【R筆記】R語言函數總結

R語言與數據挖掘：公式；數據；方法

R語言特征

對大小寫敏感

通常，數字，字母，. 和 _都是允許的(在一些國家還包括重音字母)。不過，一個命名必須以 . 或者字母開頭，并且如果以 . 開頭，第二個字符不允許是數字。

基本命令要么是表達式（expressions）要么就是 賦值（assignments）。

命令可以被 (;)隔開，或者另起一行。

基本命令可以通過大括弧({和}) 放在一起構成一個復合表達式（compound expression）。

一行中，從井號(#)開始到句子收尾之間的語句就是是注釋。

R是動態類型、強類型的語言。

R的基本數據類型有數值型（numeric）、字符型（character）、復數型（complex）和邏輯型（logical），對象類型有向量、因子、數組、矩陣、數據框、列表、時間序列。

基礎指令

• 程序輔助性操作：

運行

q()——退出R程序 tab——自動補全 ctrl+L——清空console ESC——中斷當前計算

調試查錯

browser()?和?debug()——設置斷點進行，運行到此可以進行瀏覽查看（具體調試看browser（）幫助文檔（c,n,Q）） stop('your message here.')——輸入參數不正確時，停止程序執行 cat（）——查看變量？

幫助

help(solve)?和??solve 等同 ??solve——檢索所有與solve相關的信息 help("[[") 對于特殊含義字符，加上雙引號或者單引號變成字符串，也適用于有語法涵義的關鍵字 if，for 和 function help(package="rpart")——查看某個包 help.start()——得到html格式幫助 help.search()——允許以任何方式（話題）搜索幫助文檔 example（topic）——查看某個幫助主題示例 apropos（"keyword"）——查找關鍵詞keyword相關的函數 RSiteSearch("onlinekey"， restrict=fuction)——用來搜索郵件列表文檔、R手冊和R幫助頁面中的關鍵詞或短語（互聯網）RSiteSearch('neural networks')

• 準備

文件目錄設置

setwd（<dir>）——設置工作文件目錄 getwd（）——獲取當前工作文件目錄 list.files()——查看當前文件目錄中的文件

加載資源

search()——通過search()函數，可以查看到R啟動時默認加載7個核心包。 基礎函數：數學計算函數，統計計算函數，日期函數，包加載函數，數據處理函數，函數操作函數，圖形設備函數 ? ? ? setRepositpries（）——選擇軟件庫（CRAN，Bioconductor，R-Forge），尋找安裝包的方法另看《【R筆記】尋找R的安裝包》 (.packages())——列出當前包 (.packages(all.available=TRUE))——列出有效包 install.packages（“<package>”）——安裝包 library（）和require（）——加載R包（package）至工作空間 data（）——列出可以被獲取到的存在的數據集(base包的數據集) data（<datasets>，package=“nls”）——將nls包的datasets加載到數據庫中

批處理文件和結果重定向

source("commands.R")——執行commands.R （存放批處理命令的）腳本文件。 cat(<Rcommond>,file="")——可以把R命令輸出至外部文件，然后調用source函數進行批處理 do.call(<funcname>，<pars>)——調用函數，第一個參數<funcnames>指示調用函數字符串名稱，第二個參數包含調用所需參數的一個列表<pars> sink("record.lis")——把后續的輸出結果從控制臺重定向到外部文件 record.lis 中 sink（）——把后續代碼輸出重新恢復到終端上展示 attach（<datafame>）——將數據框<datafame>中的變量鏈接到內存中，便于數據調用 detach()——對應attach(<datafame>)，取消變量的鏈接，detach()里沒有參數！ 注：attach()和detach()均是在默認變量搜索路徑表中由前向后找到第一個符合變量名稱，因此之前若存在重名變量，有可能會出現問題！！！

?

• 數據處理

輸入輸出（讀入輸出數據、文件）

assign("x",c(1,2,3))?和?x <- c(1,2,3)?和?c(1,2,3)->x ——向量賦值 read.table（"infantry.txt", sep="\t"， header=TRUE）——seq屬性用其它字符分割，比如文本文件用空格（tab）分隔，header設置為文件中已經存在表頭名稱 read.csv("targets.csv")——讀入csv（Comma Seperated Values）文件，屬性被逗號分割 read.csv(url("<link>"))——read.csv()?和?url()的合體，讀存在網上的數據 x <- scan(file="")——手動輸入數據，同時scan可以指定輸入變量的數據類型，適合大數據文件 scan("data.dat", what = list("", 0, 0))——what指定變量類型列表 readLines('http://en.wikipedia.org/wiki/Main_Page',n=10)——讀取文本文件，將文檔轉為以行為單位存放的list格式，比如讀取讀取wikipedia的主頁html文件的前十行 write.table(Data, file="file.txt", row.names = FALSE, quote=FALSE)——輸出，quote為FALSE去掉字符串類型的雙引號，write.table(stasum, "stasum.csv",row.names = FALSE,col.name=FALSE,sep=",",append=TRUE) write.csv（data，file="foo.csv",row.names=FALSE）——寫成csv格式,row.names=FALSE去掉行號 print（）——打印 save.image（"./data.RData"）——把原本在計算機內存中（工作空間）活動的數據轉存到硬盤中。 load("./RData")——加載目錄中的*.RData，把文檔-詞項矩陣從磁盤加載到內存中

數據查看

• 通用對象

R是一種基于對象（Object）的語言，對象具有很多屬性（Attribute），其中一種重要的屬性就是類（Class），最基本的類包括了數值（numeric）、邏輯（logical）、字符（character）、列表（list），符合類包括矩陣（matrix）、數組（array）、因子（factor）、數據框（dataframe）。 class(<object>)?和?data.class(object)——查看對象object的類或類型 unclass()——消除對象object的類

• 基本數據類型

mode()——查看基本數據類型 length()——查看長度 as.<數據類型>——改變對象的數據類型

• 特殊屬性

attributes(<object>)——查看對象object各種屬性組成的列表 attr(<object>，“name”)——存取對象object的名為name的屬性

• 混合類型

邏輯類型+數值類型=數值類型 邏輯類型+字符類型=字符類型 數值類型+字符類型=字符類型 ls()?和?objects（）——查看當前工作空間中存在的對象（變量） rm(list=ls())——刪除工作空間的所有對象 methods(x)——查看x函數的源碼，有些自帶函數輸入名稱x可以直接看到，有一些需要調用methods方法才能查看函數x的源碼，出現多重名，輸入對應名稱即可 str（）——查看數據（框）中的數據總體信息（比如樣本個數、變量個數、屬性變量名稱、類型） nrow(dataframe)——查看數據集行數 NROW（vector）——查看向量的行數，等于length(x) head(dataframe)——查看數據集前6行數據 tail(dataframe)——查看數據集尾6行數據

