R 语言基础 1：界面介绍与语法结构

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

# 包的安装
install.packages("car") #这里是注释
# 包的加载
library(caret) 
# 单独加载其中某个字函数
# car::vif()
# 更新包
update.packages()
# 移除包
remove.packages()
# 获取帮助
?help
help("library")
# 某个关键词的帮助
help.search("library")
# 某个packages的帮助
help(packages = "ggplot2")

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# 查看当前目录
getwd()
# 设置工作目录,注意使用的是斜杠
setwd("F:/桌面")
# 获取文件路径，此时会打开电脑文件手动寻找文件，然后点击后会返回文件路径
file.choose() 

# 保存R文件.RData
save()
save.image()
#加载R文件
load("F:/文档1")
load(file.choose() )

# 记载某个包的数据集
data()

1
2
3
4

# 展示当前环境栏中的所有数据对象，以数据库名称为单位
ls()
# 移除某个对象
rm(list = ls())

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

# 判断数据类型
is.numeric(123)
is.character('123')
is.logical(FALSE)
is.na(NA)
is.null(NULL)
is.nan(NaN)
# 转换数据类型
as.numeric('123')
as.character(123)
as.logical(FALSE)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39

# 赋值赋值
# 对象名 <- 对象值
# 快捷键 alt -

v1 <- 1:5 #生成1到5对应的向量组v1
v2 <- c(v1,3,2,44,6) #链接connect嵌套
v3 <- rep(v2,times = 2)# repeat:按整体次序重复两次
v4 <- rep(v2,each = 2)# repeat:按每个元素重复两次
v5 <- rep(v2,times=2 , each = 2)# 优先执行each，后执行times
v6 <- seq(from = 2, to = 9, by = 3) #以2为取值起点，每次加3取值，直到大于9为止
v7 <- seq(from = 2, to = 12, length.out = 3) #限制向量长度，因此多出来的数字会被取均值
v8 <- c('JOJO' ,'下一个就是你了')
v9 <- c('JOJO' ,T , 123) #会存在强制转换，字符>逻辑>数值

# 向量名称
names(v2)<- v9 #变量v2的名称改为v9
# 此时v2情况如下
JOJO TRUE  123 <NA> <NA> <NA> <NA> <NA> <NA> 
   1    2    3    4    5    3    2    3    6 
# 向量长度
length(v9)
length(v9)<- 9

# 向量索引
# 不同于python重默认索引从0开始,R语言索引默认从1开始
# 不同于python加上负号代表反方向,R语言负索引代表去掉该索引值
v7[3] 
v7[c(1,3,5)]
v2[c(1,4)]
v2[-c(1,4)]  #去掉1和4对应索引值
v2[c('JOJO' ,'TRUE')]
v1[v1%%2==1] #条件索引，模2余1的奇数

# 常量
pi #圆周率
letters #小写字母
LETTERS #大写字母
month.abb #月份缩写 "Jan"
month.name #月份全写 "January" 

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

# 矩阵
m1 <- matrix(
	1:6,
	nrow = 2, # 两行
	# ncol = 3, # 列
	byrow = F, #按列进行填充，所以无需规定ncol
	dimnames = list(c('r1','r2'),
					c('c1','c2','c3'))
    )
# 和向量相同，矩阵只接受一种数据格式
# 生成一个3*3的空矩阵
m0 <- matrix(NA,nclo = 3,nrow=3) 

m2 <- matrix(
    c(1:6, letters[1:6]),
    nrow = 3,
    byrow = TRUE,
    dimnames = list(c('r1', 'r2', 'r3'),
                    c('c1', 'c2', 'c3', 'c4'))
  )

# 行列名册
colnames(m1) #列
rownames(m1) #行
dimnames(m2)<-list(c) #行列名称

# 维度信息,也就是python中的shape命令
dim(m1) 
ncol(m1)
nrow(m1)

# 矩阵索引
m2[1,2] #返回一行二列的值
m2[1,] #返回第一行的向量
m2[c(1,3),c(2,4)]
# 换成按照索引名称切片等同
m2['r1',]

# 转化成向量
as.vector(m1)  #按列顺序抽取控制
#array

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

v1 <- 1:5
m1 <- matrix(
  1:6,
  nrow = 2, 
  byrow = F, 
  dimnames = list(c('r1','r2'),
                  c('c1','c2','c3'))
)
# 不同于向量和矩阵，列表可以是不同数据类型和结构
l1<- list(com1 = v1,
          com2 = m1)
# 列表名称
names(l1)
# 列表索引,虽然有视频说这几个命令不相同，也就是区别返回到到底是列表、矩阵还是向量，个人试了下似乎没有区别。
l1$com1 		
l1[['com2']] 	
l1['com2']    
l1[20]

