R语言 基本语法讲解

基本数据类型

数据类型

  • 向量 vector
  • 矩阵 matrix
  • 数组 array
  • 数据框 data frame
  • 因子 factor
  • 列表 list

向量

  • 单个数值（标量）没有单独的数据类型，它只不过是向量的一种特例
  • 向量的元素必须属于某种模式（mode），可以整型（integer）、数值型（numeric）、字符型（character）、逻辑型（logical）、复数型（complex）
  • 循环补齐（recycle）：在一定情况下自动延长向量
  • 筛选：提取向量子集
  • 向量化：对向量的每一个元素应用函数
  • 使用seq()创建向量
  • 使用rep()重复向量常数

矩阵

矩阵（matrix）是一种特殊的向量，包含两个附加的属性：行数和列数。所以矩阵也和向量一样，有模式的概念，例如数值型或字符型。（但反过来，向量却不能看作是只有一列或一行的矩阵。）

  • 创建矩阵
  • 矩阵运算
  • 索引
  • 增加或删除行（列）

数组

数组（array）是R里一个更一般的对象，矩阵是数组的一个特殊情形。数组可以是多维的。例如一个三维的数组可以包含行、列和层（layer），而一个矩阵只有行和列两个维度。

array(data = NA, dim = length(data), dimnames = NULL)
as.array(x, ...)
is.array(x)

列表

向量的元素要求都是同类型的，而列表（list）与向量不同，可以组合多个不同类型的对象

数据框

数据框类似矩阵，有行和列这两个维度。然而，数据框与矩阵不同的是，数据框的每一列可以是不同的模式（mode）。例如，某列可能由数字组成，另一列可能由字符串组成。

因子

因子的设计思想来源于统计学中的名义变量（nominal variables），或称之为分类变量（categorical variables）。这些变量的值本质上不是数字，而是对应为分类，例如民主党、共和党和无党派，尽管它们可以用数字编码。

算术运算

  • x + y 加法
  • x - y 减法
  • x * y 乘法
  • x / y 除法
  • x ^ y 乘幂
  • x %% y 模运算
  • x %/% y 整数除法

逻辑运算

  • x == y 判断是否相等
  • x <= y 判断是否小于等于
  • x >= y 判断是否大于等于
  • x && y 标量的逻辑“与”运算
  • x || y 标量的逻辑“或”运算
  • x & y 向量的逻辑“与”运算（x、y以及运算结果都是向量）
  • x | y 向量的逻辑“或”运算（x、y以及运算结果都是向量）
  • !x 逻辑非
  • 逻辑值TRUE和FALSE可以缩写为T和F（两者都必须是大写）。而在算术表达式它们会转换为1和0

函数

g <- function(x) {
return(x+1)
}

函数也是对象

条件语句

if (r == 4) {
x <- 1
} else {
x <- 3
y <- 4
}

循环语句

  • for
  • while
  • repeat

repeat没有逻辑判断退出条件，必须利用break（或者类似return()）的语句。当然，break也可以用在for循环中。

代码格式化工具

library(formatR)

关于R语言基本语法深入讲解的文章就介绍至此，更多相关R语言基本语法内容请搜索编程宝库以前的文章，希望大家多多支持编程宝库！

今天在做一个列联表独立性检验的时候，总是无法处理好要求的数据类型，偶然的机会，看到了xtabs()函数，感觉很适合用来做列联表，适合将一列数据转换成列联表。shifou <- c("yes","yes" ...