R语言学习-基础篇1

R语言学习-基础篇1###第一周:R基础 rm(list = ls()) #ctr+L###矩阵相乘,函数diag()a=matrix(1:12,nrow=3,ncol=4)b=matrix(1:12,nrow=4,nc

###第一周:R基础

rm(list = ls())  #ctr+L
###矩阵相乘,函数diag()
a=matrix(1:12,nrow=3,ncol=4)
b=matrix(1:12,nrow=4,ncol=3)
a%*%b
a=matrix(1:16,nrow=4,ncol=4)
diag(a)#返回对角线元素
diag(diag(a))
diag(4)#对角线为1的单位矩阵
###矩阵求逆,函数rnorm(),solve()
a=matrix(rnorm(16),4,4)#产生4*4的随机数
solve(a)#矩阵求逆!!!!(逆矩阵)
b=c(1:4)
solve(a,b)#求方程的解
##矩阵的特征值、特征向量eigen()
a=diag(4)+1
a.e=eigen(a,symmetric = T)
a.e
a.e$vectors%*%diag(a.e$values)%*%t(a.e$vectors)####??????
###数组

x=c(1:6)

x

is.vector(x)#x是一个向量吗。

is.array(x)#x不是数组

dim(x)<-c(2,3)#增加维数,x变为数组

x

is.matrix(x)#x也是一个矩阵

####数据框,与矩阵的区别,矩阵每个元素都是数字(数组也类似),矩阵形式,但每列可以是不同的类型

x1=c(1,2,3,4,5,6,7,8,9,10)

length(x1)

x2=c(1,2,3,4,5,6,10,7,8,9)

length(x2)

x=data.frame(x1,x2)#向量组合成为数据框,可以是不同类型,数组或字符,x1与x2长度相等

(x=data.frame(“重量”=x1,”运费”=x2))#替换列头

#画散点图,函数plot()

plot(x)

#读文本文件数据,先设置工作目录,把文本文件放于该目录下

x=read.csv(“F:\R语言\data.csv”)

#读剪贴板(文本或Excel数据可通过剪贴板操作)

y=read.table(“clipboard”,header = F)#header=T表示不读列头

#Excel文件(方法一:另存为空格分隔(就是原先的空格变为,)的prn文本格式再读)

w=read.table(“F:\R语言\data.prn”,header = T)

#方法2:安装RODBC包,再通过ODBC读

install.packages(“RODBC”)

library(RODBC)#装载包

z<-odbcConnectExcel(“F:\R语言\student.xls”)

(w<-sqlFetch(z,”Sheet1″))
#####循坏语句(for语句)

a=0

for(i in 1:59){a[i]=i*2+3} #格式for(循坏变量 in 遍历范围){循坏体(向量a里的第i个元素=啥,将i按指定的规律赋值)}

a

for(i in 1:59){a[i]=i*2+3;b[i]=i*5-4}

b=0

b#(与a、b的初始值无关,但是要有初始值)

##while语句

a[1]=5

i=1

while(a[i]<121){i=i+1;a[i]=a[i-1]+2}##满足这个条件便开始循坏

a

###source()函数,print()函数

source(“F:\R语言\learningR.R”)##运行脚本语言

print(x)#在监控台来显示结果

######综合性例子,模拟产生统计专业同学的名单(学号区分),记录数学分析,线性代数,概率统计三科成绩,然后进行统计分析

num=seq(2120170400,2120170400)#seq()函数产生向量,产生100个不同的学号

num

#用runif和rnorm

#产生100个均匀分布的随机数,上限是100,下限是80,产生的向量可能会有小数点,用round()函数四舍五入

x1<-round(runif(100,min=80,max=100))

x1

x2=round(rnorm(100,mean = 80,sd=7))#均值为80,标准差为7,正态分布

x2

x3=round(rnorm(100,mean = 83,sd=18))#均值为83,标准差为18

x3

x3[which(x3>100)]=100#先找到大于100的数的下标,再将此下标对应的值赋值为100

##合成数据框并保存到硬盘

#data.frame()

