下载文档原格式
基本一、数据管理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，typeof：对象存储模式与类型names：对象的名属性二、字符串处理character：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，strsplit：连接或拆分charmatch，pmatch：字符串匹配grep，sub，gsub：模式匹配与替换三、复数complex，Re，Im，Mod，Arg，Conj：复数函数四、因子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”数组应用函数数学一、计算+, -, *, /, ^, %%, %/%：四则运算ceiling，floor，round，signif，trunc，zapsmall：舍入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：符号函数二、数学函数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三、数组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row/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：求列下标集四、线性代数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分解求逆五、逻辑运算，=，==，!=：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：找到重复元素六、优化及求根optimize，uniroot，polyroot：一维优化与求根程序设计一、控制结构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。
length(x)针对向量返回长度，针对列表或者数据框返回维数dim(x)//显示x的维度str(x)//显示x的结构class(x)//x的对象类型mode(x)//对象模式names(x)//对象中各成分的名称head(x)//显示x的开始部分tail(x)//显示x的最后部分edit(x)/fix(x)//编辑xoptions()//全局选项设定，如options(digits=3)将小数位数设为3q() //退出mean,sum中的na.rm=T参数表示移除缺失值，mean参数trim取值在0.1～0.5表示去除距离均值较大的异常值的比例Sys.getenv(“HADOOP_CMD”)//获取环境Sys.setenv(“HADOOP_CMD”=”/usr/local/hadoop/bin/hadoop”)//设置环境安装Rhadoop时R或者Rstudio最好在sudosu后执行，不然总是很多问题，不要sudoR 这样来做，要么R要么sudosu后Rlevels(x)//查看x的水平mean(x)//求平均数dimnames(x,list(c('a','b','c'))list是列表，列与列之间类型可以不同，选中i列采用x=[[i]]，这样就可以把那一列选中向量中追加元素：a=c(a,10),a[length(a)+1]=10weighted.mean(x,w...)加权平均，权值是与x长度相同的w向量sort(x)后各数据按有序排列，order向量的元素表示排序后该下标处的元素对应原向量的哪个位置，rank向量的元素表示相应下标处原向量的元素排序后的位置。
例：a=c(55,66,57,60,62,780)sort(a) 5557 60 62 66 780order(a) 13 4 5 2 6 7 8 该处3表示排序后处于下标2处的元素是57rank(a) 15 2 3 4 6 7 8该处5表示66排序后在下标5处sort()参数partial是指定排序的部分下标向量，methods指定排序方式…shell‟(默认）…quick‟，index.return=T返回一个列表第一个变量是排序顺序，第二个变量是排序的值（该下标处元素在原向量中的位置，等同于order(x）），decreasing指定顺序例：找到值在50和90之间元素在原向量的下标号order(x)[sort(x)>50&sort(x)<90] sort(x)>50返回一个逻辑向量match(subset(x,x>50&x<90),x) which(x>50&x<90)x[order(x[,2],decreasing=T),]针对矩阵x的第二列降序排序并得到排序后的矩阵median（x）缺省不能处理带缺失值的数据（na.rm=F)