这学期开了统计机器学习的课程，鉴于薄弱的概率论与统计学基础，学着还比较吃力，但是R语言的实践，还是令人兴趣十足。接下来的一段时间里，我便与大家分享我的R语言心得。
基本命令
- 保存数据指令：<-
>x<-c(1,3,2,5)
>x
[1] 1 3 2 5
- 删除数据指令：rm( )
ls( )函数可以查看所有的对象列表，用rm( )函数可以去除那些我们不想要的对象。
假设我们已建立了x，y
>ls()
[1] "x" "y"
>rm(x,y)
>ls()
character(0)
也可以同清除所有的对象：
>rm(list=ls( ) )
- 展开帮助文件：?
假如你现在在分析Boston数据集，他给你的是一个数据框，根据？Boston 你就会展开帮助文件，根据帮助文件，你可以知道这个数据集的数据来源，以及每列预测变量代表的含义。 - 计算均值，方差与标准差
均值mean( )
方差var( )
标准差sqrt(var( ) ) 或者 sd( )
>set.seed(3)
>y=rnorm(100)
>mean(y)
[1] 0.01103557
>var(y)
[1] 0.7328675
>sqrt(var(y))
[1] 0.8560768
>sd(y)
[1] 0.8560768
- 索引数据
在这个部分里讲如何索引数据，以及如何去除某一行，列的数据，矩阵的形成我们放到后面的数据结构中说明。
>A=matrix(1:16,4,4)
>A
[,1] [,2] [,3] [,4]
[1,] 1 5 9 13
[2,] 2 6 10 14
[3,] 3 7 11 15
[4,] 4 8 12 16
然后输入以下命令
>A[2,3]
[1] 10
现在选择了第2行第3列所对应的元素，中括号[ ]中的第一个数指示的是行，第二个数指示的是列。有时候可以选择多行和多列。
在索引里用一个负号“-”告诉R不包含指示的行和列。
>A[-c(1,3),]
[,1] [,2] [,3] [,4]
[1,] 2 6 10 14
[2,] 4 8 12 16
>A[-c(1,3),-c(1,3,4)]
[1] 6 8
dim（）函数输出一个矩阵的行数，紧跟着输出这个矩阵的列数。
>dim(A)
[1] 4 4
数据结构
R语言中数据结构分向量，矩阵，数组，数据框，因子，列表 6种
向量
向量是用于存储数值型，字符型或逻辑型数据的一维数组。执行组合功能的函数c( )可用来创建向量。各类向量如下例所示：
- a<-c(1,2,5,3,6,-2,4)
- b<-c("one","two","three")
- c<-(TRUE,TRUE,TRUE,FALSE,TRUE,FALSE)
这里，a是数值型向量，b是字符型向量，而c是逻辑型向量。注意，单个向量中的数据必须拥有相同的类型或模式。同一向量无法混杂不同模式的数据。 - 注：由于R中内置了同名函数c( )，最好不要在编码时使用c作为对象名，否则可能产生一些不易察觉的问题。
矩阵
矩阵是一个二维数组，只是每个元素都拥有相同的模式（数值型，字符型或逻辑型）。可通过函数matrix创建矩阵。一般使用格式为：
mymatrix<-matrix ( vector, nrow=number_of_rows, ncol=number_of_columns,
byrow=logical_value,dimnames=list(
char_vector_rownames , char_vector_colnames ) )
其中vector包含了矩阵的元素，nrow和ncol用以指示行和列的维数，dimnames包含了可选的、以字符型向量表示的行名和列名。byrow则表明矩阵应当按行填充（byrow=TRUE）还是按列填充（byrow=FALSE），默认情况下按列填充。
For Example：创建矩阵
创建一个5x4的矩阵
>y<-matrix(1:20,nrow=5,ncol=4)
>y
[,1] [,2] [,3] [,4]
[1,] 1 6 11 16
[2,] 2 7 12 17
[3,] 3 8 13 18
[4,] 4 9 14 19
[5,] 5 10 15 20
创建一个2x2的矩阵，并进行按行填充
>cells<-c(1,26,24,68)
>rnames<-c("R1","R2")
>cnames<-c("C1","C2")
>mymatrix<-matrix(cells,nrow=2,ncol=2,byrow=TRUE,dimnames=list(rnames,cnames))
>mymatrix
C1 C2
R1 1 26
R2 24 68
按列填充
>mymatrix<-matrix(cells,nrow=2,ncol=2,byrow=FALSE,dimnames=list(rnames,cnames))
>mymatrix
C1 C2
R1 1 24
R2 26 68
数组
数组（array）与矩阵类似，但是维度可以大于2。数组可通过array函数创建，形式如下：
myarray<-array(vector , dimensions , dimnames)
其中vetor包含了数组中的数据，dimensions是一个数值型向量，给出了各个维度下标的最大值，而dimnames是可选的、各维度名称标签的列表。
For Example：创建数组
>dim1<-c("A1","A2")
>dim2<-c("B1","B2","B3")
>dim3<-c("C1","C2","C3","C4")
>z<-array(1:24,c(2,3,4),dimnames=list(dim1,dim2,dim3))
>z
, , C1
B1 B2 B3
A1 1 3 5
A2 2 4 6
, , C2
B1 B2 B3
A1 7 9 11
A2 8 10 12
, , C3
B1 B2 B3
A1 13 15 17
A2 14 16 18
, , C4
B1 B2 B3
A1 19 21 23
A2 20 22 24
数据框
数据框中不同的列可以包含不同模式（数值型，字符型等）的数据。数据框将是你在R中最常处理的数据结构。
数据框可通过函数data.frame( )创建：
mydata<-data.frame(col1, col2 ,col3 ,...)
