r语言中mpg数据 / 四六文摘

1、基本数据类型(numeric,logical,character,NA,double,complex,integer)

2、日期变量

常用函数

Sys.Date()-返回系统当前的日期，Sys.time()-返回系统当前的日期和时间，date()-返回系统当前的日期和时间，

as.Date()-将字符串形式的日期值转换为日期变量，as.Date(x,format='',...)

as.POSIXllt()-将字符串转化为包含时间及时区的日期变量，as.POSIXllt(x,tz='',format)

strptime()-将字符串变量转换为包含时间的日期变量，strptime(x,format,tz='')

strfttime()-将日期变量转换为指定格式的字符串变量，strfttime(x,format)

format()-将日期变量转换为指定格式的字符串变量,format(x,...)

3、查看对象的类型

class()、mode()、typeof()

4、数据结构

(1)向量

向量创建：c()函数创建向量

向量索引：#下标方式索引 vector

#按名称索引 names(vector)

#which方式索引 which(vector==1) which(vector==c(1,2)) which.max(vector)

#subser方式索引 subset(vector,vector>2&vector<4)

#%in%方式索引 c(1,5)%in%vector

向量编辑： #向量扩展(x

向量排序：sort(x,decreasing = FALSE,na.last = TRUE...) 倒序——rev()函数

等差数列的建立：seq(from = 1, to = 1, by = ((to - from)/length.out - 1),length.out = NULL,...) seq(1,-9,by = -2)

重复数列的建立：rep(x,times=1,length.out=NA,each=1) rep(1:3, each=2, times=2) 112233112233112233

(2)矩阵

创建矩阵：matrix(data=NA,nrow=1,ncol=1,byrow=FALSE,dimnames=NULL)

矩阵和转换为向量：as.vector(),转换为向量时元素按列读取数据

矩阵索引：#根据位置索引 a[2,1]

#根据行和列的名称索引 a['r2','c2']

#使用一维下标索引 a[,2]

#使用数值型向量索引 a[c(3:5)，2]

矩阵编辑：#矩阵合并(a1

#删除矩阵中元素 a5

矩阵的运算：colSums()-对矩阵的各列求和 rowSums()-对矩阵的各行求和 colMeans()-对矩阵各列求均值 rowMeans()-对矩阵各行求均值

t()-矩阵行列转换 det()-求解矩阵的行列式 crossprod()-求解两个矩阵的内积 outer()-求解矩阵的外积 %*%-矩阵乘法

diag()-对矩阵取对角元素 solve()-对矩阵求解逆矩阵 eigen()-对矩阵求解特征值和特征向量

(3)数组

创建数组：array(data,dim=length(data),dimnames=NULL)

dim1

dim2

dim3

数组索引：#按下标索引 a[2,4,2]

#按维度名称索引a['A2'，'B3','C1']

#查看数组的维度 dim(a)

(4)数据框

创建数据框：data.frame()

#向量组成数据框

data_iris

#矩阵组成数据框

data_matrix

data_iris2

数据框索引：#列索引 data_iris[,1] || data_iris$s.length || data_iris['s,length']

#行索引 data_iris[1,] || data_iris[1:3,]

#元素索引 data_iris[1,1] data_iris$s.length[1] data_iris['s,length'][1]

#subset索引 subset(data_iris, s.length=1)

#sqldf函数索引 library(sqldf) newdf

数据框编辑：#增加新的样本数据 data_iris

#增加数据集的新属性变量 data_iris

#数据框列名的编辑 names(data_iris)

(5)因子

创建因子序列：

将statistics分解成因子型变量，水平为26个小写字母 (ff

去除没有包含在向量中的水平 f

#创建因子型向量，水平名称为letter factor(letters[1:20],labels='letter')

#创建有序的因子序列 z

通过gl()函数创建因子序列 gl(n,k,length=n*k,labels=seq_len(n),ordered=TRUE)

n-表示因子水平的个数

k-表示每个水平的重复数

length-表示生成的序列的长度

labels-一个n维向量，表示因子水平

ordered-一个逻辑值，为TRUE表示有序因子，为FALSE则表示无序因子

gl(2,3,labels=c('T','F'))

因子的存储方式：

> status

> class(status) #查看向量的类型

[1] 'character'

> s

[1] Poor Improved Excellent Poor

Levels: Excellent < Improved < Poor

> class(s)

[1] 'ordered' 'factor' #查看数据的类型

> storage.mode(s) #查看存储类型，可以看出因子是按整数存储的

[1] 'integer'

> as.numeric(s) #转换为数值型向量

[1] 3 2 1 3

> levels(s) #查看因子的水平

[1] 'Excellent' 'Improved' 'Poor'

(6)列表

创建列表：list(object1,object2,...)

data

列表索引:#列索引 data[[1]] || data$a ||data[['a']]

#元素索引 data[[1]][1]

列表编辑：列表的编辑和向量类似，使用c()函数进行合并。

#增加名称为e的一列

data1

或者data1

r语言中mpg数据

相关推荐