软件网站建设方案wordpress 手机版

一、基础操作

（一）帮助系统

操作	命令示例	说明
查看函数帮助	help(sum) 或 ?sum	获取 sum 函数的详细用法
搜索帮助主题	help.search("linear regression")	查找与“linear regression”相关的帮助内容
列出所有包含特定字符串的函数	apropos("mean")	列出名称中含“mean”的函数
启动HTML帮助文档	help.start()	在浏览器中打开R的HTML帮助文档

（二）工作环境

操作	命令示例	说明
列出当前环境中的对象	ls()	显示当前环境中定义的所有对象
以结构化方式列出对象	ls.str()	显示对象结构信息
获取当前工作目录	getwd()	返回当前工作目录路径
设置工作目录	setwd("C:/your/directory")	将工作目录设置为指定路径
退出R	quit() 或 q()	退出R环境，可选择是否保存工作空间

（三）包管理

操作	命令示例	说明
安装包	install.packages("dplyr")	从CRAN安装“dplyr”包
更新包	update.packages()	更新已安装的包
加载包	library(dplyr) 或 require(dplyr)	加载“dplyr”包到当前会话
查看包帮助	library(help = "dplyr")	查看“dplyr”包的帮助文档

二、数据输入输出

（一）文件读取

文件类型	命令示例	说明
CSV文件	read.csv("data.csv", header = TRUE)	读取CSV文件，header = TRUE 表示第一行是列名
表格分隔文件	read.delim("data.tsv", header = TRUE)	读取以制表符分隔的文件
固定宽度文件	read.fwf("data.txt", widths = c(5, 10, 8), header = FALSE)	按指定宽度读取文件
从剪贴板读取	read.delim("clipboard")	从剪贴板读取数据，数据格式需符合要求

（二）文件保存

操作	命令示例	说明
保存对象	save(my_object, file = "my_data.RData")	将对象my_object保存到文件
保存工作空间	save.image("workspace.RData")	保存整个工作空间到文件
写入表格数据	write.table(my_df, file = "output.txt", row.names = FALSE, col.names = TRUE, sep = "\t")	将数据框写入文件，设置行列名及分隔符
重定向输出到文件	sink("output.txt") print("Hello, R!") sink()	将输出内容保存到文件，结束后关闭

三、数据结构

（一）向量

操作	命令示例	说明
创建向量	numeric_vector <- c(1, 2, 3, 4) character_vector <- c("a", "b", "c")	连接元素创建向量
生成序列	1:5 seq(1, 10, by = 2)	生成整数序列，按指定步长生成序列
重复向量	rep(1, times = 5) rep(c(1, 2), each = 3)	重复向量元素，按指定次数重复向量
索引向量	numeric_vector[3] numeric_vector[-2] numeric_vector[numeric_vector > 2]	获取指定位置元素，排除指定位置元素，按条件筛选元素
命名向量	named_vector <- c(a = 1, b = 2, c = 3) named_vector["b"]	创建命名向量，通过名称获取元素

（二）矩阵

操作	命令示例	说明
创建矩阵	matrix_data <- matrix(c(1, 2, 3, 4), nrow = 2, ncol = 2)	按指定行数和列数创建矩阵
矩阵索引	matrix_data[1, 2] matrix_data[1, ] matrix_data[, 2]	获取指定行列元素，获取指定行所有元素，获取指定列所有元素
矩阵转置	t(matrix_data)	对矩阵进行转置操作
计算矩阵行和、列和	rowSums(matrix_data) colSums(matrix_data)	计算矩阵每行元素之和，计算矩阵每列元素之和

（三）数据框

操作	命令示例	说明
创建数据框	my_df <- data.frame(name = c("Alice", "Bob"), age = c(25, 30), gender = c("F", "M"))	按列创建数据框
索引数据框	my_df[2, ] my_df[, "age"] my_df$name	获取指定行数据，获取指定列数据，通过列名获取列数据
添加列	my_df$city <- c("New York", "London")	在数据框中添加新列
合并数据框	merged_df <- merge(df1, df2, by = "id")	按指定列合并两个数据框

