始化 ¶

载入数据空间、选择数据以及选择默认 aes（美学，需要分组调整就写在 aes 内部，否则写在外面）

p <- ggplot(data = , aes(x = , y = ))

图层绘制 ¶

geom_ 和 stat_，绘图与统计变换

ggplot(data= NULL, aes(x = x, y = y)) +
  geom_point(color = "darkred",stat = "sum")

与

ggplot(data= NULL, aes(x = x, y = y)) +
  stat_sum(color = "darkred",geom = "point")

效果相同。

时间格式绘图 ¶

ggplot2::ggplot(data = plotData, ggplot2::aes(x = time, y = count, group = type, colour = type)) + 
  ggplot2::geom_line() + 
  ggplot2::scale_x_datetime(date_labels = '%Y-%m-%d', date_breaks = '3 month') + 
  ggplot2::xlab('Time') + 
  ggplot2::ggtitle(label = 'Time ~ Count', subtitle = 'subtitle') + 
  ggplot2::ylab('Count') + 
  ggplot2::theme(legend.position = "right", 
                legend.direction = "vertical", 
                axis.text.x = ggplot2::element_text(angle = 45))

保存图像 ¶

ggplot2::ggsave("graph/coinNumber.png")

指标名称及作用 ¶

• alpha：透明度，\(0\le alpha \le 1\)
• color：线或点的颜色，见对照表
• fill：曲线下方的填充颜色
• linetype：线型，如 "dashed"( 虚线 )
• size：点的大小或线的粗细

变量 ¶

• 变量名：字母，数字和点或下划线字符，以字母或不以数字后跟的点开头
• 变量赋值：可以使用向左，向右和等于运算符来为变量分配值
• 变量的数据类型：获取分配给它的 R 对象的数据类型，可以在程序中使用同一个变量时更改变量的数据类型
• 变量查找
• 函数 ls() 返回工作空间中当前可用的所有变量
• 以点 (.) 开头的变量被隐藏，可以使用“all.names = TRUE”参数列出
• 仅查找在名称中带有某个指定字符的对象，则通过设定选项 pattern( 或 pat) 来实现
• ls(pattern = "var")
• 变量删除
• 函数 rm() 删除给定变量 rm(var.1)，删除多个rm(list = c("array1","array2"))
• 组合使用 ls() 和 rm() 可以全部删除 rm(list = ls())

函数 ¶

function_name <- function(arg_1, arg_2, ...) {
  Function body 
}

• 传参原理：按照顺序和名称

• 例子：含默认参数的函数

  new.function <- function(a = 3, b = 6) { result <- a * b print(result) }

运算符 ¶

算术运算符 ¶

关系运算符 ¶

• 支持：<，>，<=，>=，==，!=
• 将第一向量的每个元素与第二向量的相应元素进行比较
• 比较的结果是布尔值向量

逻辑运算符 ¶

• 只适用于逻辑，数字或复数类型的向量
• 除了实部和虚部均为 0 的数字，其他数字或复数均被认为是逻辑值 TRUE
• &：元素逻辑 AND 运算符，两向量对应位置均为 TRUE
• |：元素逻辑 OR 运算符，两向量对应位置至少一个为 TRUE
• &&：逻辑 AND 运算符，两个向量的第一个元素都为 TRUE 时给出 TRUE
• ||：逻辑 OR 运算符，两个向量的第一个元素至少一个为 TRUE 时给出 TRUE
• !：逻辑非运算符，对向量的每个元素给出相反的逻辑值

赋值运算符 ¶

• <- 或 = 或 <<-：左分配，符号右侧的值赋给符号左侧
• -> 或 ->>：右分配，符号左侧的值赋给符号右侧

其他运算符 ¶

• : 冒号运算符，按顺序创建一系列数字，如2:8
• %in% 用于标识元素是否属于向量
• %*% 将矩阵与其转置相乘（矩阵乘法）

条件和循环语句 ¶

if-else if-else 语句 ¶

if(boolean_expression 1) {
// Executes when the boolean expression 1 is true.
} else if( boolean_expression 2) {
// Executes when the boolean expression 2 is true.
} else {
// executes when none of the above condition is true.
}

switch 语句 ¶

switch(expression, case1, case2, case3....)