• 向量特征

邏輯向量運算： TRUE，FALSE——全部大寫 isTRUE(x)——判斷x為TRUE *|，&，！——或且非，注意是單個，不是&&！
ANY，ALL——任意，全部 ? 數組和矩陣 train$var train$new[train$var == NA] <- 1 Data[is.na(Data)] <- 0——數據框多維變量中給NA值賦值為0 apply（A，Margin，FUN，...）——A為矩陣，Margin設定待處理的維數，為1是橫排（行），為2是豎排（列）做運算，Fun是運算函數 sweep（x，2，apply（x，MARGIN=1，mean），FUN）——對數組或者矩陣進行運算。?MARGIN=1表示行，2表示列；STATS統計量，如apply（x，MARGIN=1，mean），FUN函數運算默認為減法，“/”除法 y.vector<-with(data,get(yval))——表示在data數據框中讀取列名稱為yval的向量。 with(<data>，<colname|func>)——提取數據框中的某些參數做運算，對于數據框運算很方便

繪圖

plot()——繪制圖像 plot(<vecter_horizontal>, <vector_vertical>, pch=as.integer(<factors>)，col，xlab，ylab)——用factors區分圖像點的類型pch（圓的，三角，叉），col是顏色類別，xlab或者ylab對應橫縱軸標題 legend(<location="topright">,legend=<vector_labelname>,pch=1:3，cex=1，col)——圖例，<location>是位置（比如右上），<vector_labelname>圖例類別標簽名，pch是圖例對應標簽的類別id（向量），<cex>調整字體比例大小，顏色設置，legend("topright", levels(<factors>), pch=1:length(levels(factors))) text(X，Y，labels=c(1,2,3),adj=1.2)——添加標注,X,Y是對應坐標的向量，labels是標記值，adj調整標注位置 abline(h = <int>，lty=2)——低級繪圖添加一條水平線h或者是回歸模型直線，垂線v；lty為2表示繪制虛線 abline(a,b)——畫一條y=a+bx的直線 points（x，y）————低級繪圖，畫個點，坐標為向量x，y lines（x，y）——低級繪圖，畫一條線，坐標為向量x，y axis(side=1，at=seq(from=0.7，by=1.2，length.out=7)，labels=c（...）)——繪制坐標軸，低級繪圖，side為2是縱坐標 barchart（）——lattice包預先要對數據匯總 barplot(<vector>)——繪制柱狀圖，vector可增加名稱。也可以繪制直方圖，和hist（）均分數據不太一樣，需要用table（）統計各個子分段下樣本數量后在畫圖。 mosaicplot（x~y，main，color=T，xlab，ylab）——柱形對應關系圖 contour(<matrix>)——創建等高線 persp(<matrix>，expand=0.2）——創建3D圖，expand擴展值設置為0.2，否則為全屏擴展 image（volcano）——加載柵格（矩陣）圖像 par（mfrow=c(1,2)，oma，mar）——mfrow設置圖形輸出窗口為1行2列，添加car包？oma是所有圖像距離邊框的距離(底部，左邊，頂部，右邊)，mar是每幅圖像對邊框的距離，默認是c(5, 4, 4, 2) + 0.1。 lines(data)——（低級）原圖中畫線，data是由散點(x，y)組成 rug（jitter（<data>），side =2）——檢驗離群點數據，rug（）原圖中執行繪圖繪制在橫坐標上，side為2是縱坐標，jitter(<data>)對繪制值略微調整，增加隨機排序以避免標記值作圖重合。 pairs(data)——數據框各個變量的散布圖 coplot(y~x|a+b)——多個變量時的散點圖，在a，b（向量或是因子）的劃分下的y與x的散點圖 scatterplotMatr()——散點圖矩陣，car包 identify（<data>）——交互式點選，單擊圖形中的點，將會輸出對應數據的行號，右擊結束交互 stem(x，scale=1，width=80，atom=1e-08)——莖葉圖,scale控制莖葉圖的長度，為2即是以0~4為一組，5~9為一組將個位分成兩部分，width是繪圖寬度，atom是容差 boxplot（）——箱圖，研究變量的中心趨勢，以及變量發散情況和離群值。上體頂部和底部為上下四分位數，中間粗線為中位數，上下伸出的垂直部分為數據的散步范圍，最遠點為1.5倍四分為點，超出后為異常點，用圓圈表示。boxplot(y~f,notch=TRUE,col=1:3,add=TRUE)#y是數據，f是由因子構成，notch是帶有切口的箱型圖，add=T圖疊加到上一幅圖。 plot（f，y）——箱線圖，f是因子，y是與f因子對應的數值 bwplot（<factor> ~ <y>，data，ylab）——lattice包的箱圖，繪制不同factor下的y的箱圖（條件繪圖，在某個因子取值集合下的y值變化） bwplot（size~a1,data,panel=panel.bpplot,prob=seq(.01,.49,by=.01),datadensity=TRUE,ylab=''）——Hmisc包的分位箱圖 earth.count(na.omit（x）,number=4,overlap=1/5)——連續變量x的離散化，把x轉化為因子類型；number設置區間個數，overlap設置兩個區間靠近邊界的重合？每個區間的觀測值相等 stripplot(x1~y|x2)——lattice包的復雜箱圖，存在兩個因子x1,x2控制下的y, x2按照從左到右，從下到上的順序排列，左下方的x2值較小 palette()——col取值對應的顏色，?"black"?? "red"???? "green3"? "blue"??? "cyan"??? "magenta" "yellow"? "gray"?? colors（）——列出對應的顏色數組 qcc（）——qcc包，監控轉化率型指標的質量監控圖（P控制圖），監控異常點，前提是二項分布足夠大后趨于正態分布 mosaic（<tab>，shade=T，legend=T）——繪制三級列聯表，<tab>是三級列聯表或者公式，vcd包 curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設置橫坐標取值范圍

編輯

optim(c(0,0),<func>)——優化問題函數，c(0,0)是優化函數參數的初始值，返回值par是參數最優點值，value是參數的最優點時平方誤差值，counts是返回執行輸入函數func的次數以及梯度gradient的次數，convergence值為0表示有把握找到最優點，非0值時對應錯誤，message是一些其它信息。 curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設置橫坐標取值范圍 sample(length(x)，<size>，replace=F)——采樣，生成向量x的隨機順序的大小為<size>的新向量；replace為False為不重復抽樣，為True則重復抽樣 Round ——取整。精確 ceiling()——取整，偏向數值小的 floor() ——取整，偏向數值大的
%/% ——整除 colnames(Data)[4]="value"——更換某一列名
edit（）——編輯數據表格 fix（）—— rm（x，y）——移除對象（變量）x和y na.exclude(<data>)——移除缺失數據整行 na.omit(<data>)——刪除缺失數據 attr（na.omit（<data>）,"na.action"）——返回向量a中元素為NA的下標 na.fail（）——如果向量中至少包括1個NA值，則返回錯誤；如果不包括任何NA，則返回原有向量 merge(x = targets, y = infanty)——合并數據框，x和y是待合并數據框，相同屬性字段也會合并在一起 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"),incomparables = NULL, ...)? merge函數參數的說明: x,y:用于合并的兩個數據框 by,by.x,by.y:指定依據哪些行合并數據框,默認值為相同列名的列. all,all.x,all.y:指定x和y的行是否應該全在輸出文件. sort:by指定的列是否要排序. suffixes:指定除by外相同列名的后綴. incomparables:指定by中哪些單元不進行合并. scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差） cut(x，breaks=c(0,10,30)，labels，ordered_result=F)——連續數據的離散化，將向量依據breaks區間分割為因子向量。labels設置返回因子向量的水平標簽值，ordered_result為False生成的因子向量無大小意義，否則有大小意義

