R语言常用命令集合

R语言常用命令

help.start()//打开帮助文档

q()//推出函数

ls()//返回处于现在名空间的对象名称

rm()//清楚对象；rm(list=ls())清除所有内存数据

gc()//垃圾回收数据

sqrt(x)//标准差

rnorm()函数

rnorm(n, mean = 0, sd = 1)

n 为产生随机值个数（长度），mean 是平均数， sd 是标准差，如果没有设置mean和sd的话，他们的默认值分别为0和1 。使用该函数的时候后，一般要赋予它 3个值.rnorm（） 函数会随机正态分布，然后随机抽样 或者取值 n 次，

>rnorm（5，0,1） 以N（0,1）的正态分布，分别列出5个值。r 这列代表随机，可以替换成dnorm, pnorm, qnorm 作不同计算norm=正态分布，r = random = 随机， d= density = 密度， p= probability = 概率 ， q =quantile = 分位

布朗运动

cumsum／／#累计求和

cumprod／／#连乘积

cummin／／按照降序排列

cummax／／按照升序排列

时间序列

ts(数据向量，frequency=表示将时间分开的时间间隔，start=c(第一个数据所表示的年，月))

frequency=1表示年度数据，frequency=4表示季度数据，frequency=12表示月度数据

plot画图像

plot 函数是用的最多的函数，而他的参数非常繁多，由此总结一下，以供后续方便查阅。

plot(x, y = NULL, type = "p", xlim = NULL, ylim = NULL,
log = "", main = NULL, sub = NULL, xlab = NULL, ylab = NULL,
ann = par("ann"), axes = TRUE, frame.plot = axes,
panel.first = NULL, panel.last = NULL, asp = NA, ...)

plot 支持R 模块有：functions,data.frames,density,factor,table等常用结构。

设置所有可用的参数  

  1. plot(x = mtcars$wt,  
  2.      y = mtcars$mpg,  
  3.      type="o",#线型  
  4.      main="标题",  
  5.      sub="子标题",  
  6.      xlab="x轴",  
  7.      ylab="y轴",  
  8.      asp=0.1)#y/x的比例，y轴数值长度与x轴数值长度的比值  

点"p" for points,

线"l" for lines,

点线"b" for both,

点线图去掉点"c" for the lines part alone of "b",

覆盖式的电线"o" for both ‘overplotted',

类似直方图"h" for ‘histogram' like (or ‘high-density') vertical lines,

楼梯状"s" for stair steps,

楼梯状"S" for other steps, see ‘Details' below,

不显示"n" for no plotting.

system.file("data", "morley.tab" , package="datasets")#从对象 morley 中得到实验数据的文件路径 

file.show(filepath)#查看文件内容

read.table(filepath)#以数据框的形式读取数据

到此这篇关于R语言常用命令集合的文章就介绍到这了,更多相关R语言常用命令内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • R语言绘制频率直方图的案例

    R语言绘制频率直方图的案例

    频率直方图是数据统计中经常会用到的图形展示方式,同时在生物学分析中可以更好的展示表型性状的数据分布类型:R基础做图中的hist函数对单一数据的展示很方便,但是当遇到多组数据的时候就不如ggplot2绘制来的方便. *** 1.基础做图hist函数 hist(rnorm(200),col='blue',border='yellow',main='',xlab='') 1.1 多图展示 par(mfrow=c(2,3)) for (i in 1:6) {hist(rnorm(200),border=

  • R语言的数据输入深入讲解

    既然了解了R语言的基本数据类型,那么如何将庞大的数据送入R语言进行处理呢?送入的数据又是如何在R语言中进行存储的呢?处理这些数据的方法又有那些呢?下面我们一起来探讨一下. 首先,数据输入最直接最直观的方法就是键盘输入,在上面几篇都已经讲到,利用c创建向量,利用matrix创建矩阵,利用data.frame创建数据框等,但是我们处理的数据往往比较多,键盘输入在面对如此庞大的数据时显然不现实,当然你可以花费好几天来输入数据而且保证不出错除外,而且待处理的一般都存储在Excel,网页,数据库其他中介中

