发个学习贴，新手可以进来看看一些问题的理解

superdesolator · 2013年3月30日

1.NA与NULL

> x <- c(88,NA,12,168,13)<br />
> x<br />
[1] 88 NA 12 168 13<br />
> mean(x)<br />
[1] NA<br />
> mean(x,na.rm=T)#na.rm=T是指NA，remove,TRUE大家理解吧.<br />
[1] 70.25<br />
> x <- c(88,NULL,12,168,13)<br />
> mean(x)<br />
[1] 70.25

NA指缺失值，NULL指不存在的

superdesolator · 2013年3月30日

2.

i <- 2<br />
> 1:i-1 # 注意这个地方！是指(1:i)-1<br />
[1] 0 1<br />
> 1:(i-1)<br />
[1] 1

superdesolator · 2013年3月30日

3.which()

which可以很方便的用来寻找一些符合固定条件的下标，比如我想找x=c(1,2,3,4,5,1,8)这里面第2个等于1的位置：

which(x==1)[2],抛砖引玉，希望能给大家启发

superdesolator · 2013年3月30日

4.apply函数

很多人知道apply函数可以对矩阵进行操作，下复制一个例子，更好的启发大家的思路：

> z<br />
     [,1] [,2]<br />
[1,]    1    4<br />
[2,]    2    5<br />
[3,]    3    6<br />
> f <- function(x) x/c(2,8)<br />
> y <- apply(z,1,f)<br />
> y<br />
     [,1]  [,2] [,3]<br />
[1,]  0.5 1.000 1.50<br />
[2,]  0.5 0.625 0.75<br />
t(apply(z,1,f))

通过这个例子，我们可以自己编写一些简单的function来对矩阵操作，当然最常见的apply(z,2,mean)，我们的目的就是通过自编的function来替代mean做些更复杂的事情

superdesolator · 2013年3月30日

5.complete.cases()

很多时候我们想去掉NA的情形：

> d4<br />
     kids states<br />
1    Jack     CA<br />
2    <NA>     MA<br />
3 Jillian     MA<br />
4    John   <NA>

我们就可以用

> d5 <- d4[complete.cases(d4),]<br />
> d5<br />
     kids states<br />
1    Jack     CA<br />
3 Jillian     MA

也许可以给大家处理实际问题带来启发

superdesolator · 2013年3月30日

6.merge()函数

这个函数我觉得很好用，比如我有2个数据框：

> d1<br />
     kids states<br />
1    Jack     CA<br />
2    Jill     MA<br />
3 Jillian     MA<br />
4    John     HI<br />
> d2<br />
  ages    kids<br />
1   10    Jill<br />
2    7 Lillian<br />
3   12    Jack

然后我想通过同一个变量把2个数据框合并:

> d <- merge(d1,d2)<br />
> d<br />
  kids states ages<br />
1 Jack     CA   12<br />
2 Jill     MA   10

挺好用的吧！

superdesolator · 2013年3月30日

7.split()函数

> g <- c("M","F","F","I","M","M","F")<br />
> split(1:7,g)<br />
$F<br />
[1] 2 3 7<br />
$I<br />
[1] 4<br />
$M<br />
[1] 1 5 6

有了这个示范，相信大家可以做很多事情了。

Ihavenothing · 2013年3月30日

回复第4楼的 superdesolator：

非常感谢分享，这些总结对于初学者来说会很有帮助。

在第5点里面，有个更简单的用法是

na.omit(d4)

另外继续更新的时候把代码放在[code][/code]中会更美观。[s:17]

ychen41 · 2013年3月31日

回复第2楼的 superdesolator：作为一名新手，我数次犯如下错误：

<br />
for (i in 1:n-1) #这里 n-1 应该写成 (n-1) 才对<br />
{<br />
    print("Hello World!")<br />
}<br />