• apply族函數

apply(A，MARGIN，FUN，...)——處理對象A是矩陣或數組，MARGIN設定待計算的維數，FUN是某些函數，如mean，sum 注：apply與其它函數不同，它并不能明顯改善計算效率，因為它本身內置為循環運算。 按列？ lappy(dataframe，FUN，list(median,sd))——處理對象是向量、列表或其它對象，輸出格式為列表list sapply(dataframe$Filed，FUN)——與lapply()相似，輸出格式為矩陣（或數據框） 按行？ tapply(X, INDEX, FUN, simplify = TRUE)?——處理分組數據, INDEX和X是有同樣長度的因子，simplify是邏輯變（量默認為T） aggregate(x~y+z, data，FUN)和by()——和tapply功能類似 其余參看：apply函數族

• plyr庫

ddply(Data，.(user_id，item_id)，summarize，liulan=sum(liulan)）——split-apply-combine的一體化函數；.(user_id，item_id)作為每行的一對標識ID（因子），前面的“.”號省略數據框名稱；summrize是一個函數fun；liulan是一個變量，最后生成的數據框只有user_id，item_id，liulan三列。詳情參見例子 ?R語言利器之ddply transform(x，y)——將x和y的列轉換成·一個數據框。

• reshape庫（reshape2）

melt（data，id.vars）——轉換數據溶解。修改數據組織結構，創建一個數據矩陣，以id.var作為每行的編號，剩余列數據取值僅作為1列數值，并用原列名作為新數值的分類標記。 cast（data, userid~itemid,value="rattings",fill=0）——統計轉換數據，生成矩陣，公式~左邊的作為行表名，右邊的作為列表名。之后可以用cor（）計算每列數據之間的相關系數，并計算距離。 acast 和 dcast（data, userid~itemid,value.var="rattings"）——同上，reshape2包，acast最后生成數組，dcase生成數據框。參見?R語言進階之4：數據整形（reshape）

• 字符串處理

nchar()——獲取字符串長度，它能夠獲取字符串的長度，它也支持字符串向量操作。注意它和length()的結果是有區別的？什么區別 paste("a", "b", sep="")——字符串粘合，負責將若干個字符串相連結，返回成單獨的字符串。其優點在于，就算有的處理對象不是字符型也能自動轉為字符型。 strsplit(A，split='[,.]')?——字符串分割，負責將字符串按照某種分割形式將其進行劃分，它正是paste()的逆操作。 substr(data,start,stop)——字符串截取，能對給定的字符串對象取出子集，其參數是子集所處的起始和終止位置。子集為從start到stop的下標區間 grep()——字符串匹配，負責搜索給定字符串對象中特定表達式 ，并返回其位置索引。grepl()函數與之類似，但其后面的"l"則意味著返回的將是邏輯值 regexpr（pattern,text）——從字符串text中提取特定的字符串的下標位置 gregexpr（）——只查詢匹配的第一個特定字符串的下標位置 gsub("a",1,<vector>)——字符串替代，負責搜索字符串的特定表達式，并用新的內容加以替代。 sub()函數——和gsub是類似的，但只替代第一個發現結果。 chartr( )——字符串替換函數 toupper( )、tolower( )及casefold( )——大小寫轉換函數 其余參見：R語言中的字符串處理函數

• 控制流

if—else——分支語句 switch(index,case1,case2,casen)——index指示跳到第i個casei中 for（i in <vecter>）——循環語句，通過控制變量i while——循環語句，通過設定循環范圍 repeat—break——循環語句，無限循環，由break跳出

特殊數據對象

• 向量特性

向量數組初始小標序號從1開始 向量增加元素可以直接通過“vector[n+1]<-0”方式增加 a<-c()——向量初始化 vector <- numeric（<int>）——創建初始向量<int>個數，并賦初值為0 length（vector）<- leg——修改對象長度為leg names(vector) <- c("A","B","C")——給向量起名稱 vector["A"]——通過名稱訪問對應元素 a == c(1, 99, 3)——比較每一個元素對應是否相等 c（0，1）——創建向量，向量內元素類型應一致！ seq（5，9）和?5：9 ——連續向量，等差數列 seq（5，9，0.5）——以0.5為間隔創建 seq(from,to,length,by)

數據索引

which（is.na(var) == T）——返回對應數組序號 which.max() 和 which.min()——返回數值類型中最大和最小元素下標 subset（<data>,<condition>，<colname>）——索引，<data>是數據，<condition>是索引條件，colnames指定索引列名 match（x，table，nomatch，incomparables）——匹配函數，返回x對應值在table中是否存在，并從1開始編號。x是查詢對象，table是待匹配的向量，nomatch是不匹配項的設置值（默認為NA值），incomparables設置table表中不參加匹配的數值，默認為NULL <x> %n% <y>——判斷x中是否包含y，返回x對應的邏輯值

排序

sort(x, decreasing = FALSE, na.last = NA, ...)——排序，單變量排序，輸出排序結果（不是序號）。na.last為TRUE，缺失值放在數據最后，為False? ? 缺失值放在數據最前面，為NA，缺失數據將被移除 sort.list()——排序輸出序號值 order()——排序，多個變量數據框排序，返回數據框序號數。order例子【結】 結合ddply和transform函數，降序輸出并，輸出編號：ddply(dfx,.(group,sex),.fun=function(x){transform(x[order(x$age,decreasing=TRUE),c(1:3)],ind=1:length(group))}) rank()——秩排序，有重復數字的時候就用這個，根據數值之間的遠近輸出序號 rev()——依據下標從后往前倒排數據 unique（<dataframe>）——返回無重復樣本的數據集 duplicated（x）——查找重復數據，重復序號返回為TRUE

比較大小

pmin（x1,x2,...）——比較向量中的各元素，并把較小的元素組成新向量 pmax（x1,x2,...）——

向量間的交、并、補集

union(x, y)——（并集）合并兩組數據，x和y是沒有重復的同一類數據，比如向量集 intersect(x, y)——（交集）對兩組數據求交集，x和y是沒有重復的同一類數據，比如向量集 setdiff(x, y)——（補集）x中與y不同的數據，x和y是沒有重復的同一類數據，比如向量集，重復不同不記 setequal(x, y)——判斷x與y相同，返回邏輯變量，True為相同，False不同。x和y是沒有重復的同一類數據，比如向量集 is.element(x, y)?和?%n%——對x中每個元素，判斷是否在y中存在，TRUE為x，y重共有的元素，Fasle為y中沒有。x和y是沒有重復的同一類數據，比如向量集 Vectorize()——將不能進行向量化預算的函數進行轉化