  • R语言数据类型深入详解

    R语言用来存储数据的对象包括: 向量, 因子, 数组, 矩阵, 数据框, 时间序列(ts)以及列表 意义介绍 1. 向量(一维数据): 只能存放同一类型的数据 语法: c(data1, data2, ...),访问的时候下标从1开始(和Matlab相同);向量里面只能存放相同类型的数据. > x <- c(1,5,8,9,1,2,5) > x [1] 1 5 8 9 1 2 5 > y <- c(1,"zhao") # 这里面有integer和字符串, 整

  • R语言变量赋值深入讲解

    变量可以使用向左,向右且等于操作符来分配值.可以使用 print() 或 cat() 函数打印变量的值.cat() 函数将多个项目并成连续并打印输出. # Assignment using equal operator. var.1 = c(0,1,2,3) # Assignment using leftward operator. var.2 <- c("learn","R") # Assignment using rightward operator. c

  • R语言生成随机数实例讲解

    R语言生成随机数实例讲解

    1.概述 作为一种语言进行统计分析,R有一个随机数生成各种统计分布功能的综合性图书馆.R语言可以针对不同的分布,生成该分布下的随机数.其中,有许多常用的个分布可以直接调用.本文简单介绍生成常用分布随机数的方法,并介绍如何生成给定概率密度分布下的随机数. 2.常用分布的随机数 在R中各种概率函数都有统一的形式,即一套统一的 前缀+分布函数名:    d 表示密度函数(density):    p 表示分布函数(生成相应分布的累积概率密度函数):    q 表示分位数函数,能够返回特定分布的分位数(

  • R语言strsplit函数用法深入详解

    1.R语言strsplit用于分割字符串 创建测试数据 > test <- "aa bb cc dd ee ff" ##创建测试数据 > test [1] "aa bb cc dd ee ff" > class(test) ## 测试数据为字符 [1] "character" 2.按照指定分隔符拆分字符串 > a <- strsplit(test,split = " ") ##制动分隔符为空

  • R语言常用命令集合

    R语言常用命令 help.start()//打开帮助文档 q()//推出函数 ls()//返回处于现在名空间的对象名称 rm()//清楚对象:rm(list=ls())清除所有内存数据 gc()//垃圾回收数据 sqrt(x)//标准差 rnorm()函数 rnorm(n, mean = 0, sd = 1) n 为产生随机值个数(长度),mean 是平均数, sd 是标准差,如果没有设置mean和sd的话,他们的默认值分别为0和1 .使用该函数的时候后,一般要赋予它 3个值.rnorm() 函

  • R语言常用两种并行方法之snowfall详解

    上一篇博客(R中两种常用并行方法之parallel)中已经介绍了R中常见的一种并行包:parallel,其有着简单便捷等优势,其实缺点也是非常明显,就是很不稳定.很多时候我们将大量的计算任务挂到服务器上进行运行时,更看重的是其稳定性. 这时就要介绍R中的另一个并行利器--snowfall,这也是在平时做模拟时用的最多的一种方法. 针对上篇中的简单例子 首先是一个最简单的并行的例子,这个例子不需要载入任何依赖库.函数.对象等.相对也比较简单: library(snowfall) # 载入snowf

  • R语言常用两种并行方法之parallel详解

    目录 并行计算 在模拟时什么地方可以用到并行? 怎么在R中看我们可以使用并行? parallel(简单) 由于最近在进行一些论文的模拟,所以尝试了两种并行的方法:parallel与snowfall,这两种方法各有优缺,但还是推荐snowfall,整体较为稳定,不容易因为内存不足或者并行线程过多等原因而报错. 并行计算 并行计算: 简单来讲,就是同时使用多个计算资源来解决一个计算问题,是提高计算机系统计算速度和处理能力的一种有效手段.(参考:并行计算简介) 一个问题被分解成为一系列可以并发执行的离

