R语言c函数代码举例 r语言函数大全

R语言中的基本函数使用 - 更新中

用法：assign(x, value, pos = -1, envir = as.environment(pos),  inherits = FALSE, immediate = TRUE)

成都创新互联公司公司2013年成立，是专业互联网技术服务公司，拥有项目网站制作、做网站网站策划，项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命，1280元山西做网站,已为上家服务,为山西各地企业和个人服务,联系电话:18982081108

assign函数在循环时候，给变量赋值。

举例说明：

1、

for (i in 1:(length(rowSeq)-1)){

assign(paste("nginx_server_fields7_", i, sep = ""), nginx_server_fields7[(rowSeq[(i-1)+1]):(rowSeq[i+1]), ])

}

2、

for (i in 1:3){

assign(paste("a", i, sep = ""), i:10)

}

ls()

[1] "a1" "a2" "a3" "i"

a1

[1]  1  2  3  4  5  6  7  8  9 10

a2

[1]  2  3  4  5  6  7  8  9 10

a3

[1] 3  4  5  6  7  8  9 10

1、paste函数可用于字符串连接

用法：paste (..., sep = " ", collapse = NULL)，分隔符默认为空格

我们简单举个例子

1）paste("a","b") ##能连接a b

[1] "a b"

paste("a","b","c")

[1] "a b c"

2）设置分隔符paste("a","b",sep="=") ##注意到用等号分隔了

[1] "a=b"

3）连接多个元素paste("a",1:5,sep="") ##会自动每个元素与a相连

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,".pdf",sep="") ##比如想批量输出文件名

[1] "a1.pdf""a2.pdf""a3.pdf""a4.pdf""a5.pdf"、

2、collapse参数

谢益辉大佬说这个参数引无数英雄竞折腰啊，大家只会sep

1）paste("a",1,collapse="+") ##注意到了吧，collapse没用上

[1] "a 1"

2）paste(c("a","b","c"),collapse="+") ##这样就很容易理解了，collapse折叠起了元素

[1] "a+b+c"

3）paste("a",1:5,sep="") ##再来更明显的举例

[1] "a1""a2""a3""a4""a5"

4）paste("a",1:5,sep="",collapse="+") ##先在元素间连接，然后折叠

[1] "a1+a2+a3+a4+a5"

3、与paste0函数的区别

paste0函数，默认sep=""是两个函数唯一的区别

paste(c("a","b","c"),1:3)##默认空格符

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep=" ")

[1] "a 1""b 2""c 3"

paste(c("a","b","c"),1:3,sep="")

[1] "a1""b2""c3"

如果两个向量长度不同paste(c("a","b","c"),1:5) ##超出范围后继续从前向后连接

[1] "a 1"  "b 2"  "c 3"  "a 4"  "b 5"

paste0(c("a","b","c"),1:3)#默认元素连接为sep=""

[1] "a1""b2""c3"

用法：unlist()函数的作用，就是将list结构的数据du，变zhi成非list的数据，即将list数据变成 字符串向量 或者数字向量的形式

如果是向量的话就直接输出向量

例子：

%in%相当于match()函数的一个缩写。用来判断一个数组或矩阵是否包含在另一个数组或矩阵里。举个例子一目了然：

#首先复制两个变量a和b

a - 1:5

b - 3:7

a %in% b    #看a的元素是否包含在b中输出结果如下：

[1] FALSE FALSE  TRUE  TRUE  TRUE

用法：apply(x, MARGIN, FUN, ...)

作用：对 矩阵 的行或列使用函数，或者对 数组 的各个维度使用函数

x为数据对象，MARGIN是维度的下标，MARGIN=1表示行，MARGIN=2表示列，FUN是自己指定的任意或自定义函数

注：数据框dataframe也可以使用apply函数，该函数会自动将数据框转化为矩阵，但前提是数据框中各列的数据类型 必须是数值型，否则会报错。

用法：lapply(x,FUN,...)

作用：对列表中的各个元素使用函数

x是格式为列表的数据源，FUN是任意函数。

intersect(data1，data2)：交集

union(data1，data2)：并集

r语言c函数怎么用

r语言中的c()函数，用来把一些数据组合成向量。

如：x-c(1,2)