（四）列表

操作	命令示例	说明
创建列表	my_list <- list(name = "John", age = 30, hobbies = c("reading", "swimming"))	创建包含不同类型元素的列表
索引列表	my_list[[2]] my_list[["hobbies"]] my_list$age	获取指定位置元素，通过名称获取元素，通过$符号获取元素
添加元素	my_list$job <- "Engineer"	在列表中添加新元素

四、数据处理与统计

（一）描述性统计

操作	命令示例	说明
计算均值	mean(numeric_vector)	计算向量的均值
计算中位数	median(numeric_vector)	计算向量的中位数
计算标准差	sd(numeric_vector)	计算向量的标准差
计算方差	var(numeric_vector)	计算向量的方差
计算总和	sum(numeric_vector)	计算向量所有元素的总和
计算最小值、最大值	min(numeric_vector) max(numeric_vector)	计算向量的最小值、最大值
计算范围	range(numeric_vector)	返回向量的最小值和最大值组成的向量
计算分位数	quantile(numeric_vector, probs = c(0.25, 0.75))	计算指定分位数的值
计算四分位数间距	IQR(numeric_vector)	计算四分位数间距
计算加权均值	weighted.mean(numeric_vector, weights = c(1, 2, 1, 2))	计算加权均值

（二）数据转换

操作	命令示例	说明
排序	sorted_vector <- sort(numeric_vector) sorted_df <- my_df[order(my_df$age), ]	对向量进行排序，对数据框按指定列排序
去重	unique_vector <- unique(numeric_vector)	获取向量中的唯一值
分箱	binned_vector <- cut(numeric_vector, breaks = c(0, 2, 4, 6))	将数据划分为不同区间
标准化	scaled_vector <- scale(numeric_vector)	对数据进行标准化处理
缺失值处理	na_removed_vector <- na.omit(numeric_vector) na_filled_vector <- ifelse(is.na(numeric_vector), 0, numeric_vector)	删除含有缺失值的元素，用指定值填充缺失值

（三）统计检验与模型

操作	命令示例	说明
t检验	t.test(numeric_vector1, numeric_vector2)	对两个向量进行t检验
卡方检验	chisq.test(observed_data)	进行卡方检验
线性回归	lm_model <- lm(weight ~ height, data = my_df)	拟合线性回归模型
广义线性模型	glm_model <- glm(species ~ ., data = iris, family = "binomial")	拟合广义线性模型
聚类分析 - Kmeans	kmeans_result <- kmeans(scale(iris[, 1:4]), centers = 3)	对数据进行Kmeans聚类
聚类分析 - 层次聚类	d <- dist(iris[, 1:4]) hclust_result <- hclust(d, method = "complete")	进行层次聚类分析
主成分分析	pca_result <- prcomp(iris[, 1:4])	对数据进行主成分分析

五、数据可视化

（一）基础绘图

操作	命令示例	说明
散点图	plot(x = numeric_vector1, y = numeric_vector2, main = "Scatter Plot", xlab = "X Axis", ylab = "Y Axis")	绘制散点图
直方图	hist(numeric_vector, main = "Histogram", xlab = "Value", col = "blue")	绘制直方图
箱线图	boxplot(numeric_vector, main = "Box Plot", ylab = "Value")	绘制箱线图
折线图	plot(x = 1:length(numeric_vector), y = numeric_vector, type = "l", main = "Line Plot", xlab = "Index", ylab = "Value")	绘制折线图
条形图	barplot(numeric_vector, main = "Bar Plot", xlab = "Category", ylab = "Value", horiz = FALSE)	绘制条形图
饼图	pie(numeric_vector, labels = c("A", "B", "C"), main = "Pie Chart")	绘制饼图