# 新建成分
l1$com3<- 3:6
l1

# 释放列表
unlist(l1) # 把列表降维成向量，索引生成为第几个列表第几个值

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

# 数据框生成
df1 <- data.frame(
	C1 = 2:5,
	C2 = letters[2:5]
	)
df1

# 维度信息
dim(df1)
ncol(df1)
nrow(df1)

# 行列名称
dimnames(df1) # 列和行名称
names(df1) # 行名称
colnames(df1)
rownames(df1)

# 数据框索引
df1[1:2 ,2]
df1[,2]
df1[,"c1"]
df1['1',]
df1[[2]]
df1$c1
df1[2]
df1['c1']

# 新间列
df1$c3 <- 1:4

# 生成网格搜索的数据框
expand.grid(mtry = 2:5,
			  ntree=c(200,500))

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

1+2 #加法
3-2 #减法
3*4 #乘法
8/5 #除法

c(1:4)/c(2:5)       #长度不同则会循环扩展
2^3 				#幂运算
exp(1)
log(x=25，base=5)   #5为底的25的对数
sqrt(4) 			#开平方
abs(-5.6) 			#绝对值
slign(-5.6)			#符号
round(3.1415926,2)	#保留指定小数
signif(3.1415926,2) #保留有效数字
ceiling(3.2)		#大于此数的最小整数
floor(3.2)			#小于此数的最大整数

# 数值对比
== != > >= < <=
2 %in% 2:5 #是否包含于
& 	#与
| 	#或
!	#非

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

v2 <- c(3,2,7,4,6,8,11,21)
max(v2)				#最大值
cummax(v2)			#对应长度范围内的最大值，返回值也是向量
min(v2)
cummin(v2)
sum(v2)				#求和
cumsum(v2)			#累计求和
prod(v2)			#乘积
cumprod(v2)			#累计乘积

mean(v2)			#均值
median(v2)			#中位数
sd(v2)				#标准差，计算使用的样本的公式
var(v2)				#方差，计算使用的样本的公式

rev(v2)				#向量逆转，倒过来reverse排序
sort(v2)			#排序

v2 <- rep(v2,times=2)
table(v5)			#频数统计
unique(v5)			#取值水平，按照数字第一次出现的先后顺序排列数字

# 索引函数
which(v5==7)		#返回满足条件的索引值
which.max(v5)		#最大值有重复时返回第一次出现的索引
which.min(v5)

# 交集
intersect(1:5,4:7)
# 差集
setdiff(1:5,4:7)
# 并集,只保留元素的位置值，有重复也保留一个
union(1:5,4:7)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

dfs <- data.frame(
  a = 1:5,
  b = 3:7,
  d = letters[1:5]
)

# 行列合并
df1 <- dfs[1:3, ]
df1
df2 <- dfs[3:5, ]
df2

# 行合并
rbind(df1, df2) # 行增加，列不变
cbind(df1, df2) # 列增加，行不变

# 行列运算
colMeans(dfs[,1:2])		#列均值
colSums(dfs[,1:2])		#列求和
rowMeans(dfs[,1:2])		#列均值
rowSums(dfs[,1:2])		#列求和

# apply(数据框,行1还是列2，运算函数)
apply(dfs[,1:2],2,sd) 	#按列计算方差
apply(
	dfs[,1:2],
	2,
	function(x){sum(is.na(x))}
	)

# 数据结构信息
str(dfs)			#数据类型
summary(dfs)		#最小值和最大值
View(dfs)			#展示数据框
head(dfs,n=2)		#展示前两行(n=2)
tail(dfs,n=2)		#展示末尾两行(n=2)

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18

m3 <- matrix(
	c(5,7,3,4),
	ncol = 2,
	byrow = T,
    )
m3
m4 <- matrix(
	c(5,7,3,4,8,9),
	ncol = 3,
	byrow = T,
    )
m4

t(m3)			#转置
det(m3)			#行列式
m3 %*% m4		#矩阵乘法
solve(m3)		#m3 %*% x =E ，求出x
solve(m3,m4)	#m3 %*% x =m4 ，求出x