，注：很多函数默认不能处理缺失值quantile(x,c(.25,.6),na.rm=T)偏度系数刻画数据对称性指标，若数据关于均值对称则该系数为0，右侧更分散则为正，否则为负中心矩u峰度系数：正态分布为0，较整体分布时尾部分散数据较多为正（两侧极端数据更多），否则为负在给定数据均值和方差的情形下（这里仅针对正态分布），它们均返回数值向量:dnorm（x，mean，sd）密度函数，参数指定一个数值型向量，返回拟合数据的密度函数（数值向量）pnorm分布函数，参数指定一个数值型向量，返回拟合数据的分布函数qnorm分位函数，参数指定概率向量，返回各个概率对应的分位数rnorm随机函数，指定一个生成数目，返回随机数向量有参数lower.tail=F时分布函数的计算方式和正常的反向与此组函数相似的有：dunif,punif,qunif,runif它们指定在某个区间的正态数据直方图：给定组距的情况下，考察数据落入各区间的频数或频率hist(x,breaks,col)参数x是样本数据，breaks是组数（具体形式有：向量（起点，终点，组距），数值（组距），函数（组距）），col填充颜色问：只画出样本数据中指定范围内的条形统计图？hist(x[x>2&x<10])density(x)核密度函数，用样本数据估计密度函数 eg.plot(density(x))问：参数bw？eg. hist(xwfreq=F)#禁用频数,否则纵坐标不在0-1之间lines(density(w),col='red')x=x1:x2#这里值得注意下lines(x,dnorm(x,mean(w),sd(w)），col='blue')注：实践中反复出现的一个问题是画密度分布函数时纵坐标要在0-1之间ecdf(x)估计总体分布函数eg. plot(ecdf(x),verticals=T,do.p=F)；lines(x,pnorm(x,mean(x),sd(x))参数verticals表示画竖线，do.p画点与否plot(data.frame$a~data.frame$b)==plot(~data.frame$b+data.frame$a)plot(data.frame)==pairs(data.frame)coplot(a~b|c)在给定因子或变量c下，作a关于b的散点图（处理多变量）dotchart(x...)画x的点图，y轴x的标记，x轴为x的数值image()绘出三维图像的影响contour(x,y,z)绘出三维图像的等值线persp(x,y,z)绘出三维图形的表面曲线注：z不是简单的冠以xy的运算，而是需要在函数f下作外积运算outer(x,y,f)形成网格才能绘出三维图形高级绘图命令：add=T表示在原图增加新元素，默认是替换原图F（增加低级绘图指令)axes=F表示不加坐标轴，默认为Tlog=‟xy‟表示对xy轴均取对数type=‟b‟绘图类型p散点图，l实线，b所有点被实线连接，o实线通过所有点，h绘出点到x轴的实线，s阶梯形曲线，n不绘（可以先采用n绘出一个图形边界，然后在上面绘图）低水平作图函数：points(x,y)加点lines(x,y)==plot(x,y,type=‟l‟)加直线text(x,y,labels)对数据集xy加文本labels（字符串，默认是1:length(x))abline()增加直线，四种格式：ablie(a,b)/y=a+bx,abline(h=y/0)过所有点的水平直线ablien(v=0)画竖线，abline(线性拟合结果对象)ploygon(x,y)以xy为点画出多边形在图上加文字标题或其它内容title(main=‟‟,sub=‟‟)图上增加标题axis(side=1/2/3/4）将坐标值置于图形的下左上右正态性检验：QQ图帮助我们鉴别样本的分布是否近似于某种分布，若正态QQ图上的点近似在一条直线附近（该直线斜率是标准差，截距是均值），则可认为样本来自一个正态分布总体。
Generalized additive models with integrated smoothness estimation广义加性模型与集成的平滑估计描述----------Description----------Fits a generalized additive model (GAM) to data, the term "GAM" being taken to include any quadratically penalized GLM. The degree of smoothness of model terms is estimated as part of fitting. gam can also fit any GLM subject to multiple quadratic penalties (including