把1，2两个数，组合成向量（1，2），并存入变量x。

R语言常用函数整理（基础篇）

R语言常用函数整理本篇是基础篇，即R语言自带的函数。

vector：向量

numeric：数值型向量

logical：逻辑型向量

character；字符型向量

list：列表

data.frame：数据框

c：连接为向量或列表

length：求长度

subset：求子集

seq，from:to，sequence：等差序列

rep：重复

NA：缺失值

NULL：空对象

sort，order，unique，rev：排序

unlist：展平列表

attr，attributes：对象属性

mode，class，typeof：对象存储模式与类型

names：对象的名字属性

字符型向量 nchar：字符数

substr：取子串 format，formatC：把对象用格式转换为字符串

paste()、paste0()不仅可以连接多个字符串，还可以将对象自动转换为字符串再相连，另外还能处理向量。

strsplit：连接或拆分

charmatch，pmatch：字符串匹配

grep，sub，gsub：模式匹配与替换

complex，Re，Im，Mod，Arg，Conj：复数函数

factor：因子 codes：因子的编码 levels：因子的各水平的名字 nlevels：因子的水平个数 cut：把数值型对象分区间转换为因子

table：交叉频数表 split：按因子分组 aggregate：计算各数据子集的概括统计量 tapply：对“不规则”数组应用函数

dev.new() 新建画板

plot()绘制点线图,条形图,散点图.

barplot( ) 绘制条形图

dotchart( ) 绘制点图

pie( )绘制饼图.

pair( )绘制散点图阵

boxplot( )绘制箱线图

hist( )绘制直方图

scatterplot3D( )绘制3D散点图.

par()可以添加很多参数来修改图形

title( )　添加标题

axis( )　调整刻度

rug( )　添加轴密度

grid( )　添加网格线

abline( )　添加直线

lines( )　添加曲线

text( )　添加标签

legend(）　添加图例

+, -, *, /, ^, %%, %/%：四则运算 ceiling，floor，round，signif

1、round() #四舍五入

例：x - c(3.1416, 15.377, 269.7)

round(x, 0) #保留整数位

round(x, 2) #保留两位小数

round(x, -1) #保留到十位

2、signif() #取有效数字(跟学过的有效数字不是一个意思)

例：略

3、trunc() #取整

floor() #向下取整

ceiling() #向上取整

例：xx - c(3.60, 12.47, -3.60, -12.47)

trunc(xx)

floor(xx)

ceiling(xx)

max，min，pmax，pmin：最大最小值

range：最大值和最小值 sum，prod：向量元素和，积 cumsum，cumprod，cummax，cummin：累加、累乘 sort：排序 approx和approx fun：插值 diff：差分 sign：符号函数

abs，sqrt：绝对值，平方根

log, exp, log10, log2：对数与指数函数

sin，cos，tan，asin，acos，atan，atan2：三角函数

sinh，cosh，tanh，asinh，acosh，atanh：双曲函数

beta，lbeta，gamma，lgamma，digamma，trigamma，tetragamma，pentagamma，choose ，lchoose：与贝塔函数、伽玛函数、组合数有关的特殊函数

fft，mvfft，convolve：富利叶变换及卷积

polyroot：多项式求根

poly：正交多项式

spline，splinefun：样条差值

besselI，besselK，besselJ，besselY，gammaCody：Bessel函数

deriv：简单表达式的符号微分或算法微分

array：建立数组

matrix：生成矩阵

data.matrix：把数据框转换为数值型矩阵

lower.tri：矩阵的下三角部分

mat.or.vec：生成矩阵或向量

t：矩阵转置

cbind：把列合并为矩阵

rbind：把行合并为矩阵

diag：矩阵对角元素向量或生成对角矩阵

aperm：数组转置

nrow, ncol：计算数组的行数和列数

dim：对象的维向量

dimnames：对象的维名

rownames，colnames：行名或列名

%*%：矩阵乘法

crossprod：矩阵交叉乘积（内积）

outer：数组外积

kronecker：数组的Kronecker积

apply：对数组的某些维应用函数

tapply：对“不规则”数组应用函数

sweep：计算数组的概括统计量

aggregate：计算数据子集的概括统计量

scale：矩阵标准化

matplot：对矩阵各列绘图

cor：相关阵或协差阵

Contrast：对照矩阵

row：矩阵的行下标集

col：求列下标集

solve：解线性方程组或求逆

eigen：矩阵的特征值分解

svd：矩阵的奇异值分解

backsolve：解上三角或下三角方程组

chol：Choleski分解

qr：矩阵的QR分解

chol2inv：由Choleski分解求逆

，，=，=，==，!=：比较运算符 !，，，|，||，xor()：

逻辑运算符 logical：

生成逻辑向量 all，

any：逻辑向量都为真或存在真

ifelse()：二者择一 match，

%in%：查找

unique：找出互不相同的元素

which：找到真值下标集合

duplicated：找到重复元素

optimize，uniroot，polyroot：一维优化与求根

if，else，

ifelse，

switch：

分支 for，while，repeat，break，next：

循环 apply，lapply，sapply，tapply，sweep：替代循环的函数。

function：函数定义

source：调用文件 ’

call：函数调用 .

