R语言快速入门主线知识点分享|文末有资源

## 0、Rstudio界面介绍及快捷键
# 运行当前/选中行 ctrl+enter
# 中止运行 esc
# 插入 <-    Alt+-
# 插入 %>%    Ctrl+Shift+M
# 快捷注释（支持多行选中）ctrl+shift+c      快捷注释后，如取消注释ctrl+shift+c 
# Rstudio自动补全 tab
x <-  5

## 1、生成数据
set.seed(0)
set.seed(1)
c()
seq() #生成等差数据
rep() #重复生成数据
rep(1:10,2)
factor() #因子数据
#语法 factor(x = character(), levels, labels = levels,…) 
#补充cut
x <- c("Man", "Male", "Man", "Lady", "Female")
## Map from 4 different values to only two levels:
xf <- factor(x, levels = c("Male", "Man" , "Lady",   "Female"),
             labels = c("Male", "Male", "Female", "Female"))
#> [1] Male   Male   Male   Female Female
#> Levels: Male Female

x <- c("Man", "Male", "Man", "Lady", "Female")
## Map from 4 different values to only two levels:
xf <- factor(x, levels = c("Male", "Man" , "Lady",   "Female"),
             labels = c("1", "1", "2", "2"))
# [1] 1 1 1 2 2
# Levels: 1 2

######## cut分段
x <-  round(rnorm(100)*100,digits = 2)
x_cut <- cut(x,breaks = seq(-100,100,length.out = 11))
x_group_count <- table(cut(x,breaks = seq(-100,100,length.out = 11)))


paste() #连接字符  paste0  无空格连接
paste("A","B","C")
paste0("A","B","C")
# > paste("A","B")
# [1] "A B"
# > paste("A","B","C")
# [1] "A B C"
# > paste0("A","B","C")
# [1] "ABC"
sample() # 抽样



## 2、数据类型
vector # 向量（数值型、字符型、逻辑型）  #单一向量中必须拥有同一类型
matrix矩阵
matrix(1:12,nrow = 3)  #等效matrix(1:12,ncol = 4)
matrix(1:12,ncol = 4)  
matrix(1:12,nrow = 3,byrow = TRUE)

data.frame # 数据框
tibble #一种data.frame
x <- matrix(1:12,nrow = 3,byrow = TRUE)
df <- data.frame(x)
as.matrix(df) # 转换为matrix数据
is.data.frame(x) # 判断是否欸data.frame类型
array # 数组
list列表
list(x,df)


## 3、读存数据（read、save）
# 3.1设置工作目录【很重要】
setwd("E:/") #设置当前工作目录为"E:/"
getwd() #读取当前工作空间的工作目录（文件读取保存路径）

read.table() #读取带分隔符的文本/数据文件
read.csv() #读取.csv格式的数据，read.table的一种特定应用
df <- read.csv("da.csv",header = T, stringsAsFactors= T)
str(df)

# excel数据文件读取  .XLS  .xlsx
# install.packages("readxl")
library(readxl)
df <- read_excel("da.xlsx",sheet=1)

保存为.Rdata

write.table()
write.csv(df,"dfx.csv") # .csv格式导出  



# 4、数据操作  查询、引用、增删（合并）、排序、dplyr tidyr
# ###########数据概况  str()  summary()  class()
x <- matrix(1:12,nrow = 3,byrow = TRUE)
df <- data.frame(x)
str(df)
summary(df)
# > str(df)
# 'data.frame':  3 obs. of  4 variables:
#   $ X1: int  1 5 9
# $ X2: int  2 6 10
# $ X3: int  3 7 11
# $ X4: int  4 8 12
# > summary(df)
# X1          X2           X3           X4    
# Min.   :1   Min.   : 2   Min.   : 3   Min.   : 4  
# 1st Qu.:3   1st Qu.: 4   1st Qu.: 5   1st Qu.: 6  
# Median :5   Median : 6   Median : 7   Median : 8  
# Mean   :5   Mean   : 6   Mean   : 7   Mean   : 8  
# 3rd Qu.:7   3rd Qu.: 8   3rd Qu.: 9   3rd Qu.:10  
# Max.   :9   Max.   :10   Max.   :11   Max.   :12  

############ 引用  ############
x[1,4]  # 值引用 x[行索引,列索引] 
# 行/列引用  x[行索引,] 或x[,列索引]
x[1,] # 引用第一行    
x[,4] # 引用第一列
x[2:3,2:3] # 行列混合引用（矩阵）  x[行初始索引：行终止索引,列初始索引：列终止索引]     

# > x[1,4]  # 值引用 x[行索引,列索引] 
# [1] 4
# > # 行/列引用  x[行索引,] 或x[,列索引]
#   > x[1,] # 引用第一行    
# [1] 1 2 3 4
# > x[,4] # 引用第一列
# [1]  4  8 12
# > x[2:3,2:3] # 行列混合引用（矩阵）  x[行初始索引：行终止索引,列初始索引：列终止索引]
# [,1] [,2]
# [1,]    6    7
# [2,]   10   11


names(df)[5] <- "testNAME" # 列重命名（二位数据框，变量）names()   