estimation of degree of penalization). Isotropic or scale invariant smooths of any number of variables are available as model terms, as are linear functionals of such smooths; confidence/credible intervals are readily available for any quantity predicted using a fitted model; gam is extendable: users can add smooths.适合一个广义相加模型（GAM）的数据，“GAM”被视为包括任何二次处罚GLM。
模型计算的平滑度估计作为拟合的一部分。
gam也可以适用于任何GLM多个二次处罚（包括估计程度的处罚）。
各向同性或规模不变平滑的任意数量的变量的模型计算，这样的线性泛函平滑的信心/可信区间都是现成的使用拟合模型预测任何数量，“gam是可扩展的：用户可以添加平滑。
r语言可视化手册第二版R语言作为一种强大的统计分析工具和编程语言，其具备灵活性和可扩展性，使得它成为数据分析领域的热门选择。
在R语言中，可视化是一种重要的手段，能够帮助用户更好地理解数据，发现规律，并有效地传达分析结果。
本文为您介绍R语言可视化手册第二版，通过详细的案例和示范，帮助您快速掌握R语言可视化的技巧和方法。
第一章：R语言可视化概述在本章中，我们将简要介绍R语言可视化的重要性和作用，以及本手册的内容安排。
同时，我们还将讨论R语言可视化的基本原理和常用的图形类型。
第二章：基础图形绘制本章将详细介绍R语言中基础图形的绘制方法，包括散点图、折线图、柱状图等。
我们将通过实际的案例演示如何使用R语言命令进行图形绘制，并介绍各种图形的参数调整方法，以及图形风格的设定。
第三章：高级图形绘制在本章中，我们将深入探讨R语言中一些高级图形的绘制方法，如箱线图、热力图、雷达图等。
我们将详细介绍每种图形的特点和用途，并通过实际例子演示如何使用R语言命令进行绘制。
第四章：数据可视化与交互式图形本章将介绍R语言中数据可视化和交互式图形的方法和应用。
我们将讨论如何使用R语言的DataFrame对象进行数据可视化，并介绍一些常用的交互式图形库，如ggplot2和Plotly。
第五章：地理数据可视化在这一章中，我们将介绍如何利用R语言进行地理数据的可视化分析。
我们将讨论如何在地图上绘制各种地理图形，并介绍一些R语言中常用的地理信息处理包，如ggmap和leaflet。
第六章：动态可视化本章将重点介绍如何使用R语言进行动态可视化的方法。
我们将详细讨论如何创建动态图形和动画，并介绍一些常用的动态可视化包，如gganimate和plotly。
第七章：报告和演示文档在这一章中，我们将介绍如何使用R语言生成报告和演示文档。
我们将讨论如何使用R Markdown和knitr包来创建可交互的报告和演示文档，并介绍一些常用的演示文档生成工具，如Shiny。
R语言基本命令1.> mean(X1) 均值2.>sd(X1) 标准差var(x)方差median(x)中位数3.>plot() 体重和数据的散点图lines()用线连接，get_dist()热量图4.在读取R文件时，文件路径出错，使用getwd()和setwd()两种命令来查询和修改R语言的工作空间5.载入工作空间> load("MyWorkSpace.RData")6.保存工作空间> save.image("MyWorkSpace.RData")7.列出全部变量名>ls()8. %/%表示整数除法，%%表示求余数9. range(x)表示范围10. which.min(x)在第几个位置取到最大值11. seq()等间隔函数12. rep() 重复函数13. is.na()检测缺失数据的函数14. is.nan()检测数据是否不确定15. is.finite()检测数据是否有限), is.infinite()检测数据是否无穷16. paste()可以把字符向量变成字符串17.x[v]取出所有v为真值的数18.读文件表rd <- read.delim("C:/R语言工作空间/文件名”)19.table（）可以看出良性和阴性的个数20. M = matrix(0,c(m,n))#生成m行n列的0矩阵。
21. M = rbind(X,Y)#按行合并矩阵X和Y形成新矩阵M。
(X和Y列数需相同）22. M = cbind(X,Y)#按列合并矩阵X和Y形成新矩阵M。
(X和Y行数需相同）23. colnames(M)#矩阵M的列名。
24. rownames(M)#矩阵M的行名。
25. nrow(M)#矩阵M的行数。