• 矩陣

array（data=NA,dim=length(data),dimnames=null）——數組、矩陣初始化,dim是數組各維的長度dimnames是數組維的名字，默認為空，array(1:20, dim=c(4,5))。數組是多維的，dim屬性設置維數
matrix(0, 3, 4)——0為賦初值，3行，4列，存儲方式是先列后行！矩陣是二維的，用ncol和nrow設置矩陣的行數和列數。byrow設置存儲方式（默認列優先），若為TRUE則以行優先 dim（<vector>）<- c(2,3)——設置矩陣為2行3列 dimnames（）=list(c（<row>），c（<col>）)——設置參數行和列的名稱，以列表的形式進行輸入 matrix[ ,4]——矩陣第4列 as.vector(matrix)——將矩陣轉換成向量 a["name1","name2"]——矩陣以行和列的名稱來代替行列的下標，name1是行名，name2是列名 rbind（）——矩陣合并，按行合并，自變量寬度應該相等 cbind（）——矩陣合并，安列合并，自變量高度應該相等 t()——矩陣轉置 det()——行列式 solve（A，b）——求線性方程組Ax=b solve（A）——求逆矩陣 eigen（A） ——求距陣的特征值與特征向量，Ax=(Lambda)x，A$values是矩陣的特征值構成的向量，A$vectors是A的特征向量構成的矩陣 *——矩陣中每個元素對應相乘 %*%——矩陣相乘

• 因子

因子和向量的區別： 向量里面存的元素類型可以是字符型，而因子里面存的是整型數值對應因子的類別（levels） as.integer(<factors>)——因子可以轉化為整型 levels(<factors>)——查看因子類別 gl（n，k，length）——因子,n為水平數，k為重復的次數，length為結果的長度 factor(x，levels，labels)——因子 as.factror()——將向量轉化為無序因子，不能比較大小 as.order()——將向量轉化為有序因子 is.factor()——判斷是否為無序因子 is.order()——判斷是否為有序因子

• 列表和數據框

list()——列表 unlist()——列表轉化為向量 data.frame()——數據框 names(<dataframe>)——顯示數據框的列名稱 dataframe[[2]]?和?dataframe[["TheSec.Name"]]?和??dataframe$TheSec.Name——獲取數據框第二列的元素值 as.matrix(<dataframe>)[，1]——把數據框轉化為矩陣后，再去提取列向量

• na和NULL的區別

is.na()——判斷na值存在，na是指該數值缺失但是存在。 is.null（）——判斷數據是否為NULL。NULL是指不存在，可以通過 train$var<-NULL 的方法去掉屬性變量var。

• 處理缺失數據na

1、將缺失部分剔除 2、用最高頻率值來填補缺失值 3、通過變量的相關關系來填補缺失值 4、通過探索案例之間的相似性來填補缺失值

• 公式
  

a:b——a和b的交互效應 a+b——a和b的相加效應 a*b——相加和交互效應（等價于a+b+a：b） -b——去掉b的影響 1——y~1擬合一個沒有因子影響的模型（僅僅是截距） -1——y~x-1表示通過原點的線性回歸（等價于y~x+0或者0+y~x） ^n——包含所有知道n階的交互作用（a+b+c）^2==a+b+c+a:b+a:c+b:c poly(a,n)——a的n階多項式 I(x1+x2)——表示模型y=b（x1+x2）+a

數理統計

• 基礎知識

統計量

mean（x，trim=0,na,rm=FALSE）——均值，trim去掉x兩端觀測值的便利，默認為0，即包括全部數據，na.rm=TRUE允許數據中有缺失 weighted.mean(x，<weigth>)——加權平均值，weigth表示對應權值 median——中值 quantile(x，probs=seq(<start>,<end>,<diff>))——計算百分位數，是五數總和的擴展，probs設置分位數分位點，用seq(0,1,0.2)設置，表示以樣本值*20%為間隔劃分數據。 var（）——樣本方差（n-1） sd——樣本標準差（n-1）
cov——協方差 cor——相關矩陣 fivenum(x,na.rm=TRUE)——五數總括：中位數，下上四分位數，最小值，最大值

數學函數

sum（x,y,z，na.rm=FALSE）——x+y+z，na.rm為TURE可以忽略掉na值數據 sum（x>4）——統計向量x中數值大于4的個數 rep（“LOVE！”，<times>）——重復times次，rep(1:3，c（1，2，3）)表示1個1，2個2，3個3組成的序列 sqrt（）——開平方函數 2^2 和 **——“^”冪運算 abs（）——絕對值函數 '%%'——表示求余? '%/%'——求商（整數） exp? ： 2.71828… expm1? ： 當x的絕對值比1小很多的時候，它將能更加正確的計算exp(x)-1 log? ： 對數函數（自然對數） log10? ： 對數（底為10）函數（常用對數） log2? ： 對數（底為2）函數 因為10>e>1，常用對數比自然對數更接近橫坐標軸x log1p()——log（1+p），用來解決對數變換時自變量p=0的情況。指數和對數的變換得出任何值的0次冪都是1 特性：對數螺旋圖。當圖像呈指數型增長時，常對等式的兩邊同時取對數已轉換成線性關系。 sin? ： 正弦函數 cos? ： 余弦函數 tan? ：? 正切函數 asin? ：? 反正弦函數 acos? ：? 反余弦函數 atan? ：? 反正切函數 sinh? ：? 超越正弦函數 cosh? ：? 超越余弦函數 tanh? ：? 超越正切函數 asinh? ：? 反超越正弦函數 acosh? ：? 反超越余弦函數 atanh? ：? 反超越正切函數 logb? ：? 和log函數一樣 log1px? ：? 當x的絕對值比1小很多的時候，它將能更加正確的計算log(1+x) gamma? ：? Γ函數（伽瑪函數） lgamma? ：? 等同于log(gamma(x)) ceiling? ：? 返回大于或等于所給數字表達式的最小整數 floor? ：? 返回小于或等于所 給數字表達式的最大整數 trunc? ：? 截取整數部分 round? ：? 四舍五入 signif(x,a)? ：? 數據截取函數 x：有效位 a：到a位為止 圓周率用 ‘pi’表示 crossprod(A,B)——A %*% t(B) ，內積 tcrosspeod(A,B)——t(A) %*% B，外積 %*%——內積，a1b1+a2b2+...+anbn=a*b*cos<a,b>，crossprod(x)表示x與x的內積。||x||2，矩陣相乘 %o%——外積，a*b*sin<a,b>（矩陣乘法，叉積），tcrossprod(x,y)表示x與y的外積。*表示矩陣中對應元素的乘積！ 向量內積（點乘）和向量外積（叉乘）