############ （多）数据（关联）合并  ############
cbind(x,matrix(1:nrow(x),ncol = 1)) # 将x 与 matrix(1:nrow(x),ncol = 1) 按列合并
## S3 method for class 'data.frame'
merge(x, y, by = intersect(names(x), names(y)),
      by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,
      sort = TRUE, suffixes = c(".x",".y"), no.dups = TRUE,
      incomparables = NULL, ...)

rbind(x,rep("A",ncol(x))) # 向数据集中增加行
join #补充学习多数据关联匹配-join相关    https://mp.weixin.qq.com/s/EAJe0EXq2JWlTWEgREV5vw

############ 单元格、行列值（计算）修改（逻辑修改）  ############
x <- matrix(1:12,nrow = 3,byrow = TRUE)
x
x[1,1] <- 100     #修改指定单元格
x[,2] <- 0 # 修改指定列
transform(airquality, Ozone = -Ozone) # 对原始列进行计算
transform(airquality, new = -Ozone, Temp = (Temp-32)/1.8) # 对原始列进行计算
# > x <- matrix(1:12,nrow = 3,byrow = TRUE)
# > x
# [,1] [,2] [,3] [,4]
# [1,]    1    2    3    4
# [2,]    5    6    7    8
# [3,]    9   10   11   12
# > x[1,1] <- 100     #修改数据【修改指定单元格，修改指定列，with 关联修改】
# > x
# [,1] [,2] [,3] [,4]
# [1,]  100    2    3    4
# [2,]    5    6    7    8
# [3,]    9   10   11   12
# > x[,2] <- 0
# > x
# [,1] [,2] [,3] [,4]
# [1,]  100    0    3    4
# [2,]    5    0    7    8
# [3,]    9    0   11   12


############  排序&去重 补充学习https://mp.weixin.qq.com/s/0D9TyYqETCuIAWI0f_LvIQ
# 排序
sort # 单列排序返回值
order # 单列排序返回索引
rank # 单列排序返回“秩”
arrage # 多列排序
reorder # 用在绘图中
#去重
unique # 单向量/多列完全重复去重
duplicated # 函数


############  数据筛选（逻辑） 条件筛选、&、|  补充学习 《补充-R 语言 逻辑运算：TRUE_FALSE _ 专题3.pdf》
# 关于逻辑 可适当补充apply系列函数 
# & 和 且
TRUE & TRUE
TRUE & FALSE
# | 或
TRUE | TRUE
TRUE | FALSE
#xor异或：当对应元素不等时返回TRUE
xor(T,F) #返回TRUE            
xor(T,T)
xor(F,F)
# 所有为真T，返回T
all(T,T)
all(T,F)
# 任意为真T，返回T
any(T,F)
any(F,F)

# > # & 和 且
#   > TRUE & TRUE
# [1] TRUE
# > TRUE & FALSE
# [1] FALSE
# > # | 或
#   > TRUE | TRUE
# [1] TRUE
# > TRUE | FALSE
# [1] TRUE
# > #xor异或：当对应元素不等时返回TRUE
#   > xor(T,F) #返回TRUE            
# [1] TRUE
# > xor(T,T)
# [1] FALSE
# > xor(F,F)
# [1] FALSE
# > # 所有为真T，返回T
#   > all(T,T)
# [1] TRUE
# > all(T,F)
# [1] FALSE
# > # 任意为真T，返回T
#   > any(T,F)
# [1] TRUE
# > any(F,F)
# [1] FALSE


options(digits=3) # 设置有效数字  
NA # 缺失值

##### dplyr包 的下述五个函数用法
filter # 筛选: 
arrange # 排列: 
select # 选择: 
mutate # 变形: 
summarise # 汇总: 
group_by #分组: 

#示例 分组汇总计算 
data("iris")
str(iris)
library(dplyr)
iris %>% 
  group_by(Species) %>% 
  summarise(mean_Petal.Length = mean(Petal.Length),
            yangbenshu = n(),
            max_Petal.Length = max(Petal.Length))
# > library(dplyr)
# > iris %>% 
#   +   group_by(Species) %>% 
#   +   summarise(mean_Petal.Length = mean(Petal.Length),
#                 +             yangbenshu = n(),
#                 +             max_Petal.Length = max(Petal.Length))
# # A tibble: 3 x 4
# Species    mean_Petal.Length yangbenshu max_Petal.Length
# <fct>                  <dbl>      <int>            <dbl>
#   1 setosa                  1.46         50              1.9
# 2 versicolor              4.26         50              5.1
# 3 virginica               5.55         50              6.9


##### tidyr包 的下述四个函数用法
gather # 宽数据转为长数据：（excel透视表反向操作）
spread # 长数据转为宽数据：（excel透视表功能）
unit # 多列合并为一列：
separat # 将一列分离为多列