R 备忘清单 === 该备忘单提供了使用 R 语言的示例，涵盖 R 语言基础知识、控制流、类型、结构/类、运算符、函数方法等 入门 --- ### 获取帮助 访问帮助文件 ```r ?mean # 获取特定功能的帮助 help.search('weighted mean') # 在帮助文件中搜索单词或短语 help(package = 'dplyr') # 查找软件包的帮助。 ``` 有关对象的更多信息 ```r str(iris) # 获取对象结构的摘要 class(iris) # 查找对象所属的类 ``` ### 下载和使用库 ```r install.packages('dplyr') # 从 CRAN 下载并安装软件包 install.packages(“BiocManager”) library(BiocManager) BiocManager::install("dplyr") # 使用Bioconductor的BiocManager包下载并安装软件包 devtools::install_github("clusterProfiler") # 直接从github中下载并安装软件包 library(dplyr) # 将包加载到会话中，使所有其功能可供使用 dplyr::select # 使用包中的特定函数 data(iris) # 将内置数据集加载到环境中。 ``` ### 工作目录 查找当前工作目录（其中找到输入并发送输出） ```r getwd() ``` 更改当前工作目录 ```r setwd(‘C://file/path’) ``` 使用 RStudio 中的项目来设置工作目录到您正在使用的文件夹 基础入门 --- ### 变量和赋值 ```R x <- 10 # 使用箭头赋值 y = 20 # 或者直接使用等号赋值 ``` ### 数据类型 ```R numeric_var <- 3.14 # 数值型 character_var <- "hello" # 字符串 logical_var <- TRUE # 逻辑型 ``` ### 向量和列表 ```R # 向量 numeric_vector <- c(1, 2, 3, 4) character_vector <- c("apple", "orange", "banana") # 列表 my_list <- list(name = "John", age = 30, city = "New York") ``` 向量和操作 ```r # 创建向量 numbers <- c(1, 2, 3, 4, 5) # 计算向量的和 sum_result <- sum(numbers) # 计算向量的平均值 mean_result <- mean(numbers) ``` ### 数据框(Data Frame) ```R my_df <- data.frame(name = c("John", "Alice"), age = c(30, 25)) # 创建数据框 student_data <- data.frame( name = c("John", "Alice", "Bob"), age = c(25, 23, 22), grade = c("A", "B", "C") ) # 显示数据框 print(student_data) ``` ### 函数 ```R # 定义函数 add_numbers <- function(a, b) { result <- a + b return(result) } # 调用函数 sum_result <- add_numbers(10, 5) ``` ### 条件语句 ```R if (x > 0) { print("Positive") } else { print("Non-positive") } ``` ### for 循环语句 ```R for (i in 1:5) { print(i) } ``` ### while 循环 ```r counter <- 1 while (counter <= 5) { print(counter) counter <- counter + 1 } ``` ### 数据读取和输出 ```R # 读取数据 my_data <- read.csv("data.csv") # 输出数据 write.csv(my_data, "output.csv") ``` ### 清理工作空间 ```r # 清空所有变量 rm(list = ls()) # 退出 R q() ``` 图形绘制 --- ### 散点图 ```R plot(x, y) ``` ### 直方图 ```R hist(data) ``` ### 线图 ```R plot(x, y, type = "l") ``` ### 绘制散点图 ```R x <- c(1, 2, 3, 4, 5) y <- c(2, 4, 5, 6, 7) plot(x, y, main = "Scatter Plot", xlab = "X-axis", ylab = "Y-axis") ``` ### 绘制直方图 ```R data <- c(1, 1, 2, 2, 2, 3, 3, 3, 3, 4, 4, 5) hist(data, main = "Histogram", xlab = "Value", col = "lightblue") ``` ### 绘制折线图 ```R x <- c(1, 2, 3, 4, 5) y <- c(2, 4, 5, 6, 7) plot(x, y, type = "l", main = "Line Plot", xlab = "X-axis", ylab = "Y-axis") ``` 向量 --- ### 创建向量 :- | - | - -------|-------|------- `c(2, 4, 6)` | 2 4 6 | 将元素连接成向量 `2:6` | 2 3 4 5 6 | 整数序列 `seq(2, 3, by=0.5)` | 2.0 2.5 3.0 | 复杂的序列 `rep(1:2, times=3)` | 1 2 1 2 1 2 | 重复向量 `rep(1:2, each=3)` | 1 1 1 2 2 2 | 重复向量的元素 ### 选择向量元素 #### 按位置 :- | - ----|---- `x[4]` | 第四个元素 `x[-4]` | 除了第四个之外的所有 `x[2:4]` | 元素二到四 `x[-(2:4)]` | 除二到四之外的所有元素 `x[c(1, 5)]` | 元素一和元素五 #### 按值 :- | - ----|---- `x[x == 10]` | 等于 10 的元素 `x[x < 0]` | 所有元素小于零 `x[x %in% c(1, 2, 5)]` | 集合 1, 2, 5 中的元素 #### 命名向量 :- | - ----|---- `x['apple']` | 名为“apple”的元素。 ### 重复向量的元素 :- | - ----|---- `sort(x)` | 返回排序后的 x `rev(x)` | 返回 x 的反转 `table(x)` | 查看值的计数 `unique(x)`| 查看唯一值 另见 --- - [全面了解Base R](https://blanket58.github.io/books/study-notes-of-R/) _(github.io)_ - [R 语言官网](https://www.r-project.org/) _(r-project.org)_ - [数据科学 R](https://r4ds.hadley.nz/) _(hadley.nz)_ - [使用 R 进行整洁的建模](https://www.tmwr.org/) _(tmwr.org)_ - [在 R 中使用 mlr3 进行应用机器学习](https://mlr3book.mlr-org.com/) _(mlr-org.com)_ - [深度学习](https://srdas.github.io/DLBook/) _(github.io)_ - [搜索任何与 R 相关的内容](https://rdrr.io/) _(rdrr.io)_ - [R 文档](https://www.rdocumentation.org/) _(rdocumentation.org)_