正態分布

dnorm（x，mean=0,sd=1,log=FALSE）——正態分布的概率密度函數 pnorm(x，mean=0,sd=1)——返回正態分布的分布函數· rnorm（n，mean=0.sd=1）——生成n個正態分布隨機數構成的向量 qnorm()——下分為點函數 qqnorm（data）——畫出qq散點圖 qqline（data）——低水平作圖，用qq圖的散點畫線 qq.plot（<x>，main=''）——qq圖檢驗變量是否為正態分布

簡單分析

summary()——描述統計摘要，和 Hmisc()包的describe()類似，會顯示NA值，四分位距是第1個（25%取值小于該值）和第3個四分位數（75%取值小于該值）的差值（50%取值的數值），可以衡量變量與其中心值的偏離程度，值越大則偏離越大。 table(<datafame>$<var>)——統計datafame數據中屬性變量var的數值取值頻數(NA會自動去掉！)，列聯表 table(<data_var_1>, <data_var_2>)——比較兩個data_var，<data_var_1>為列，<data_var_2>為行，先列后行！ xtabs(formular，data)——列聯表 ftable( table())——三維列聯表 prop.table()——統計所占百分比例 prop.table(table(<data_var_1>, <data_var_2>)，<int>)——比較兩個data_var所占百分比，<int>填1位按行百分計算，2為列計算 margin.table( table()，<int> )——計算列聯表的邊際頻數（邊際求和）,<int>=1為按列變量 addmargin.table（table()，<int>?）——計算列聯表的邊際頻數（邊際求和）并求和,<int>=1為按列變量 as.formula(<string>)——轉換為一個R公式，<string>是一個字符串 循環時的判斷語句： ifelse(<test>, <yes>, <no>)——if，else的變種，test是判斷語句,其中的判斷變量可以是一個向量！yes是True時的賦值，no是False時的賦值 hist(<data>，prob=T，xlab='橫坐標標題'，main='標題'，ylim=0:1，freq，breaks=seq(0,550,2))——prob=T表示是頻率直方圖，在直角坐標系中，用橫軸每個小區間對應一個組的組距，縱軸表示頻率與組距的比值，直方圖面積之和為1；prob位FALSE表示頻數直方圖；ylim設置縱坐標的取值范圍；freq為TRUE繪出頻率直方圖，counts繪出頻數直方圖，FALSE繪出密度直方圖。breaks設置直方圖橫軸取點間隔，如seq(0,550,2)表示間隔為2，從0到550之間的數值。 density(<data>,na.rm=T)——概率密度函數（核密度估計，非參數估計方法），用已知樣本估計其密度,作圖為lines(density(data),col="blue") ecdf（data）——經驗分布函數,作圖plot(ecdf(data),verticasl=FALSE,do.p=FALSE)，verticals為TRUE表示畫豎線，默認不畫。do.p=FALSE表示不畫點處的記號

• 假設檢驗

分布函數

shapiro.test(data)——正態W檢驗方法，當p值大于a為正態分布 ks.test(x,y)——經驗分布的K-S檢驗方法，比較x與y的分布是否相同，y是與x比較的數據向量或者是某種分布的名稱，ks.test(x, rnorm(length(x), mean(x), sd(x)))，或ks.test(x,"pnorm",mean(x),sd(x)) chisq.test(x，y，p)——Pearson擬合優度X2（卡方）檢驗，x是各個區間的頻數，p是原假設落在小區間的理論概率，默認值表示均勻分布,要檢驗其它分布，比如正態分布時先構造小區間，并計算各個區間的概率值，方法如下： brk<-cut(x,br=c(-6,-4,-2,0,2,4,6,8))#切分區間 A<-table(brk)#統計頻數 p<-pnorm(c(-4,-2,0,2,4,6,8),mean(x),sd(x))#構造正態分布函數 p<-c(p[1],p[2]-p[1],p[3]-p[2],p[4]-p[3],p[5]-p[4],p[6]-p[5],p[7]-p[6])#計算各個區間概率值 chisq.test(A,p=p)

正態總體的均值方差

t.test(x，y，alternative=c("two.sided","less","greater")，var.equal=FALSE)——單個正態總體均值μ或者兩個正態總體均值差μ1-μ2的區間估計；alternative表示備擇假設：two.side（默認）是雙邊檢驗，less表示H1:μ<μ0，greater表示H1：μ>μ0的單邊檢驗(μ0表示原假設)；當var.equal=TRUE時，則是雙樣本方差相同的情況，默認為不同 var.test(x，y)——雙樣本方差比的區間估計

獨立性檢驗（原假設H0：X與Y獨立）

chisq.test(x,correct=FALSE)——卡方檢驗，x為矩陣，dim(x)=c(2,2)，對于大樣本（頻數大于5） fisher.test()——單元頻數小于5，列聯表為2*2

相關性檢驗（原假設H0：X與Y相互獨立）

cor.test（x,y,method=c("pearson","kendall","spearman")）——相關性檢驗，觀察p-value小于0.05則相關。method選擇相關性檢驗方法

秩

rank()——秩統計量 cor.test（）——秩相關檢驗：Spearman，Kendall wilcox.test(x,y=NULL，mu,alternative，paired=FALSE，exact=FALSE,correct=FALSE，conf.int=FALSE)——秩顯著性檢驗（一個樣本來源于總體的檢驗，顯著性差異的檢驗），Wilcoxon秩和檢驗（非成對樣本的秩次和檢驗）,mu是待檢測參數，比如中值，paired邏輯變量，說明變量x，y是否為成對數據，exact說民是否精確計算P值，correct是邏輯變量，說明是否對p值采用連續性修正，conf.int是邏輯變量，給出相應的置信區間。 uniroot(f，interval=c(1,2))——求一元方程根的函數，f是方程，interval是求解根的區間內，返回值root為解 optimize(）或 optimise（）——求一維變量函數的極小點 nlm（f，p）——求解無約束問題，求解最小值，f是極小的目標函數，p是所有參數的初值，采用Newton型算法求極小，函數返回值是一個列表，包含極小值、極小點的估計值、極小點處的梯度、Hesse矩陣以及求解所需的迭代次數等。

顯著性差異檢驗（方差分析，原假設：相同，相關性）

mcnemar.test(x,y，correct=FALSE)——相同個體上的兩次檢驗，檢驗兩元數據的兩個相關分布的頻數比變化的顯著性，即原假設是相關分布是相同的。y是又因子構成的對象，當x是矩陣時此值無效。 binom.test(x，n，p，alternative=c("two.sided","less","greater")，conf.level=0.95)——二項分布，符號檢驗（一個樣本來源于總體的檢驗，顯著性差異的檢驗） aov（x~f）——計算方差分析表，x是與（因子）f對應因素水平的取值，用summary（）函數查看信息 aov（x~A+B+A：B）——雙因素方差，其中X~A+B中A和B是不同因素的水平因子（不考慮交互作用），A：B代表交互作用生成的因子 p.adjust()——P值調整函數 pairwise.t.test(x，g，p.adjust.method="holm")——多重t檢驗,p.adjust.method是P值的調整方法，其方法由p.adjust（）給出，默認值按Holm方法（”holm“）調整，若為”none“，表示P值不做任何調整。雙因素交互作用時g=A：B shapiro.test（x）——數據的正態W檢驗 bartlett.test（x~f，data）——Bartlett檢驗，方差齊性檢驗 kruskal.test（x~f，data）——Kruskal-Wallis秩和檢驗，非參數檢驗法，不滿足正態分布 friedman.test(x，f1，f2，data）——Friedman秩和檢驗，不滿足正態分布和方差齊性，f1是不同水平的因子，f2是試驗次數的因子