其中的列向量col1,col2,col3,...可为任何类型（如字符型，数值型或逻辑型）。每一列的名称可由函数names指定。
For Example：创建数据框
>patientID<-c(1,2,3,4)
>age<-c(25,34,28,52)
>diabetes<-c("Type1","Type2","Type1","Type1")
>status<-c("Poor","Improved","Excellent","Poor")
>patientdata<-data.frame(patientID,age,diabetes,status)
>patientdata
patientID age diabetes status
1 1 25 Type1 Poor
2 2 34 Type2 Improved
3 3 28 Type1 Excellent
4 4 52 Type1 Poor
选取数据框的数据在这里只介绍一个特别的，那些简单的就不一一介绍了。“$”，用以选取一个给定数据框中的某个特定变量
>patientdata$age
[1] 25 34 28 52
除了$符号，我们可以利用attach( ),detach( )和with( )函数来调用数据框中的数据。
- attach( )和detach( )
函数attach( )可将数据框添加到R的搜索路径中。R在遇到一个变量名以后，讲检查搜索路径中的数据框，以定位这个变量。
举个例子，有如下代码：
summary(mtcars$mpg)
plot(mtcars$mpg,mtcars$disp)
plot(mtcars$mpg,mtcars$wt)
以上代码也可写成：
attach(mtcars)
summary(mpg)
plot(mpg,disp)
plot(mpg,wt)
detach(mtcars)
- with( )
重写上例：
with(mtcars,{
summary(mpg,disp,wt)
plot(mpg,disp)
plot(mpg,wt)
})
attach( )与with( )函数之间的区别，在这里不就说明。如需了解，可给我发简信。
因子
变量可归结为名义型，有序型或连续型变量。名义型变量是没有顺序之分的类别型变量。以上patientdata中糖尿病类型Diabetes(Type1,Type2)就是名义型变量的一类。即使在数据中Type1编码为1而Type2编码为2，但这并不意味着二者是有序的。病情Statu(poor,improved,excellent)是顺序型变量的一个示例。
类别（名义型）变量和有序类别（有序型）变量在R中成为因子（factor）。
举例来说，有向量：
-diabetes<-c("Type1" , "Type2" , "Type1" , "Type1" )
语句diabetes<- factor(diabetes)将此向量存储为（1，2，1，1），
并在内部关联为1=Type1 ，2=Type2。针对向量diabetes进行的任何分析都会将其作为名义型变量对待。
表示有序型变量，就要为函数factor( )指定参数ordered=TRUE。
status<- c("Poor" , "Improved" , "Excellent" , "Poor")
语句status<- factor(status,ordered=TRUE)会将向量编码为（3，2，1，3），
并在内部关联为1=Excellent,2=Improved,3=Poor。针对此向量进行的任何分析都会将其作为有序型变量对待。
对于字符型向量，因子的水平默认依据字母顺序创建。
你可以通过levels来覆盖默认排序
status<- factor(status, order=TRUE,
levels=c("Poor" , "Improved" , "Excellent" ) )
赋值为 1=Poor,2=Improved, 3=Excellent。
For Example：因子的使用
>patientID<-c(1,2,3,4)
>ge<-c(25,34,28,52)
>status<-c("Poor","Improved","Excellent","Poor")
>diabetes<-c("Type1","Type2","Type1","Type1")
>status<-factor(status,ordered=TRUE)
>patientdata<-data.frame(patientID,age,diabetes,status)
>str(patientdata)
'data.frame': 4 obs. of 4 variables:
$ patientID: num 1 2 3 4
$ age : num 25 34 28 52
$ diabetes : Factor w/ 2 levels "Type1","Type2": 1 2 1 1
$ status : Ord.factor w/ 3 levels "Excellent"<"Improved"<..: 3 2 1 3
>summary(patientdata)
patientID age diabetes status
Min. :1.00 Min. :25.00 Type1:3 Excellent:1
1st Qu.:1.75 1st Qu.:27.25 Type2:1 Improved :1
Median :2.50 Median :31.00 Poor :2
Mean :2.50 Mean :34.75
3rd Qu.:3.25 3rd Qu.:38.50
Max. :4.00 Max. :52.00
- str(object)可提供R中某个对象的信息。
列表
列表（list）是R的数据类型中最为复杂的一种。列表就是一些对象的有序集合。通俗的说，就是某个列表中可以是若干向量、矩阵、数据框，甚至其他列表的组合。
可用list( )创建列表
mylist<- list (object1 , object 2,...)
还可以为列表中的对象命名：
*mylist<- list(name1=object1, name2=object2, ...)
For Example：创建一个列表
> g<-"My Fist List"
>h<-c(25,26,18,39)
>j<-matrix(1:10,nrow=5)
>k<-c("one","two","three")
>mylist<-list(title=g,ages=h,j,k)
>mylist
$title
[1] "My Fist List"
$ages
[1] 25 26 18 39
[[3]]
[,1] [,2]
[1,] 1 6
[2,] 2 7
[3,] 3 8
[4,] 4 9
[5,] 5 10
[[4]]
[1] "one" "two" "three"
了解了基本命令和各种数据的创建，就可以运用R做一些简单的运算，一个庞大的数据放在你面前，你真的会不知所措，但是通过R，你可以发现其中的奥秘。欢迎大家和我一同学习R语言。
- 本文中的代码来自于 R语言实战 R in Action。