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# 连接字符
paste(1:5,collapse = "+")
paste(letters[1:5],collapse = "-")
paste(1:5,letters[1:8],collapse = "~")
paste(1:5,letters[1:8])

# 字符长度
nchar(month.name)
# 字母转大写
toupper(month.name)
# 字母转小写
tolower(month.name)
# 含有某个字符的元素的索引
grep("JU",month.name)
# 替换字符
gsub("e","000",month.name)	#将month.name含有e的地方替换成000

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

set.seed(24) 					#随机种子
sample(1:2,12,replace = T)		#从1和2中进行12次有放回（T）的抽样。stata安慰剂检验随机抽样大家应该见过
rnorm(10,mean=1,sd=2) 	#r随机数+分布（norm）
pnorm(1,mean=1,sd=2)		#p累计概率
qnorm(0.5,mean=1,sd=2)		#q分位数
dnorm(1,mean=1,sd=2)		#d概率密度

plot(x = seq(-5, 7, length = 1000),
     y = dnorm(seq(-5, 7, length = 1000),
               mean = 1,
               sd = 2),
     type = "l",
     ylim = c(0, 0.25))
abline(h = 0, v = 1)

# 从-5到7间取1000个数，1000个数服从均值为1，标准差为2的正态分布
# 增加值为0的横线和值为1的竖线

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

# for循环
for (x in c(-2,3,0,4)){
	print(x)
	y= abs(x)
	z=y^3
	print(z)
	print("____")
	}

# 使用宏变量定义
for (variable in vector){
	} 

# while循环
v1 <- 1:5
i<-1
while(i<=length(v1)){
    print(i)
    print(sum(v1[1:i]))
    i=i+1
    print(i)
    print("####")
}

  df <- data.frame(c1 = 2:5,
                   c2 = 4:7,
                   c3 = -19:-16)
  
  # 循环遍历数据框的每一行
  for (i in 1:nrow(df)) {
    # 计算每行的总和并打印
    print(sum(df[i, ]))
  }

#next:跳过
#break:结束
  for (i in 1:nrow(df)) {
    # 计算每行的总和并打印
    if(i==3){break}
    print(sum(df[i, ]))
  }

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

a <- 7
if (a > 6) {
  print("a > 6")
} else {
  print("a <= 6")
}


s = 45
if (s %% 2 ==0) {
  print("偶数")
} else {
  print("奇数")
}

ifelse(55 %% 2 ==0,"偶数" "奇数")

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

名称<- function(参数){
	具体操作
	}
# 定义函数：阶乘
f1 <- function(aug1){
	res1<-1:aug1
	res2<-prod(res1)
	return(res2)
}
# 使用函数
f1(10)

# 定义函数：加法
f2<-function(aug1,aug2=4){
    res <- aug1+aug2
    return(res)
}
f2(2333)
f2(2333,6666) #此时覆盖默认值aug2=4

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49

# CSV数据导入
#自定义数据列表
d.small <- read_csv("John, 33, 95
Kim, 21, 64
Sandy, 49, 100
", col_names=c("name", "x", "y") )

#文件读取1
data <- read_csv("testcsv.csv")
#文件读取2
rawdata<- read.table(file.choose(),head=T,sep=",")
# head:第一行变变量名 sep：csv分割符
head(rawdata,n=4)	#输出了数据的前 4 行
tail(rawdata,n=10)	#输出了数据的后 10 行
rawdata[95:105]		#输出95-105行
str(rawdata)		#查看数据类型

# read.csv(file.choose())
# data.table::fread(file.choose())

# CSV数据导出
write.table(rawdata,	#导出对象
           "test.csv",	#导出路径
           sep=",",		#导出分割符号
           row.names=F)	#行名称

# 读取excel表
library(readxl)
data1<- read_excel(file.choose())

#批量获取csv文件
library(readr)
library(dplyr)
# 设置文件夹路径
folder_path <- "F:/桌面/房地产PB/"
# 获取文件夹中的所有csv文件路径
csv_files <- list.files(folder_path, pattern = "\\.csv$", full.names = TRUE)
# 创建一个空的列表，用于存储读取的csv数据
data_list <- list()
# 循环读取每个csv文件，并将其存储在data_list中
for (file in csv_files) {
  data <- read_csv(file)
  data_list[[file]] <- data
}
# 将所有数据合并到一个数据框中
combined_data <- bind_rows(data_list)
# 查看合并后的数据
print(combined_data)