引以为戒。

neo.cryptic · 2013年3月31日

这个要顶！！

neo.cryptic · 2013年3月31日

回复第9楼的 Peter Chen：握爪。。有一次写代码debug了很久还是报错。。这个小错误对于编程新手也许真的很容易忽视。。

iamstomach · 2013年3月31日

同搭船, try()函数

上次在一份帖子里提过，这次再拿出来共享一下。

<br />
x <- list(10, 20, "a", "b", 30, 40)<br />
z <- list(0)<br />
y <- list(0)<br />
for (i in 1:length(x)){<br />
  z[[i]] <- log(x[[i]])<br />
}<br />
z<br />
# 提示错误，停止运行<br />
# 错误于log(x[[i]]) : 数学函数中用了非数值参数<br />
# > z<br />
# [[1]]<br />
# [1] 2.302585<br />
#<br />
# [[2]]<br />
# [1] 2.995732<br />
for (i in 1:length(x)){<br />
  y[[i]] <- try(log(x[[i]]), F)<br />
}<br />
y<br />
# 提示错误，继续运行<br />
# Error in log(x[[i]]) : 数学函数中用了非数值参数<br />
# Error in log(x[[i]]) : 数学函数中用了非数值参数<br />
# > y<br />
# [[1]]<br />
# [1] 2.302585<br />
#<br />
# [[2]]<br />
# [1] 2.995732<br />
#<br />
# [[3]]<br />
# [1] "Error in log(x[[i]]) : 数学函数中用了非数值参数\n"<br />
# attr(,"class")<br />
# [1] "try-error"<br />
# attr(,"condition")<br />
# <simpleError in log(x[[i]]): 数学函数中用了非数值参数><br />
#<br />
# [[4]]<br />
# [1] "Error in log(x[[i]]) : 数学函数中用了非数值参数\n"<br />
# attr(,"class")<br />
# [1] "try-error"<br />
# attr(,"condition")<br />
# <simpleError in log(x[[i]]): 数学函数中用了非数值参数><br />
#<br />
# [[5]]<br />
# [1] 3.401197<br />
#<br />
# [[6]]<br />
# [1] 3.688879<br />

iamstomach · 2013年3月31日

还有这个

<br />
for (i in 1:3) {<br />
  print("select i")<br />
}<br />
for (i in 1:3) {<br />
  print(paste("select", i))<br />
}<br />

这里还是print()，容易看出来，是要把循环变量放到引号外再用paste连接，如果是要批量生成命令，有时候都不知道是这里出的错误。

superdesolator · 2013年3月31日

8.get()函数

这个函数也是很好用的！看下面的循环

<br />
a=c(1,2,3)<br />
b=c(4,5,6)<br />
for(n in c("a","b")) print(n)<br />
for(n in c("a","b")) print(get(n))</p>
<p>

相信大家能好好体会吧！如果a,b是2个文件名的时候，可以print(scan(n))

superdesolator · 2013年3月31日

9.pmin()函数

比如：我们想得到

a=c(1,2,3)

b=c(2,0,4)

中的最小，我们可以min(a,b)得到结果0，但是大家用下pmin(a,b)会得到什么呢？

suckbunny · 2013年3月31日

回复第15楼的 superdesolator：不错。学无止尽[s:13]

superdesolator · 2013年3月31日

10.order()函数

比如我有：d=data.frame(kids=c("a","b","c"),ages=c(2,6,4))

> d

kids ages

1 a 2

2 b 6

3 c 4

我现在想根据ages从小到大排，我们可以：

d[order(d$ages),]

得到：

kids ages

1 a 2

3 c 4

2 b 6

这里保存了第一列与第二列的对应关系，大家可以仔细推敲下d[order(d$ages),]为什么可以这样。

superdesolator · 2013年3月31日

11.cat()函数

今天终于看到cat()函数的用法了：

x=c(1,2,3)

cat(x,sep=c(".","\n","\n"))

看看吧!总的来说它是作为一种输出方式的函数.

superdesolator · 2013年3月31日

12.grep()函数

> grep("Pole",c("Equator","North Pole","South Pole"))

[1] 2 3

> grep("pole",c("Equator","North Pole","South Pole"))

integer(0)

grep(pattern,x)就是在x中找含有pattern的函数，蛮有用的

superdesolator · 2013年3月31日

13.substr()与strsplit()函数

这两个要提下用来扫盲。。

> substring("Equator",3,5)

[1] "uat"

> strsplit("6-16-2011",split="-")

[[1]]

[1] "6" "16" "2011"