lapply(x,runif)

//对数据进行随机抽取

常与匿名函数结合使用

lapply(x,function(m) m[1,])

//讲x依次传入function中，并抽取第一行

sapply(x,mean)//简化结果，当列表元素长度均为1，返回向量；列表元素长度相同且大于1，返回矩阵

向量的每一个元素都是可以有名称

声明 x1向量 ：   x1<c(1,2,3,4)  

给向量的每一个元素命名：

names(x1) <-c("a","b","c","d")

数据框子集

> x <- data.frame(v1=1:5, v2=6:10, v3=11:15)
> x
  v1 v2 v3
1  1  6 11
2  2  7 12
3  3  8 13
4  4  9 14
5  5 10 15
> x$v3[c(2,4)] <-NA #把v3列第2行和第4行元素设置成缺失值
> x
  v1 v2 v3
1  1  6 11
2  2  7 NA
3  3  8 13
4  4  9 NA
5  5 10 15
> x[,2] #按列号提取元素
[1]  6  7  8  9 10
> x[,"v2"] #按名称提取元素
[1]  6  7  8  9 10
> x[(x$v1<4 & x$v2>=8),] #提取满足第1列小于4，第2列大于等于8的所有行的元素
  v1 v2 v3
3  3  8 13
> x[x$v1>2,]
  v1 v2 v3
3  3  8 13
4  4  9 NA
5  5 10 15
> x[which(x$v1>2),]
  v1 v2 v3
3  3  8 13
4  4  9 NA
5  5 10 15
> which(x$v1>2)
[1] 3 4 5
> x$v1>2
[1] FALSE FALSE  TRUE  TRUE  TRUE

which函数：Give the TRUE indices of a logical object, allowing for array indices.

> subset(x, x$v1>2) #构建子集
  v1 v2 v3
3  3  8 13
4  4  9 NA
5  5 10 15

R数据结构

7.数据框（data frame）：用于存储表格数据，可视为各元素长度相同的列表。每个元素代表一列数据，每个元素的长度代表行数，元素类型可以不同。（数学理解：相当于几个列向量构成的向量组）

创建数据框：df <- data.frame(id = c(1,2,3,4), name=c("a","b","c","d"), gender=c(TRUE, TRUE, FALSE, FALSE)) #每个参数定义一个字段

查看数据框行数与列数：nrow(df), ncol(df)

将数据框转换成矩阵：

> df2 <- data.frame(id=c(1,2,3,4), score=c(80,86,90,100))
> df2
  id score
1  1    80
2  2    86
3  3    90
4  4   100
> data.matrix(df2)
     id score
[1,]  1    80
[2,]  2    86
[3,]  3    90
[4,]  4   100

R数据结构

6.缺失值（missing value）：NA/NaN，其中NaN属于NA。NaN表示数字的缺失值，NA可以表示数字缺失值、字符缺失值等

判断是否有缺失值：is.na()/is.nan()

> x <- c(1, NaN, 2, NA, 3)
> is.na(x)
[1] FALSE  TRUE FALSE  TRUE FALSE
> is.nan(x)
[1] FALSE  TRUE FALSE FALSE FALSE

> x<-factor(c("female","female","male","male","female"))

> x

[1] female female male   male   female

Levels: female male

> y<-factor(c("female","female","male","male","female"),levels = c("male","female"))

> y

[1] female female male   male   female

Levels: male female

> table(x)

x

female   male 

     3      2 

> unclass(x)

[1] 1 1 2 2 1

attr(,"levels")

[1] "female" "male"  

R + Python + SQL + Excel

#tapply函数的应用
#对向量的子集进行操作
x<-c(rnorm(5),runif(5),rnorm(5,1))#第三个为均值为1，方差为0的正态分布
f<-gl(3,5)#
tapply(x,f,mean)
tapply(x,f,mean,simplify=FALSE)

#存在许多不懂得东西

#Mapply

#lapply的多元版本
#mapply(函数/函数名，数据，函数相关的参数)
list(rep(1,4),rep(2,3),rep(3,2),rep(4,1))
mapply(rep,1:4,4:1)

s<-function(n,mean,std){rnorm(n,mean,std)}#写出自己的函数
s#运行上述定义的函数，必要
s(4,0,1)#使用具体数字
mapply(s, 1:5,5:1,2)#对应关系为后三个元素依次与s()中的三个元素一一对应