• 常用模型

1、回歸模型

lm（y~.，<data>）——線性回歸模型，“.”代表數據中所有除y列以外的變量，變量可以是名義變量（虛擬變量，k個水平因子，生成k-1個輔助變量（值為0或1）） summary（）——給出建模的診斷信息： 1、數據擬合的殘差（Residual standard error，RSE），殘差應該符合N（0，1）正態的，值越小越好 2、檢驗多元回歸方程系數（變量）的重要性，t檢驗法，Pr>|t|, Pr值越小該系數越重要（拒絕原假設） 3、多元R方或者調整R2方，標識模型與數據的擬合程度，即模型所能解釋的數據變差比例，R方越接近1模型擬合越好，越小，越差。調整R方考慮回歸模型中參數的數量，更加嚴格 4、檢驗解釋變量x與目標變量y之間存在的依賴關系，統計量F，用p-value值，p值越小越好 5、繪圖檢驗plot(<lm>)——繪制線性模型，和qq.plot誤差的正態QQ圖 6、精簡線性模型，向后消元法 線性回歸模型基礎 lm（formula=x~y，data，subset）——回歸分析，x是因變量（響應變量），y是自變量（指示變量），formular=y~x是公式，其中若是有x^2項時，應把公式改寫為y~I(x^2)，subset為可選擇向量，表示觀察值的子集。例：lm(Y ~ X1 + X2 + I(X2^2) + X1:X2, data = data) predict(lm(y~x)，new，interval=“prediction”，level=0.95)——預測，new為待預測的輸入數據，其類型必須為數據框data.frame，如new<-data.frame(x=7)，interval=“prediction”表示同時要給出相應的預測區間 predict(lm(y~x))——直接用用原模型的自變量做預測，生成估計值 ? 篩選模型自變量 lm.new<-update(lm.sol，sqrt(.)~.)——修正原有的回歸模型，將響應變量做開方變換 update（<lm>, .~. - x1）——移除變量x1后的模型 coef(lm.new)——提取回歸系數 回歸診斷 1、正態性（QQ圖） plot(x,which)——回歸模型殘差圖，which=1~4分別代表畫普通殘差與擬合值的殘差圖，畫正態QQ的殘差圖，畫標準化殘差的開方與擬合值的殘差圖，畫Cook統 norm.test（）——正態性檢驗，p-value>0.05為正態 計量的殘差圖 residuals()和resid()——殘差 rstandard()——標準化殘差 rstudent()——學生化殘差 influence.measures(model)——model是由lm或者glm構成的對象，對回歸診斷作總括，返回列表中包括，廣義線性模型也可以使用 ? anova（<lm>）——簡單線性模型擬合的方差分析（確定各個變量的作用） anova（<lm1>,<lm2>）——比較兩個模型（檢驗原假設為不同） 2、誤差的獨立性——car包提供Duerbin_Watson檢驗函數 3、線性——car包crPlots（）繪制成分殘差圖（偏殘差圖）可以看因變量與自變量之間是否呈線性 4、同方差性——car包ncvTest（）原假設為誤差方差不變，若拒絕原假設，則說明存在異方差性 5、多重共線性——car包中的vif（）函數計算VIF方差膨脹因子，一般vif>2存在多重共線性問題 異常點分析（影響分析） hatvalues（）和hat（）——帽子矩陣 dffits（）——DFFITS準則 cooks.distance()——Cook統計量，值越大越有可能是異常值點 covratio（）——COVRATIO準則 kappa（z，exact=FALSE）——多重共線性，計算矩陣的條件數k,若k<100則認為多重共線性的程度很小；100<=k<=1000則認為存在中等程度或較強的多重共線性；若k>1000則認為存在嚴重的多重共線性。z是自變量矩陣（標準化，中心化的？相關矩陣），exact是邏輯變量，當其為TRUE時計算精準條件數，否則計算近似條件數。用eigen（z）計算特征值和特征向量，最小的特征值對應的特征向量為共線的系數。 step()——逐步回歸，觀察AIC和殘差平方和最小，廣義線性模型也可以使用 add1()——前進法 drop()——后退法 stepAIC（sol,direction="backward"）——MASS包，可以實現逐步回歸（向前、向后、向前向后） 預測 predict（<sol>，<newdataframe>，level=0.95，interval="prediction"）——回歸預測，sol是模型，newdataframe是待預測數據框，level設置置信度，interval="prediction"表示結果要計算置信區間 glm(formula，family=binomial（link=logit），data=data.frame)——廣義線性模型，logit默認為二項分布族的鏈接函數，formula有兩種輸入方法，一種方法是輸入成功和失敗的次數，另一種像線性模型的公式輸入方式 predict(glm()，data.frame(x=3.5)，type="response")——預測廣義線性回歸模型，type=“response”表示結果為概率值，否則為預測值y inv.logit（）——預測值y的反logit，boot包的函數 glmnet（）——正則化glm函數，glmnet包，執行結果的行數越前正則化越強。其輸出結果的意義是： 1）DF是指明非0權重個數，但不包括截距項。可以認為大部分輸入特征的權重為0時，這個模型就是稀疏的（sparse）。 2）%Dev就是模型的R² 3)超參數（lambda）是正則化參數。lambda越大，說明越在意模型的復雜度，其懲罰越大，使得模型所有權重趨向于0。 plot（lm(y~x)，which=1:4，caption=c(“Residuals vs Fitted”，“Normal Q-Q plot”，“Scale-Location plot”，“Cook's distance plot”)）——畫回歸模型殘差圖，which為1表示畫普通殘差與擬合值的殘差圖，2表示畫正態QQ的殘差圖，3表示畫標準化殘差的開方與擬合值的殘差圖，4表示畫Cook統計量的殘差圖；caption是圖題的內容。 avova(sol1,sol2,test="Chisq")——比較模型兩個模型，廣義線性模型可用卡方檢驗（分類變量），不拒絕原假設說明兩個沒有顯著差異，即用較少自變量模型就可以。 非線性模型 poly（想，degree=1）——計算正交多現實，x是數值向量，degree是正交多項式的階數，并且degree<length（x）樣本個數，例如建立二次正交式回歸模型：lm(y~1+poly（x，2）) nls（formula,data,start）——求解非線性最小二乘問題，formula是包括變量和非線性擬合的公式，start是初始點，用列表形式給出 nlm(f，p)——非線性最小二乘，構造最小目標函數，方程移項2為0，f是極小的目標函數，p是所有參數的初值，采用Newton型算法求極小，函數返回值是一個列表，minimum的值便是極小值，estimate是參數的估計值。例如： fn<-function(p,x,y){ f<-y-p[1]*exp(p[2]*x) res<-sum(f^2) } nlm.sol<-nlm(fn,p=c(3,-0.1),x,y)