• 元素未命名：switch(3,2*3,sd(1:5),runif(3))
• 元素命名：switch("fruit", drink="water", meat = "beef", fruit = "apple", vegetable="cabbage")
• 如果 ​expression​ 的值不是字符串，那么它被强制为整数。
• 若 expr 的计算结果为整数，且值在 1~case 个数之间时，则函数返回相应位置的值
• 如果表达式求值为字符串，那么该字符串与元素的名称匹配
• 如果有多个匹配，则返回第一个匹配元素。

while 循环 ¶

while (test_expression) {
    statement
}

repeat 循环 ¶

repeat { 
    commands 
    if(condition) {
        break
    }
}

for 循环 ¶

可以传递字符向量，逻辑向量，列表或表达式

for (变量 in 条件) {
    循环体
}

控制语句 ¶

• break：循环立即终止，并且程序控制在循环之后的下一语句处恢复，可用于循环或 switch 语句
• next：跳过本次迭代，并开始循环的下一次迭代

数据接口 ¶

CSV¶

• 读取

  data <- read.csv("input.csv") - 写入

  write.csv(data,"output.csv")

  其中会多一列 X（row.names），可以通过命令删除

  write.csv(data,"output.csv", row.names = FALSE)

EXCEL¶

（需要安装包）

• 读取

  data <- read.xlsx("input.xlsx", sheetIndex = 1)

统计函数 ¶

平均数 中位数 众数 ¶

• 平均数

  mean(x, trim = 0, na.rm = FALSE, …)

x 为待求向量，\(0\le trim \le 0.5\) 表示去掉最大最小值的比例，na.rm = TRUE 意味着去除 NA 值。 - 中位数

  median(x, na.rm = FALSE)

• 众数

  result <- getmode(x)

众数可以是数字也可以是字符

回归 ¶

• 一元线性回归
• 回归 relation <- lm(y~x)
• 预测 result <- predict(relation,data)
• 多元线性回归
• 回归 model = lm(y ~ x1+x2+x3..., data = input)
• 预测 用法一致
• 逻辑回归
• 回归 model = glm(formula = y ~ x1+x2+x3..., data = input, family = binomial)
• 最小二乘
• 回归 model <- nls(yvalues ~ b1*xvalues^2+b2,start = list(b1 = 1,b2 = 3))
• 第一项为公式，第二项为 data( 略 )，第三项为初始参数值

分布 ¶

• 正态分布
• dnorm() 概率分布 y <- dnorm(x, mean = 2.5, sd = 0.5)
• pnorm() 累积分布 y <- pnorm(x, mean = 2.5, sd = 2)
• rnorm() 正态随机数 y <- rnorm(50)
• 二项分布
• dbinom(x, size, prob)
• pbinom(x, size, prob)
• rbinom(n, size, prob)

分析 ¶

• 协方差分析

  result1 <- aov(mpg~hp*am,data = input) result2 <- aov(mpg~hp+am,data = input) anova(result1,result2)

aov 为方差分析 anova 为协方差分析

• 时间序列分析
• 函数原型 timeseries.object.name <- ts(data, start, end, frequency)

• 后三个参数可选，frequency 为单位时间内采样频率，12 为月频，4 为季频，6 为 10min，24*6 为一天中固定的 10min 频率采样

  rainfall.timeseries <- ts(rainfall,start = c(2012,1),frequency = 12)
  

• 卡方检验

• 确定两个分类变量之间是否存在显著相关性
• chisq.test(data)
• data 为表类型的数据，结果显示 p 值小于 0.05 则相关

高级功能 ¶

• 决策树
• 需要安装包 install.packages("party")
• 函数原型 ctree(formula, data)
• 图像 plot(model.tree)
• 随机森林
• 需要安装包 install.packages("randomForest")
• 函数原型 randomForest(formula, data)
• 生存分析
• 预测特定时间发生的时间
• 需要安装包 install.packages("survival")
• survfit(Surv(time,event)~1)