  • 简述pm2常用命令集合及配置文件说明

    常用命令集合 pm2 start app.js          # 启动app.js应用程序 pm2 start app.js -i 4      # cluster mode 模式启动4个app.js的应用实例# 4个应用程序会自动进行负载均衡 pm2 start app.js --name="api" # 启动应用程序并命名为 "api" pm2 start app.js --watch     # 当文件变化时自动重启应用 pm2 start script.

  • svn 常用命令集合

    SVN的全称是Subversion,即版本控制系统.它是最流行的一个开放源代码的版本控制系统.作为一个开源的版本控制系统,Subversion管理着随时间改变的数据.这些数据放置在一个中央资料档案库(Repository)中.这个档案库很像一个普通的文件服务器,不过它会记住每一次文件的变动.这样就可以把档案恢复到旧的版本,或是浏览文件的变动历史.Subversion是一个通用的系统,可用来管理任何类型的文件,其中包括程序源码. SVN采用客户端/服务器体系,项目的各种版本都存储在服务器上,程序开

  • 不允许错过的Linux常用命令集合

    直接贴上学习笔记: 系统信息 arch 显示机器的处理器架构(1) uname -m 显示机器的处理器架构(2) uname -r 显示正在使用的内核版本 dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI) hdparm -i /dev/hda 罗列一个磁盘的架构特性 hdparm -tT /dev/sda 在磁盘上执行测试性读取操作 cat /proc/cpuinfo 显示CPU info的信息 cat /proc/interrupts 显示中断 cat /proc/

  • R语言UpSet包实现集合可视化示例详解

    R语言UpSet包实现集合可视化示例详解

    目录 前言 一.R包及数据 二.upset()函数 1)基本参数 2)queries参数 3)attribute.plots参数 3.1 添加柱形图和散点图 3.2 添加箱线图 3.3 添加密度曲线图 前言 介绍一个R包UpSetR,专门用来集合可视化,当多集合的韦恩图不容易看的时候,就是它大展身手的时候了. 一.R包及数据 #安装及加载R包 #install.packages("UpSetR") library(UpSetR) #载入数据集 data <- read.csv(&

  • R语言的一个加法函数使用介绍

    我就废话不多说了,大家还是直接看代码吧~ ## R语言中的加法函数 add4 <- function(x, y) { x + y } 一个复杂一些的R语言程序 ## R语言程序 add2 <- function(x, y) { x + y } above10 <- function(x) { use <- x > 10 x[use] } above <- function(x, n) { use <- x>n x[use] } columnmean <

  • 常用Shell命令集合和使用技巧(推荐)

    一.控制台使用技巧 基于我平时的工作经验,总结出一些我常用的快捷键 1.1 操作快捷键 Ctrl+r:可以快速查找历史命令 Ctrl+a / Ctrl+e:移动光标到命令行首 / 行尾 Ctrl+w / Ctrl+k:删除光标之前 / 之后的内容 1.2 VIM文件编辑快捷键 ZZ:文件保存并退出 1.3 进程操作快捷键 Ctrl+c:强制终止程序 Ctrl+z:挂起一个进程 Ctrl+d: 终端输入exit后回车 1.4 linux命令中快捷键(top) Shift + p: 根据CPU使用率

  • R语言的Dataframe常用操作使用

    上节我们简单介绍了Dataframe的定义,这节我们具体来看一下Dataframe的操作 首先,数据框的创建函数为 data.frame( ),参考R语言的帮助文档,我们来了解一下data.frame( )的具体用法: Usage data.frame(..., row.names = NULL, check.rows = FALSE, check.names = TRUE, fix.empty.names = TRUE, stringsAsFactors = default.stringsAs

随机推荐