2、回歸樹

rpart( y ~.， <data>)——rpart包，回歸樹，葉結點目標變量的平均值就是樹的預測值。生成一棵樹，再做修剪（防止過度擬合），內部10折交叉驗證 printcp（<rt>）——查看回歸樹結果，rt是指rpart（）函數的運行結果模型，plotcp（<rt>）以圖形方式顯示回歸樹的參數信息 參數如下： cp——當偏差的減少小于某一個給定界限值，默認0.01 minsplit——當結點中的樣本數量小于某個給定界限時，默認20 maxdepth——當樹的深度大于一個給定的界限值，默認30 prune（<rt>,cp）——自行設置cp值的建樹 snip.rpart(<rt>, c(4,7))——修剪，需要修剪的那個地方的是結點號c(4，7)，指出輸出樹對象來需要修剪的樹的結點號 snip.rpart(<rt>)——交互修剪，點擊結點，右擊結束

3、隨機森林

randomForest(y ~.， <data>)——組合模型，由大量樹模型構成，回歸任務采用預測結果的平均值。

4、支持向量機

svm(<formula>，<data>，gamma=1/ncol(<data>)，<cost>)——e1071包，回歸任務，<gamma>=0.01，<cost>=100違反邊際所引入的損失?

5、時間序列分析

ts(<data>, frequency=12, start=(2006,1))——把一個向量轉化為時間序列對象，<data>向量，frequency表示頻率，start表示時間起始點 decompose(<data>，type)——把時間序列分解成長期趨勢和周期性變化，<data>是設置了頻率（周期長度）的時間序列數據，type="additive"為累加形式：長期趨勢+周期性變化+隨機變化；"multiplicative"分解為累乘形式：長期趨勢*周期性變化*隨機變化。默認使用"additive"累加形式。函數返回值sol<-decompose()中，sol$trend是時間序列趨勢，seasonal是季節性周期變化，random是隨機誤差。 stl(<data>,"per")——分解時間序列，返回值sol<-stl()中，sol$time.series[, "seasonal"]讀取周期性序列seasonal，sol$time.series[, "trend"]讀取長期趨勢trend。誤差可以使用sol$time.series[,?"remainder"]讀取。 增長率： diff(data,lag=1)——差分，上下做差，lag控制變量上下間隔為1 ring.growth[t]=(data[t]-data[t-1])/data[t-1]——同比增長率，描述指標變化趨勢 sam.per.grown[t]=(data[t]-data[t-T])/data[t-T]——環比增長率，分析周期性變化，避免周期性變化給數據分析帶來的影響，T一般以周為單位 移動平均： filter(x, filter, method=c("convolution", "recursive"), side=2,...)——線性過濾函數，x待轉化的向量數據，method=convolution（卷積方法）:使用x內部樣本組成線性模型（系數ai由filter參數設置的，side參數設置卷積方法是單邊或者雙邊），recursive（遞歸方法）:使用y內部樣本以及當前階段的x樣本組成線性模型（系數ai由filter設置）y遞歸[t]=x[t]+sum(ai*y[t-i])。side為1（單邊卷積）y卷積[t]=a1*x[t]+...+a(k+1)*x[t-k]，side為2（雙邊卷積）y卷積[t]=a1*x[t+m]+...+a(m+1)*x[t] 指數平滑: sol<-HoltWinters(<data>)——實現二次平滑和三次平滑指數。 sol.forst<-forecast.HoltWinters(sol, h=12)——預測HoltWinters函數產生的模型的新時間序列，h表示頻率？預測未來12個月 plot.forecast(sol.forst, include=10)——繪制預測圖，include=10表明繪制預測前10個月的數據和未來12個月的預測數據

ARIMA模型

ymd()——lubridate包，將"年-月-日"格式的字符串轉換成日期對象，（可以比較前后時間） 自相關性 cov(data.frame(x,y))——協方差矩陣S cor(data.frame(x,y))——相關系數矩陣R rnorm（n，<mean>，<sd>） arima.sim（n=100，list（ar=，ma=））——模擬100個樣本的模擬序列 lag.plot(data，lag=k，do.line=FALSE)——繪制原始數據和k階滯后的散點圖 acf（data，lag.max=16，ci.type="ma"）——計算并繪制自相關圖，0階自相關系數是rxx，所以恒等于1。ci.type="ma"主要是慨率acf的標準誤的問題，以使acf圖等準確。 pacf（data，lag.max=16）——偏自相關圖，消除Xt-1，...，Xt-k+1的影響后，研究Xt和Xt-k的相關性。 Box.test（data,type="Ljung-Box",lag=16，fitdf=p+q）——自相關性檢驗，p-value<0.05，標識數據data具有自相關，fitdf為自由度參數p+q arima（data，order=c（p，d，q））——計算模型參數并建模，TSA包中，order設置AR過程的階數p，差分過程的d（用于穩定化）和MA過程的階數q。當p=d=0時，表示只使用MA過程對序列建模。結果sol<-arima（）調用predict(sol，n.ahead=5)$pred進行預測，n.ahead參數用于設置預測新階段的數據量（未來5個月），predict(...）$se標準誤差SE，用于計算預測范圍（預測范圍=預測值+-置信度（alpha）*標準誤差SE。 eacf(data)——根據凸顯中三角區域頂點的行坐標和列坐標分別確定ARMA的p和q norm.test（）——正態性檢驗，p-value>0.05為正態 tsdiag（sol）——繪制模型殘差的散點圖、自相關圖和不同階數下的Box.test體檢驗p-value值 模型評估 RMSE（lm，<?which>）——qpcR包中計算均方根誤差，計算子集subset