C，.Fortran：调用C或者Fortran子程序的动态链接库。

Recall：递归调用

browser，debug，trace，traceback：程序调试

options：指定系统参数

missing：判断虚参是否有对应实参

nargs：参数个数 stop：终止函数执行

on.exit：指定退出时执行 eval，expression：表达式计算

system.time：表达式计算计时

invisible：使变量不显示

menu：选择菜单（字符列表菜单）

其它与函数有关的还有：

delay，

delete.response，

deparse，

do.call，

dput，

environment ，

formals，

format.info，

interactive，

is.finite，

is.function，

is.language，

is.recursive ，

match.arg，

match.call，

match.fun，

model.extract，

name，

parse 函数能将字符串转换为表达式expression

deparse 将表达式expression转换为字符串

eval 函数能对表达式求解

substitute，

sys.parent ，

warning，

machine

cat，print：显示对象

sink：输出转向到指定文件

dump，save，dput，write：输出对象

scan，read.table，readlines, load，dget：读入

ls，objects：显示对象列表

rm, remove：删除对象

q，quit：退出系统

.First，.Last：初始运行函数与退出运行函数。

options：系统选项

?，help，help.start，apropos：帮助功能

data：列出数据集

head()查看数据的头几行

tail()查看数据的最后几行

每一种分布有四个函数：

d―density（密度函数），p―分布函数，q―分位数函数，r―随机数函数。

比如，正态分布的这四个函数为dnorm，pnorm，qnorm，rnorm。下面我们列出各分布后缀，前面加前缀d、p、q或r就构成函数名：

norm：正态，

t：t分布，

f：F分布，

chisq：卡方（包括非中心）

unif：均匀，

exp：指数，

weibull：威布尔，

gamma：伽玛，

beta：贝塔

lnorm：对数正态，

logis：逻辑分布，

cauchy：柯西，

binom：二项分布，

geom：几何分布，

hyper：超几何，

nbinom：负二项，

pois：泊松

signrank：符号秩，

wilcox：秩和，

tukey：学生化极差

sum, mean, var, sd, min, max, range, median, IQR（四分位间距）等为统计量，

sort，order，rank与排序有关，

其它还有ave，fivenum，mad，quantile，stem等。

R中已实现的有chisq.test，prop.test，t.test。

cor，cov.wt，var：协方差阵及相关阵计算

biplot，biplot.princomp：多元数据biplot图

cancor：典则相关

princomp：主成分分析

hclust：谱系聚类

kmeans：k-均值聚类

cmdscale：经典多维标度

其它有dist，mahalanobis，cov.rob。

ts：时间序列对象

diff：计算差分

time：时间序列的采样时间

window：时间窗

lm，glm，aov：线性模型、广义线性模型、方差分析

quo()等价于quote()

enquo()等价于substitute(）

R语言常用函数

1. 判断存在：一个元素是不是在向量中用 a%in%b

a="TT"

b=c("AA","AT","TT")

a %in% b

[1] TRUE

2. 判断某一元素这向量中的索引（第几个位置）： index.TT=which(b==”TT”)

index.TT=which(b=="TT")#index.TT是想知道的索引号，which是判断函数，b是想知道的元素所在的向量

index.TT

[1] 3

3. 相当于 python 中的字典， names 函数

b

[1] "AA" "AT" "TT"

names(b)=c("geno1","geno2","geno3")#geno mean genotype

names(b)

[1] "geno1" "geno2" "geno3"

names(b)[1]

[1] "geno1"

names(b)[1]="test"

names(b)

[1] "test""geno2" "geno3"

names(b)=NULL

b

[1] "AA" "AT"

b["geno2"]

"AT"

pop_name=c(“CEU”,"YRI")

names(pop_name)=c(1,2)

names(pop_name[1])=1

4. 去除某一元素： b[-index.nu]

#想去除元素”TT”,如果你不知道是第几个索引，可以先判断索引，再删除。

b=c("AA","AT","TT")

names(b)=c("geno1","geno2","geno3")

index.TT=which(b=="TT")

b=b[-index.TT]

b

geno1 geno2

"AA""AT"

5. 相当于 Python 中的 set() 函数 和 count() 函数： unique() ， table()

b=c("TT","AT","AT","TT","AA")

unique(b)#即相当于去除所有的重复，只保留一个

[1] "TT" "AT" "AA"

table(b)#以元素为name,统计各元素的个数

b

AA AT TT

122

6. 字符串的分割： strsplit()

test="AA"

strsplit(test)

