R learning

一、使用R语言解各种分布，如标准正态分布，泊松分布，均匀分布

二、统计量

​x
> ns <- rpois(10000, 1)
> table(ns)
> ns
> 0    1    2    3    4    5    6    7 
> 3652 3757 1831  580  145   26    8    1 
​
> mean(ns)   ##发生次数的平均值
> [1] 0.9924
> var(ns)    ##发生次数的方差
> [1] 0.9760398
> cov(x,y)    ##协方差
> cor(x,y)    ##相关系数，取值范围[-1，1],表示变量间线性相关度，线性相关为1，不想关为0

 

三、向量

1. 赋值

xxxxxxxxxx
# Creating a sequence from 6.6 to 12.6.
v <- 6.6:12.6
print(v)
>[1]  6.6  7.6  8.6  9.6 10.6 11.6 12.6
​
# Create vector with elements from 5 to 9 incrementing by 0.4.
print(seq(5, 9, by = 0.4)) #序列运算符，带步长
​
# The logical and numeric values are converted to characters.
s <- c('apple','red',5,TRUE)# c函数，如果其中一个元素是字符，则非字符值被强制转换为字符类型。
print(s)
>[1] "apple" "red"   "5"     "TRUE" 
​

2.访问向量元素

xxxxxxxxxx
t <- c("Sun","Mon","Tue","Wed","Thurs","Fri","Sat")
u <- t[c(2,3,6)]
print(u)
>[1] "Mon" "Tue" "Fri"
​
# Accessing vector elements using negative indexing.
x <- t[c(-2,-5)] # 倒序
print(x)
>[1] "Sun" "Tue" "Wed" "Fri" "Sat"
​

3.向量运算

xxxxxxxxxx
# Create two vectors.
v1 <- c(3,8,4,5,0,11)
v2 <- c(4,11,0,8,1,2)
​
# Vector addition.
add.result <- v1+v2
print(add.result)
​
# Vector substraction.
sub.result <- v1-v2
print(sub.result)
​
# Vector multiplication.
multi.result <- v1*v2
print(multi.result)
​
# Vector division.
divi.result <- v1/v2
print(divi.result)

结果：

xxxxxxxxxx
[1]  7 19  4 13  1 13
[1] -1 -3  4 -3 -1  9
[1] 12 88  0 40  0 22
[1] 0.7500000 0.7272727       Inf 0.6250000 0.0000000 5.5000000

xxxxxxxxxx
> x<-1:5
​
> is.numeric(x)  #判断是否为数值型向量。其他向量转换为数值型向量： as.numeric()
> [1] TRUE
> is.character(x)  #判断是否为字符、逻辑的函数： is.character()、is.logical(),转化为字符、逻辑的函数： as.character()、as.logical()
> [1] FALSE
​
> x[6]<-6       #增加一个元素为6
> x[8]<-8       #增加一个元素为8,第七个元素自动赋值为“NA”，表示缺失值
> x
> [1]  1  2  3  4  5  6 NA  8
> x[is.na(x)==F]     #删除向量中的缺失值。函数 is.na() 判断是否为缺失值。 
> [1] 1 2 3 4 5 6 8
> length(x[is.na(x)==F])  #返回x中非缺失值的个数
> [1] 7
​
> x<-x[1:length(x)-1]  #删除最后一个元素 
> x
> [1]  1  2  3  4  5  6 NA
> x[7]<-7              #更改某个元素，如第三个元素改为8
> x
> [1] 1 2 3 4 5 6 7

 

四、作图

xxxxxxxxxx
hist(x, main = "Normal DIstribution")

五、循环

xxxxxxxxxx
v <- LETTERS[1:4] 
for ( i in v) {   
print(i) 
}
[1] "A"
[1] "B"
[1] "C"
[1] "D"

六、其他

xxxxxxxxxx
x=exp(a)
y=sqrt(x)