（二）高级绘图

操作	命令示例	说明
三维图 - 表面图	library(rgl) x <- y <- seq(-2, 2, length = 50) z <- outer(x, y, function(x, y) x^2 + y^2) surface3d(x, y, z)	绘制三维表面图
三维图 - 散点图	library(rgl) x <- rnorm(100) y <- rnorm(100) z <- rnorm(100) points3d(x, y, z)	绘制三维散点图
等高线图	contour(x = numeric_vector1, y = numeric_vector2, z = matrix_data, main = "Contour Plot")	绘制等高线图
热力图	library(ggplot2) ggplot(data = my_df, aes(x = variable1, y = variable2, fill = value)) + geom_tile()	绘制热力图
交互图 - 散点图矩阵	pairs(iris[, 1:4], main = "Scatter Plot Matrix")	绘制散点图矩阵
交互图 - 箱线图分组	library(ggplot2) ggplot(data = iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot()	按分组绘制箱线图

（三）图形参数设置

操作	命令示例	说明
设置标题、坐标轴标签	plot(x, y, main = "My Plot", xlab = "X Label", ylab = "Y Label")	设置图形标题和坐标轴标签
设置颜色	plot(x, y, col = "red") hist(numeric_vector, col = rainbow(5))	设置绘图颜色，使用彩虹色
设置线型	plot(x, y, type = "l", lty = 2)	设置线条类型（如虚线）
设置点形状	plot(x, y, pch = 16)	设置点的形状（如实心圆）
设置坐标轴范围	plot(x, y, xlim = c(0, 10), ylim = c(0, 20))	设置坐标轴的取值范围
添加图例	plot(x, y, col = c("red", "blue"), pch = c(1, 2)) legend("topright", legend = c("Group 1", "Group 2"), col = c("red", "blue"), pch = c(1, 2))	添加图例说明图形元素

六、编程基础

（一）函数定义与使用

操作	命令示例	说明
定义函数	add_numbers <- function(a, b) { <br> return(a + b) <br> }	定义一个简单的加法函数
调用函数	result <- add_numbers(3, 5)	调用函数并返回结果
匿名函数	sapply(numeric_vector, function(x) x^2)	使用匿名函数对向量元素进行平方操作

（二）控制流

操作	命令示例	说明
条件判断	if (x > 10) { <br> print("x is greater than 10") <br> } else { <br> print("x is less than or equal to 10") <br> }	根据条件执行不同代码块
循环 - for循环	for (i in 1:5) { <br> print(i) <br> }	按指定次数循环执行代码块
循环 - while循环	i <- 1 <br> while (i <= 5) { <br> print(i) <br> i <- i + 1 <br> }	当条件满足时持续循环
循环 - repeat循环	i <- 1 <br> repeat { <br> print(i) <br> if (i == 5) { <br> break <br> } <br> i <- i + 1 <br> }	无限循环，可通过break语句跳出
跳过循环迭代	for (i in 1:5) { <br> if (i == 3) { <br> next <br> } <br> print(i) <br> }	跳过指定迭代

（三）向量化操作

操作	命令示例	说明
向量运算	numeric_vector1 <- c(1, 2, 3) numeric_vector2 <- c(4, 5, 6) result_vector <- numeric_vector1 + numeric_vector2	对两个向量对应元素进行加法运算
条件向量化	new_vector <- ifelse(numeric_vector > 3, "Large", "Small")	根据条件对向量元素进行替换

七、其他实用操作

（一）日期与时间处理

操作	命令示例	说明
创建日期对象	my_date <- as.Date("2024-01-01")	创建日期对象
日期格式化	format(my_date, "%Y-%m-%d")	将日期格式化为指定字符串
日期运算	new_date <- my_date + 30	日期加上指定天数
获取日期的年、月、日	year <- format(my_date, "%Y") month <- format(my_date, "%m") day <- format(my_date, "%d")	提取日期中的年、月、日

（二）随机数生成

分布类型	命令示例	说明
正态分布	rnorm(10, mean = 0, sd = 1)	生成10个均值为0，标准差为1的正态分布随机数
均匀分布	runif(10, min = 0, max = 1)	生成10个0到1之间的均匀分布随机数
泊松分布	rpois(10, lambda = 5)	生成10个参数为5的泊松分布随机数
二项分布	rbinom(10, size = 10, prob = 0.5)	生成10个n为10，p为0.5的二项分布随机数

（三）字符串处理

操作	命令示例	说明
连接字符串	`string1 <- “Hello” string2 <- “World” new