本章講一些基礎(chǔ)的代碼，有不懂的可以查詢R語(yǔ)法查詢網(wǎng)站

1. rep
   即是Replicate Elements of Vectors and Lists 重復(fù)向量和列表中的元素
   

   rep

2. runif
   即是平均分布的一組數(shù)，runif(235)表示產(chǎn)生235個(gè)min=0,max=1的隨機(jī)數(shù)。
   

   runif

3. rnorm
   即是正態(tài)分布的一組數(shù)，rnorm(100)表示產(chǎn)生100個(gè)均數(shù)為0，標(biāo)準(zhǔn)差為1的隨機(jī)數(shù)。
   

   rnorm

4. R里面遵循先行后列
   nrow= ,ncol=

5. 邏輯判斷 TRUEorFALSE
   

   logical
   
   ==是判斷，=是賦值

6. seq 生成序列，跨度是1的序列，sequence
   seq(1,9)
   

   序列

7. ls()list objects 列舉當(dāng)前環(huán)境中所有的變量
   rm(list=ls())remove，清除當(dāng)前環(huán)境中的變量

8. 儲(chǔ)存變量save(數(shù)據(jù)1,數(shù)據(jù)2,file='名稱.Rdata') for example
   

   代碼
   
   
   數(shù)據(jù)
   
   
   變量

9. 轉(zhuǎn)化成數(shù)據(jù)框 as.data.frame( )，把向量轉(zhuǎn)化成數(shù)據(jù)框。

10. 給數(shù)據(jù)框添加一列，賦值。data1[,2] <- 'male'，本身只有一列的數(shù)據(jù)框添加了一列值都為male的數(shù)據(jù)。

11. 按行合并兩個(gè)數(shù)據(jù)框 rbind(data1,data2)

12. ggplot2 畫直方圖用密度函數(shù)來(lái)畫要加上geom_histogram(stat='density') ,分面用facet_gride( )括號(hào)里放分面參數(shù)。

13. length( )的括號(hào)里必須是向量，統(tǒng)計(jì)里面有多少個(gè)數(shù)

14. gl()函數(shù)，gl(2,5)生成具有兩個(gè)因子水平，每個(gè)因子水平重復(fù)5次的因子。
    class()查看第一層類別，mode()查看第二層類別，typeof()查看第三層類別。
    

    類別

15. 檢驗(yàn)數(shù)據(jù)是否符合正態(tài)分布，三種檢驗(yàn)方法：

• qq圖

qqnorm(data1[,1])#先生成一系列點(diǎn)
qqline(data1[,1],col='darkred')#看點(diǎn)是否在線上

• 夏皮羅威克爾檢驗(yàn)

shapiro.test(sample(data1[,1],5000))

這個(gè)檢驗(yàn)最多只能用5000個(gè)數(shù)據(jù)，所以只能取樣。

夏皮羅威克爾檢驗(yàn)

p值>0.05即有效，符合正態(tài)分布

• KS檢驗(yàn)

ks.test(
  data1[,1],
  rnorm(10000,mean=mean(data1[,1]),sd=sd(data1[,1]))
)

將原數(shù)據(jù)與以原數(shù)據(jù)的平均數(shù)為值，標(biāo)準(zhǔn)差為值的一組隨機(jī)正態(tài)分布數(shù)作比較。

ks檢驗(yàn)

也是p值>0.05即可。

16. 正態(tài)分布的四個(gè)函數(shù)應(yīng)用。

#關(guān)于正態(tài)分布的4個(gè)函數(shù)及其應(yīng)用
#由已知的正態(tài)分布總體來(lái)分析個(gè)體
#已知某大學(xué)男性畢業(yè)生收入的均值為7000，標(biāo)準(zhǔn)差為2000，求：
#1.1若甲同學(xué)的收入大于80%的人，那么他的收入是多少呢？（由概率求值問題）
qnorm(0.8,mean=7000,sd=2000)

#1.2乙同學(xué)收入為8500左右的概率是多少？（點(diǎn)概率問題）
dnorm(8500,mean=7000,sd=2000)

#1.3已知丙同學(xué)的收入為9000，他的收入會(huì)比百分之多少的人高？（區(qū)間概率問題）
pnorm(9000,mean=7000,sd=2000)

計(jì)算題

17. 一般正態(tài)分布轉(zhuǎn)換成標(biāo)準(zhǔn)正態(tài)分布
    若隨機(jī)變量X~N（），則有Z=~N(0,1)

18. 因子factor可以看成是分類變量，轉(zhuǎn)化成因子factor()

Grade <- c('Low','Medium','High')
Grade.f <- factor(Grade,order=T,levels=c('Low','Medium','High'))

因子

19. 轉(zhuǎn)化成字符串as.character( )，轉(zhuǎn)化成數(shù)值型as.numeric( )。

20. 導(dǎo)入數(shù)據(jù)，F(xiàn)ile>Import Dataset>選擇類型

21. which函數(shù)的應(yīng)用，用于條件的篩選

a <- c(12,34,56,86,11,16)
which(a>30)

返回位數(shù)，所在位置