还没整理好，再慢慢搞吧。

1. 数据结构

1.1 标量

1.1.1 数值型

• is.numeric()
• as.numeric()
• abs(x): 绝对值
• sqrt(x): 平方根
• ceiling(x): 不小于 x 的最小整数
• floor(x): 不大于 x 的最大整数
• round(x, digits = n): 将 x 舍入为指定的位的小数
• trunc(5.2): 向0的方向截取的x中的整数部分
• signif(x, digits = 2): 将 x 舍入为指定的有效数字位数

> is.numeric()
> as.numeric()

1.1.2 字符型

> hi <- "hello world!"
> print(hi)

1.1.3 逻辑型

> is.numeric(TRUE)
> is.numeric("TRUE")

1.2 向量

1.2.1 创建

• c(): 创建向量，单个向量中的元素必须拥有相同的类型或模式
• seq(from = 1, to, by)
• rep()
times
each
• paste()

> paste(c("a", "b"), 1:4, sep = "---")
[1] "a---1" "b---2" "a---3" "b---4"

• sample(x, size, replace = FALSE) 、sample.int()
replace = TRUE: 可放回抽样
• runif(n, min = 0, max = 1)

> runif(10, 1, 100)
 [1] 33.72245 20.66923 24.33374 28.21378 59.54078 26.08567 13.22524
 [8] 23.76068 60.15995 21.92945

• unique(): 返回一个删除了重复元素或行的向量、数据框或数组
• duplicated(): 查找在同一向量中有重复的记录

> a = c(1,2,3,4,5,1,2,3)
> unique(a)
[1] 1 2 3 4 5
> duplicated(a)
[1] FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE
> a[duplicated(a)]
[1] 1 2 3

1.2.2 取值

• which(): 根据条件筛选
• grep()
• grepl()

> number <- 1:5
> a[1] # 按索引取值
> a[-1]`
> a[c(1,3,5)]
>
> TF <- number > 3
> TF
[1] FALSE FALSE FALSE  TRUE  TRUE
> number[TF] # 按逻辑取值
[1] 4 5

1.2.3 计算

• max()
• min()
• mean()
• median()
• sum()
• cumsum(): 累积求和
• var(): 方差
• sd(): 标准差
• range(): 值域
• cor(): 相关性
• lm(): 线性回归

> x <- 1:10
> cumsum(x)
 [1]  1  3  6 10 15 21 28 36 45 55
> lm(cumsum(x) ~ x)

Call:
lm(formula = cumsum(x) ~ x)

Coefficients:
(Intercept)            x
        -11            6
> range(x)
[1]  1 10
> which.max(x)
[1] 10
> cor(x, cumsum(x))
[1] 0.9784921

1.3 因子

• factor()
• levels()
• cut(): 连续向量的离散化

1.4 矩阵

二维，每个元素都拥有相同的模式。

• matrix()
ncol: 设置行数
  nrow: 设置列数
  dimnames: 行名
  byrow: 是否按行填充

matrix(sample.int(100,15*20,replace = T), nrow = 20, ncol = 15)

1.5 数据框

1.5.1 创建

• data.frame()
stringsAsFactors

1.5.2 提取

• df[1:500,]
• subset()
• complete.cases()

1.5.3 合并

• cbind(): 按列合并，要求行数相等
• rbind(): 按行合并，要求列数是相同

1.5.4 排序

• sort(): 对向量做简单的排序
  index.return: 逻辑型，是否返回排序的索引
  decreasing: 逻辑型，是否降序处理
• order(): 返回排完序之后的数据在排序之前的位置

1.5.5 变换

• t(): 转置
• reshape::2dcast(): 变换
• reshape::melt(): 变换

1.6 列表

• split()
• unsplit()

1.7 批量操作

• sapply()
• map()
• with()
• by()
• aggregate()

2. 数据查看

2.1 大体

• mode(): 显示某个对象的模式
• typeof()
• class()
• str(): 显示某个对象的类或类型
• glimpse()
• summary(): 获取描述性统计量，最小值、最大值、四分位数......

2.2 行列维度

• dim(): 显示某个对象的维度
• length(): 显示对象中元素/成分的数量
• nrow(): 获取行数
• ncol(): 获取列数
• names(): 获取/设置列名
• colnames(): 获取/设置列名
• rownames(): 获取/设置行名
• head()
• tail()
• some()

2.3 编辑器

• view()
• edit()
• fix()

3. 工作目录

3.1 常用

• getwd(): 获取当前工作目录
• setwd(): 设置当前工作目录
• ls(): 列出当前工作空间中的对象
• rm(): 移除一个或多个对象
• q(): 退出R，将会询问你是否保存工作空间
• options()

> rm(ls())

3.2 数据导入

• scan(): 将数据读作一行向量形式
• readChar(): 读入字符型数据

• read.table()
header: 逻辑，是否以第一行为表头
  sep: 分隔符
  row.names: 设置某列为行名
• read.csv()
• read.delim()
• readfwf()
• readLines()

• attach(): 把数据框的变量连接到内存中
• detach
• fread()

3.3 数据导出

• write.table()
• write.csv()
• fwrite()
• sink(): 将文本输出重定向到文件中
• pdf(); dev.off(): 将输出返回到终端

3.4 其他

• history(n): 显示最近使用过的n个命令（默认 25 个）
• savehistory("myfile"): 保存命令历史到文件 myfile 中
• loadhistory("myfile"): 载入一个命令历史文件（默认为.Rhistory）
• save.imge("myfile"): 保存工作空间到文件 myfile 中（默认值为 .RData）
• save("myfile"): 保存指定对象到一个文件中
• load("myfile"): 读取一个工作空间到当前会话中（默认值为 .RData）

4. 自定义函数

• function()

5. 控制流

......

参考

书 | 《R语言实战》