错误于strsplit(test) :缺少参数"split",也没有缺省值

strsplit(test,split='')

[[1]]

[1] "A" "A"

test=strsplit(test,split='')[[1]]

test

[1] "A" "A"

7. 文本文档的写入： write.table()

write.table( res.matrix,file=new.file,sep='\t',quote=F,row.names=F,col.names=F,append=T)#quote=F去掉引号后写入，row.names=F去掉行的名字写入，否则会把名字写进去

##写入数据时候最好把数据存储成一个matrix然后直接写。要是每行每行写的话要注意数据的格式了。先建立一个空的matrix，见8，然后通过rbind或者cbind叠加上去。

方法一：

a=c()

b=c(“AA”,”TT”,”CC”)

for (i in 1:3){

a=c(a,b)

}

write.table(a,file=”test.txt”)#你会发现结果是

AA

TT

CC

….

##而且还有行和列的名字，因为没有设置参数。因为对于c向量来说，写的话默认是竖着写的，每个元素占一行。所以比较方便的就是rbind

方法二：

a=c()

b=c(“AA”,”TT”,”CC”)

for (i in 1:3){

a=rbind(a,b)

}

write.table(a,file=”test.txt”，quote=F,row.names=F,col.names=F)#你会发现结果是

AA TT CC

AA TT CC

AA TT CC

##原因是rbind把最总结果当做矩阵了。对于R数据的写入最好能生成最后的矩阵再写入。但是西面的梅一行写一次和方法二的效果是想通的，但是要用到append参数。

a=c()

b=c(“AA”,”TT”,”CC”)

for (i in 1:3){

a=rbind(a,b)

write.table(a,file=”test.txt”，quote=F,row.names=F,col.names=F,append=T)

}

8. 建立一个空的 matrix ：

res.matrix - matrix( ,nrow=0,ncol=6 )##这样就建立了一个0行6列的空matrix了。

9. 如何将 R 运行结果输出到文件

x=read.table("F:/my/work/chengxu/PValue/pc2jieguo/pc2302.txt")

z=t(x)

ks.test(y,z)

Two-sample Kolmogorov-Smirnov test

data:y and z

D = 0.207, p-value 2.2e-16

alternative hypothesis: two-sided

如上面运行结果，我想将p-value 2.2e-16自动保存到一个文件中，如何用R程序实现，谢谢！

sink("output.txt")

print(ks.test(y,z)$p.value)

sink()

10 降序排列：

a=c(1,1.2,0.1,4,5,-0.1)

a=sort(a,decreasing=T)

a

[1]5.04.01.21.00.1 -0.1

11. 取前1％的数

a=c(1:10,4:20,1:100,1:1000)

a=sort(a,decreasing=T)#先降序

sig=a[round(length(a)*0.01)]

sig

[1] 990

12.在shell中直接执行R脚本

R CMD BATCH --argstest.R

13. R中高级作图的方法

14:设置字体类型：

par(family='Times New Roman')

15:控制图形四周的空白大小

par(mfrow=c(3,1),mar=c(0,0,0,0))

其中mar是四周的间距,分别为x,y上下的距离

16控制作图区域的大小layout

layout(c(1,2,3),height=c(1,1,0.5))

分成竖着三份， 其中三份比列依次为（高度依次为2：2：1）

17保留两位小数

round(0.123,digits=2)

18 在原有图的基础上画图：

par(fig=c(0.1,0.5,0.43,0.65), new=TRUE)

19 只显示y轴

plot(1:10,1:10,axes=F)

axis(2,at.....)

20 调节刻度方向 las

plot(1:10,1:10,las=1)

21 屏幕分割

layout(matrix(1:16,4,4))＃＃＃竖着plot

par(mfrow=c(4,4))##横着plot

22.逻辑表示或者

xor为异或，两值不等为真，两值相等为假。例：xor(0, 1)

23. 从向量中随机取几个数sample

sample(rep(1:1000),10)

23 字符串转换成小数浮点型

as.numeric("0.123")

24. 读取不规范的文本

f=readLines(afile,n=1)＃n表示读几行

f=strsplit(f,'\t')##分割

f[1][[1]]##第一行

f[1][[1]][1]##第一行 第一个字符串

25. write 写入文件

write(afile, "a\tb\t",append=T) #沿着每行一次 写入

26. 不需要循环，这直接对matrix没行或者每列进行筛选操作apply（）

apply（data,col2 or row1, max0）

27.保留2位小数

a=2.300

a=as.numeric(sprintf(“%.3f”,a))

28。调出假设检验的p value

t.test(data1,data2)$p.value