#write.table()

x=data.frame(num,x1,x2,x3)

x

write.table(x,file = “F:\R语言\mark.txt”,col.names = F,row.names = F,sep = ” “)#将x数据框写入到文件指定的地方

##计算各科的平均分mean(),collMeans(),apply()

mean(x)###运行为NA

colMeans(x)##对列求平均值,会对学号也求平均值

colMeans(x)[c(“x1″,”x2″,”x3”)]#不显示列

apply(x,2,mean)#表示对x数据框作2(列)求mean操作,–1(行操作)

###求各科最高最低分

apply(x, 2, max)#对列求最高分

apply(x,2,min)#对列求最低分

##求每个人的总分

sum=apply(x[c(“x1″,”x2″,”x3”)],1,sum)

x=data.frame(num,x1,x2,x3,sum)

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
转载请注明出处: https://daima100.com/10526.html

(0)
上一篇 2022-12-26
下一篇 2022-12-26

相关推荐

  • redis数据库分为多少种命令_redis nosql

    redis数据库分为多少种命令_redis nosql

    2023-04-04
    166
  • 12.2 Active Dataguard in CDB on Non-ASM「终于解决」

    12.2 Active Dataguard in CDB on Non-ASM「终于解决」12.2 Active Dataguard in CDB on Non-ASM Creating Physical Standby Active DataGuard Configuration in…

    2023-03-27
    147
  • Python tkinterpack基础入门

    Python tkinterpack基础入门如果你想学习Python GUI编程,那么Tkinter是一个非常好的选择。Tkinter作为Python内置的GUI工具包,其简易性、可移植性和可扩展性都是极为出色的。

    2024-06-13
    55
  • 【计理01组07号】JDBC入门教程[亲测有效]

    【计理01组07号】JDBC入门教程[亲测有效]博客推行版本更新,成果积累制度,已经写过的博客还会再次更新,不断地琢磨,高质量高数量都是要追求的,工匠精神是学习必不可少的精神。因此,大家有何建议欢迎在评论区踊跃发言,你们的支持是我最大的动力,你们敢

    2023-05-07
    136
  • 使用Python发送邮件

    使用Python发送邮件随着互联网的普及,电子邮件已成为人们日常生活和工作中必不可少的一种通讯方式。Python作为一种高效的编程语言,常被用来处理各种数据。当我们需要通过程序自动发送邮件时,Python便可以发挥出其优势。Python内置的smtplib和email库提供了一种灵活的方式来处理电子邮件,程序可以自动化地发送邮件,从而提高了邮件的发送效率,节约了使用者的时间。

    2024-01-03
    107
  • 揭秘 TiDB 新优化器:Cascades Planner 原理解析[通俗易懂]

    揭秘 TiDB 新优化器:Cascades Planner 原理解析[通俗易懂]作者:MingCong Han 在《十分钟成为 Contributor 系列 | 为 Cascades Planner 添加优化规则》中,我们简单介绍了 Cascades 的相关背景知识,本文将为大…

    2022-12-23
    128
  • Python Append函数:在列表末尾添加元素

    Python Append函数:在列表末尾添加元素列表(list)是Python中最常用的一种数据结构,它是有序的集合,可以保存任意类型的元素,包括数字、字符串、对象等。Python中的列表是可变的,也就是说,在创建了一个列表之后,还可以添加、删除、修改其中的元素。

    2024-02-08
    105
  • 用Python下载Jupyter Notebook文件

    用Python下载Jupyter Notebook文件随着人工智能和数据科学的快速发展,Jupyter Notebook成为了一个极其受欢迎的交互式编程和数据分析环境。Jupyter Notebook可以将代码,文本,图形和可视化工具集成在一起,并且是一个非常适合数据科学和机器学习的平台。在数据科学实践中,我们通常会将代码和文本组合在一个Jupyter Notebook文档中,以便共享给其他人进行更好的协作和交流。在这种情况下,我们需要使用Python来下载Jupyter Notebook文件。

    2024-09-17
    23

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注