• 聚類分析

dist（x，method=”euclidean“）——計算距離 ”euclidean“Euclid距離； ”maximum“——Chebyshev距離； ”manhattan“絕對值（馬氏）距離； “canberra”Lance距離； “minkowski”Minkowski閔式距離； “binary”定性變量的距離 scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差） hclust（d,method=“complete”）——系統聚類，d是又dist構成的距離結構，method是系統聚類的方法（默認為最長距離法） “single”最短距離法“； ”complete“最長距離法； ”median“中間距離法； ”mcquitty“Mcquitty相似法； ”average“類平均法 ”centroid“重心法 ”ward“離差平法和法 plot（hclist（），hang=0.1）——譜系圖，hang表示譜系圖中各類所在的位置，hang取負值時，表示譜系圖從底部畫起。 as.dendrogram（hclust（），hang=-1）——將hclust得到的對象強制轉換為譜系圖 plot（x，type=c（”rectangle“，”triangle“），horiz=FALSE）——譜系圖，x為as.dendrogram返回的對象，type是指是矩形或是三角形，horiz是邏輯變量，當horiz為TRUE時，表示譜系圖水平放置。 as.dist()——將普通矩陣轉化為聚類分析用的距離結構 plclust（x，hang=0.1）——譜系圖，舊版停用，已被plot替換 rect.hclust（x，k，h，border）——在譜系圖（plclust（））中標注聚類情況，確定聚類個數的函數，x是由hclust生成的對象，k是類個數；h是譜系圖中的閾值，要求分成的各類的距離大于h；border是數或向量，標明矩形框的顏色；例如：rec.hclust（hclust()，k=3） kmeans(x，centers，iter.max，nstart=1，algorithm)——K均值方法，centers是聚類的個數或者是初始類的中心，iter.max為最大迭代次數（默認為10），nstart是隨機集合的個數（當centers為聚類的個數時），algorithm為動態聚類算法，例如：km<-kmeans(scale(data),4,nstart=20)，返回值中，size表示各類的個數，means表示各類均值，Clustering表示聚類后分類情況？，可以用sort(kmeans()$cluser)對分類情況排序

• 主成分分析

princomp() 和 prcomp（）——主成分分析，結果的標準差顯示每一個主成分的貢獻率（成分方差占總方差的比例），返回值loadings每一列代表每一個成分的載荷因子 summary（x，loadings=FALSE）——提取主成分的信息，x是princomp（）得到的對象，loadings是邏輯變量，為TRUE表示顯示主成分分析原始變量的系數，False則不顯示。返回表中，Standard deviation是標準差，即方差或lambda的開方，Proportion of Variance表示方差的貢獻率，Cumulative Proportion表示累積貢獻率。 loadings(x)——顯示主成分或因子分析中loadings載荷的內容，主成分是對應割裂，即正交矩陣Q；因子分析中是載荷因子矩陣。x是princomp（）或者factanal（）得到的對象。 predict（x，newdata）——預測主成分的值，x是由princomp（）得到的對象，newdata是由預測值構成的數據框，當newdata為默認值時預測已有數據的主成分值。例如predict(<pca>)[,1]——用主成分的第一列作為原有數據的預測結果 screeplot(x，type=c（"barplot",”lines“))——主成分的碎石圖，確定主成分維數的選擇，x是由princomp（）得到的對象，type是描述畫出的碎石圖的類型，”barplot“是直方圖，”lines“是直線圖。 biplot（x，choices=1:2，scale=1）——畫關于主成分的散點圖和原坐標在主成分下的方向，x是由princomp（）得到的對象，choices選擇主成分，默認為第1、2主成分 factanal（x,factor,covmat=NULL，scores=c("none","regression","Bartlett")，rotation=”varimax“）——因子分析,factors是公因子的個數，covmat是樣本協方差和相關矩陣,scores因子得分方法，rotation表示旋轉，默認為方差最大旋轉 cancor（x，y，xcenter=TRUE，ycenter=TRUE）——典型相關分析，xcenter，ycenter是邏輯變量，為TRUE時做數據中心化 R包 rpart——決策樹算法 my_tree <- rpart（<formula>，<data>，<method>）——rpart(Survived ~ Sex + Age, data=train, method="class") rattle rpart.plot RColorBrewer fancyRpartPlot(my_tree)——繪制更好看的決策樹 ? ggplot2——?繪圖包 qplot(<vecter_horizontal>, <vector_vertical>, color = <factor> )——繪圖類似plot dplyr——輸出處理包 tbl_df（）——將數據轉換為一種特殊的數據框類型tbl，類似（as.data.frame（）），僅是改變了顯示，數據結構沒有變化 glimpse（<tbl>）——類似str（） hflights——飛行數據

數據集

data（）——查看R自帶數據列表 iris——鳶尾花數據集總共150行3種類別 iris3[1:50, 1:4, 1:3]——每50行一組，分3個類別分別 volcano——87x61 matrix with elevation value

模型函數

神經網絡 nnet()——在nnet包中BP神經網絡，存在一層的隱藏層。 參數： size=0，設置隱藏層中神經元數，設置為0時，表示建立一層神經網絡？沒有隱藏層 Wts：初始系數，不設定則使用隨機數設定 linout：為TRUE時，模型輸出（目標變量）為連續型實數，一般用于回歸分析；如果為FALSE（默認取值）則輸出為邏輯數據，一般用于（目標變量為分類型）分類分析，也可以把linout設為TRUE再添加一個階躍函數轉為邏輯型輸出。 maxit：最大迭代次數iterations，默認為100次，一般盡量將maxit設置大于觀測結果final value上顯示的迭代次數。 skip：是否跳過隱藏層，如果為FALSE（默認），則不跳過 decay：加權系數的衰減 隱藏層中神經單元數目的確定 支持向量機 svm()——e1071包中回歸非線性 ksvm()——kernlab包中分類，分類時用的默認參數樹徑向基核函數 多元自適應回歸樣條 mars()——mda包 earth()——earth包，具有更多優勢 決策樹 RWeka包：C4.5（分類，輸入變量是分類型或連續型，輸出變量是分類型） J48() rpart包：分類回歸樹（CART）算法（輸入、輸出分類或連續變量） rpart（）——擬合樹模型，參數xval設置k折交叉驗證 prune()——剪枝 party包：條件推理決策樹（CHAID）算法（輸入、輸出分類或連續變量） ctree（） 隨機森林 randomForest包：分類與回歸樹的隨機森林 randomForest()——隨機森林，預測，分類，估計變量的重要性（通過計算每個變量被移除后隨機森林誤差的增加（選擇變量需要用到模型的信息，但用其它模型來做預測） party包：條件推理決策樹的隨機森林 cforest() 時間序列 ts——在stats包中創建一個時間序列 xts包——時間序列 xts(<data>,<label>)——時間數列，可以是單元的也可以是多元的。<data>時間序列數據，<label>時間標簽。as.xts(read.zoo("abc.csv", header = T)) seq.POSIXct() 和 Date——標識時間信息的規格的類 index() 和 time()——獲取對象的時間標簽 coredata()——獲取時間序列的數值 貝葉斯分類 e1071包： nativeBayes（）——樸素貝葉斯分類器，可以處理分類型和連續型自變量 knn knn（）——class包 TTR包——技術指標集合 quantmod包——分析金融數據 tserise包

特殊字符

formula=y~.——"."是除y以外數據中的所有變量 function（fromula, train, test，...）——特殊參數“...",允許特定函數具有可變參數，這個參數結構是一個列表，用來獲取傳遞給前三個命名參數之后的所有參數。這個結構用于給實際模型傳遞所需要的額外參數。 <model.object>@pars——（模型）對象的屬性用操作符“@”訪問，比如對象object的屬性是pars

?

轉載于:https://www.cnblogs.com/think-and-do/p/6549422.html

總結

以上是生活随笔為你收集整理的R语言笔记完整版的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。