#apply的使用

#apply,沿着数组的某一个维度处理数据
x<-matrix(1:16,4,4)
apply(x,2,mean)#求列的平均
apply(x,2,sum)#求列的和
rowSums(x)#同样可以求行的和
rowMeans(x)
colSums(x)
colMeans(x)

x<-matrix(rnorm(100),10,10)
apply(x,1,quantile,probs=c(0.25,0.75))#quantile求数据的百分位点
x<-array(rnorm(2*3*4),c(2,3,4))
apply(x,c(1,2),mean)#以第1及第2维为基础，沿第3方向压成平面
apply(x,c(1,3),mean)
apply(x,c(2,3),mean)

#lapply的应用
x<-list(a=1:10,b=c(11,21,31,41,51))
lapply(x,mean)#将返回一个列表，内容为列表x中单个元素的平均值（函数起到循环作用）
x<-1:4
lapply(x,runif)#从均匀分布的总体中抽取若干个数出来
lapply(x,runif,min=0,max=100)#runif的默认区间为0-1；设定了min和max，更改了runif的区间为1-100
x<-list(a=matrix(1:6,2,3),b=matrix(4:7,2,2))
lapply(x,function(m)m[1,])#取出矩阵x中两个元素中第一行的元素
#sapply
x<-list(a=1:10,b=c(11,21,31,41,51))
lapply(x,mean)
sapply(x,mean)#简化lapply的数据,也起循环的作用
class(lapply(x,mean))#返回列表
class(sapply(x,mean))#返回数值
#sapply:简化结果
结果列表元素长度均为1，返回向量；
长度相同且大于1，返回矩阵。

#向量化操作

#可作用于矩阵及向量
x<-1:5
y<-6:10
x+y#两个向量对应元素相加
x*y#两个向量对应元素相乘
x/y#两个向量对应元素相除
x<-matrix(1:4,2,2)
y<-matrix(rep(2,4),2,2)#rep()函数是值将第一个元素重复第二个元素次数，将2重复4次
x+y#矩阵对应元素相加
x*y#矩阵对应元素相乘
x/y#矩阵对应元素相除
#真正的矩阵乘法
x%*%y#矩阵相乘

#取出列表中某一个元素

x<-list(id=1:4,heigh=170,gender="male")
x[1]
x["id"]#两个函数作用相同

#取出列表中某一个元素的内容

x<-list(id=1:4,heigh=170,gender="male")
x[[1]]
x[["id"]]
x$id#三个函数作用相同

#同时取出列表中多个元素

x<-list(id=1:4,heigh=170,gender="male")
x[c(1,3)]

#列表的不完全匹配

x<-list(a=list(2,3,4,5),b=c("Monday","Tuesday"))
x
x[[1]][[2]]#第1个元素中的第2个元素，嵌套的两个方括号
x[[2]]
x[[1]][2]
x[[c(1,3)]]#取出列表中第1个元素中的第3个元素
x[[c(2,2)]]#取出列表中第2个元素中的第2个元素
l<-list(asdfghj = 1:10)
l$asdfghj
l$a#与上一个命令得出相同结论，称之为列表的不完全匹配
l[["asdfghj"]]#取出名为asdfghj的元素，要打双引号
l[["a"]]#得出的结果为空
l[["a",exact=FALSE]]#第二个命令为关闭了精准匹配以进行不完全匹配
rm(x)
x<-list(asdfghj = 1:10,b=c("a","s","d"),aaa=2:11)
x$a#出现两个元素前部分相同时，R将不能识别
x[["a",exact=FALSE]]#出现两个元素前部分相同时，R将不能识别
x$aa#能识别了

第二章小结

矩阵matrix

向量+维度属性（整数向量：nrow,ncol）

x<-matrix(nrow:2,ncol:3)

在行数列数前添加矩阵内容

x<-matrix(1:6, nrow=2, ncol=3)

矩阵维度的属性：dim

dim（x）  #可以查看当前矩阵x有多少行，多少列

矩阵属性：attributes

attributes(x)

运行之后得到dim

【1】3 2

#当前这个矩阵的属性是维度

第二种创建矩阵的办法：

y<-1:6,

dim(y)<c(2,3)

#运行之后，y成功便成一个矩阵

如何拼接两个矩阵

y2<-matrix(1:6,nrow=2, ncol=3)

rbind(y,y2) #按照行拼接 行数相加得到2+2行，3列矩阵

cbind(y,y2) #按照列拼接 列数相加得到2行，3+3列矩阵

数组 array ，维度可以大于2，矩阵只能等于2

x<-array(1:24, dim=c(4,6))

x1<-array(1:24, dim=c(2,3,4))