26. ncol(M)#矩阵M的列数。
27.diag(M)#矩阵M的对角线元素形成的向量28.M = diag(x)#生成以向量x为对角线元素，其他位置元素为0的矩阵M。
Scratch参考指南简体中文版译者言在一个偶然的机会下，我发现了Scratch,一个由MIT(麻省理工学院)开发的一套开源的，为儿童准备的编程环境。
它不需要你写任何编码，只要使用鼠标拖拽事先为你准备好的部件就可以组成游戏，卡通和动画。
就象小孩玩积木一样简单而有趣。
我使用过KPL(Kids Program Language)和微软的SmallBasic，也是为儿童准备的，跟专业的编程语言相比他们的确很简单。
但由于还是需要手动编码，也许并不适合8-16岁的孩子，特别的，他们不适合作为入门语言。
而Scratch则没有问题。
和其它一些儿童编程语言相比Scratch更加直观，简单，不需要孩子记住那些难记的单词和代码。
以我多年的编程经验来看，Scratch作为儿童的入门语言最好不过了。
儿童的最爱的就是玩。
玩游戏，卡通，动画等。
而Scratch紧紧围绕这个中心，让孩子设计自己的游戏，卡通，动画。
虽然Scratch编程同专业的编程语言还有一些区别，但其基本概念如坐标，方向，逻辑运算，条件，循环，事件等等都是一样的。
学好Scratch对于孩子以后学习专业级(企业级)的语言(如C,C++,java,C#.net等)是非常有帮助的。
本文版权归译者所有，你可以出于个人目的自由的使用，传播它。
但不允许用在商业用途上(如出版,印刷等)。
由于本人英文实现很抱歉。
在根据以往经验并借助词典的情况下，才勉强将该文件翻译完成。
其中错误一定不少。
如果你发现其中的错误或有什么建议，请发email告诉我(******************)。
如果你想了解作者或者Scratch的最新状态，请访问：http: ///Scratch下载地址:/ScratchInstaller1.4.exeScratch官网地址: 1.概述Scratch是一种新的编程语言，它使得制作动画，游戏，卡通变得更加容易，并且你可以在网络上共享你的作品。
本参考指南会介绍Scratch的方方面面。
因为是考R命令，建议大家敲一下这些命令，理解的更容易一些，而且也方便以后使用。
R基本命令：R赋值：=和<-和->查看当前环境变量ls() 删除变量rm() 查看和导入R中的预存数据data()eg.删除所有对象rm(list=ls())，删除变量x和y：rm(x,y)测试运行时间：system.time()获取帮助：(eg.solve函数)：①?solve②help(solve)③example(solve)加载R文件:source(“one.r”)sink函数：sink(“a.r”) 输出流定向到a.r里，sink()重新将输出流定向到控制台常用函数：log2(),log10(),幂exp(),平方sqrt()…R基本数据结构R的基本数据结构：向量(最重要的对象)、矩阵、数组、数据框、因子、列表构建向量:x<-c(1,2,3,4,5)等价于c(1:5)->x等价于assign("x", c(1,2,3,4,5))等价于x<-seq(1,5,length=5)表示构建从1到5 的长度为5的等差数列z<-c(8,6,4,2)等价于z<-c(2*4:1)等价于z<-seq(8,2,length=4)y<-c(x,0,x) 创建11个元素的y向量。
向量的运算：每一个元素都可以进行相应的运算，且长度可以不同。
v <- 2*x + y + 1产生长度为11的向量v，它由2*x重复2.2次，y重复一次，1重复11次得到的向量相加而成。
常用函数(针对向量)：均值mean()、方差var()、最大值max()、最小值min()长度length(), 累积乘积prod(),升序排序sort()、最大最小值range()。
unique()可去重复其他函数:s5 <- rep(x, times=5)将x拷贝5次放到s5中is.na(x)返回一个逻辑向量，表示x中是否是NA（not available）,若是NA则返回TRUE类似的有is.nan(x)判断是否为NaN(NaN表示数据不可利用,如0/0)is.null(x)判断对象x是否为空，is.infinite判断x的元素是否为Inf(无穷)构建字符向量:x<-c(“Hello”,”World”)等价于x=c(‘Hello’,’World’)等价于x<-paste(c(‘Hello’,’World’)) paste()函数将参数一个接一个按照分隔符连接：如paste(c("chr"),c(1:22,’X’,’Y’),sep="")返回chr1，chr2直到chrY.索引向量：在向量x的方括号中加入索引变量可获得x的子集eg. x[is.infinite(x)]<- -1将x中为无穷的数全部替换成-1x[c(3,1,5,1,2,3)] 取x的第3,1,5,1,2,3个元素，x[1:5]取x前5个元素。
R语⾔常见命令1. 获取帮助> help.start() 开启帮助⽂档>help(solve) 显⽰某命令的帮助信息，或者>?solve对于由特殊字符指定的功能，这些参数必须⽤单引号或双引号括起来，使之成为⼀个“字符串”,如> help("[[")与某个主题相关的例⼦通常可以⽤下⾯的命令得到> example(topic)2. 命令简介R对⼤⼩写是敏感的；名称不能以数字开始；基本的命令由表达式或者赋值语句组成。
如果⼀个表达式被作为⼀条命令给出，它将被求值、打印⽽表达式的值并不被保存。
⼀个赋值语句同样对表达式求值之后把表达式的值传给⼀个变量，不过并不会⾃动的被打印出来；命令由分号(;)来分隔，或者另起新⾏；基本命令可以由花括号(f和g)合并为⼀组复合表达式；注释⼏乎可以被放在任何地⽅，只要是以井号( # )开始，到⾏末结束；如果⼀个命令在⾏莫仍没有结束，R将会给出⼀个不同的提⽰符，默认的是‘+’。
3. 命令⽂件的执⾏和输出转向到⽂件如果命令存储于⼀个外部⽂件xx，⽐如⼯作⽬录workxx的commands.R，他们可以随时在R的任务xx被执⾏> source("commands.R")在WindowsxxSource也可以由File菜单执⾏。
函数sink，> sink("record.lis")将把所有后续的输出由终端转向⼀个外部⽂件，record.lis。
命令> sink() 将把信息重新恢复到终端上。
4. 数据的保持与对象的清除R所创建、操作的实体是对象。
对象可以是变量、数组、字符串、函数以及由这些元素组成的其它结构；> objects()⽤来显⽰⽬前存储在R中的对象的名字。
⽽当前存储的所有对象的组合被称为workspace；清除对象可以使⽤rm命令：> rm(x, y, z, ink, junk, temp, foo, bar)所有在⼀个R任务中被创建的对象都可以在⽂件中被永久保存，并在其它的R任务中被使⽤。
向量（vector）1、seq():产生有规律的数列，间距省略时默认值为1。
例1：seq(10, 20, 0.5)例2：seq(0, by = 0.03, length = 15)2、rep()：产生有规律的数列，重复第一个变量若干次。
例1：rep(1:3, 1:3)例2：rep(1:3, rep(2, 3))例3：rep(1:3, length = 10)3、向量运算：一般是对应元素之间的运算，所以两个或多个向量运算时，要求它们包含的元素个素相同（或一个是另一个的整数倍）。
例1：a <- 1:3; b <- 4:6; a * b; b^a例2：a <- 1:3; b <- 4:9; a * b; b^a4、获取向量某一个或多个子集,向量前的负号"-"表示去除相应内容。
例1：x <- c(3, 4, 5, 2, 6); x[1:2]; x[-(1:2)]例2：x <- c(3, 4, 5, 2, 6); x[c(1, 2, 4, 1)]; x[-c(1, 2, 4, 1)]例3：xx <- seq(1, by = 3, length = 10); xx[xx > 13]例4：x <- 1:20; y <--9:11; x[y > (1)] #注意最后一个是"NA"5、主要向量运算函数。
例1：xx <- c(2, 6, 10, 8, 4)sum(xx) #和max(xx) #最大值min(xx) #最小值range(xx) #取值范围mean(xx) #平均值var(xx) #方差sort(xx) #从小到大排序rev(xx) #反排列，所以从大到小排序应该是rev(sort(xx))rank(xx) #单元值大小顺序prod(xx) #乘积，所以阶乘是prod(1:n)例2：x <- seq(1, 15, 2)append(x, 20:30, after = 5) #插入数据append(x, 20:30) #参数after缺省默认从向量的最后插入值replace(x, c(2, 4, 6), -1) #替换函数例3：match(c('Ohio', 'Wyoming'), ) #完全匹配函数pmatch(c('Oh', 'Wy'), ) #部分匹配函数[pmatch(c('Oh', 'Wy'), )]例4：yy <--9:10all(yy > 0) #判断所有all(yy > -10)any(yy == 0) #判断部分any(yy > 0)any(yy < -10)矩阵(matrix)矩阵生成函数matrix():matrix(data, nrow = , ncol = , byrow = F)，其中，数据data 是必须的，其他都是选择参数，可以不选。
