035-R Brain Storm

刘小泽写于18.9.16

写了几天的函数修修补补，基本框架有了，但是发现一些基础知识还是没有掌握牢固。不怕，学就是了！

Part1 零零散散的前言

• R的运行模式？

  交互模式：例如R studio左下角带'>'符号的

  批处理模式：左上角写脚本的地方

• R向量：如x <- c(2,3,4) c表示“连接”（concatenate）；向量元素索引（下标）从1开始

• 画直方图时可以通过设定breaks来改变分组hist(Nile, breaks = 15)

• 调用q()退出R

• R的核心是编写“函数”，所谓函数，就是一组指令的组合，来完成数据读取、执行计算、返回结果的任务

• %%是求余数运算用的，叫做求模运算符

• lm()函数是求线性模型，格式为lm(V2~V1+V3)就是用第一列V1和第三列V3来预测第二列，这里的+不是代表加和，仅仅是预测变量的分隔符。拟合过程采用最小二乘法完成，预测方程是：V2代表的预测值 = β0 + β1 x V1代表的预测值 。使用attributes()函数可以列出所有组件，β的保守值储存在coefficients中

• 如果希望每次R启动都执行一些命令，就可以把这些命令存到.Rprofile中，对R进行配置时可以使用options()函数，另外.libPaths可以在R的搜索路径中添加一个包含全部辅助包的目录

• 获取R的帮助： 查询指定函数，如?paste ； 获得运算符的帮助信息，需要将特殊字符和一些保留字用括号括起来，?">" ，或者要查看for循环的讲解?"for"； 对于不懂的命令如paste，可以用example(paste) 来运行示例代码； 如果不清楚要查什么，但是目的比如是找能做多元正态分布的函数，可以用??("multivariate normal") ; 获得整个包的信息：help(package=dplyr) 网络搜索指定脚本：filetype:R DeSeq2 -rebol , -rebol作用是查找R但排除和R相近后缀的REBOL编程语言结果

• R语言编程戒律之一就是：尽量避免使用循环，如果一定要用，就要循环简洁

  #实现同样的功能，但第二个比第一个要好
  for(i in 1:length(x)){
      if(x[i] %% 2 == 1) k<-k+1 #对x进行遍历，当x是奇数时，k增加1
  }
  ###
  for(n in x){
      if(n %% 2 == 1) k<- k+1
  }
  return(k) #return的目的就是把计算结果返回给调用它的代码
  

• 命名函数时，一般都会xixi <- function(x){} 其中x时形式参数(formal argument/parameter)，当实际使用函数时，在 xixi()中填的才是实际参数( actual argument)

• 变量作用域：只在函数内部有效的叫做“局部变量”【比如形式参数】；函数内外均能使用叫“全局变量”。利用<<超赋值运算符(superassignment operater)可以在函数内部赋予“全局变量”的光荣称号

• 编写函数时，经常会用到默认参数：xixi <- function(x, y=1, z=F) 进行函数运算时，x是肯定要指定的，但是y、z可以不指定，他们已经有了默认值，当然啦，如果指定y或者z，就会覆盖之前的值

• R的重要数据结构：向量、字符串、矩阵、列表、数据框、类

• 向量：R核心成员。 向量中的元素必须是某种数据类型（不能混搭），比如一个向量由3个整数元素组成，或者由2个字符串组成，但不能由1个整数1个字符串组成。 所谓的“标量”，也就是单个的数，它实际上还是一个元素的向量

• 字符串：字符模式（而非数值模式）的单元素向量 字符操作函数有很多，比如paste、strsplit

  x <- paste("xixi", "huahua","doudou") #组合
  > x
  [1] "xixi huahua doudou"
  > y <- strsplit(x," ") #拆台
  > y
  [[1]]
  [1] "xixi"   "huahua" "doudou"
  

• 矩阵：向量加上两个附加属性：行数、列数

  > a <- rbind(c(5,2,0),c(5,2,0))
  > a
       [,1] [,2] [,3]
  [1,]    5    2    0
  [2,]    5    2    0
  #本来c(5,2,0)是向量，然后被赋予了空间位置，就成了二维的
  #矩阵使用双下标作为索引
  a[1,1] => 5
  

• 列表：它也是值的容器，只不过进化的地方在于其中的各项可以属于不同的数据类型。列表可以想象成一个个零件拼起来的一个积木，每个积木可以是不同类型的，有塑料的、木头的（表示数值型、字符型），每个积木叫做一个组件

  > doudou <- list(x = "huahua", y = c(5,2,0))
  > doudou
  $x 
  [1] "huahua"
  $y
  [1] 5 2 0
    
  #注意它是用$符号来访问列表中的元素
  > doudou$x # 表示：取出列表doudou中的x组件
  [1] "huahua"
  

  一般好的程序设计师都会把函数返回的信息打包到一个列表中，然后通过$来访问 若要打印列表，就可以用str() 函数，显示很详细的R对象内部结构【不限于列表哦】

  > str(doudou)
  List of 2
   $ x: chr "huahua"
   $ y: num [1:3] 5 2 0
  

• 数据框：数据库更是可以包含多种数据类型，并且方便调用，创建数据库可以用data.frame(list()) ，不过一般用read.csv 读取的文件就已经是数据框格式了

• 类：首先要知道R是面向对象的编程语言，大多数R的对象是基于S3类（也就是S语言第三代，它是R语言的灵感源泉）

Part2 R的基础函数速查

刘小泽写于18.9.21

R中的输入输出

# save & save.image
x <- stats::runif(20)
y <- list(a = 1, b = TRUE, c = "oops")
save(x, y, file = "xy.RData")
save.image() # creating ".RData" in current working directory

# paste & paste0
> paste("1st", "2nd", "3rd", sep = ", ")
[1] "1st, 2nd, 3rd"
> paste0("1st", "-2nd", "-3rd")
[1] "1st-2nd-3rd"

R是一种基于对象（Object）的语言，对象具有很多属性（Attribute），其中一种重要的属性就是类（Class），最基本的类包括了数值（numeric）、逻辑（logical）、字符（character）、列表（list），符合类包括矩阵（matrix）、数组（array）、因子（factor）、数据框（dataframe）

创建数据

# seq(from, to, by)
> seq(1,10,2) #间隔为整数
[1] 1 3 5 7 9
#间隔不是整数
seq(1.1 , 2,length=10)
[1] 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0

# matrix
> mdat <- matrix(c(1,2,3, 11,12,13), nrow = 2, ncol = 3, byrow = TRUE, dimnames = list(c("r1", "r2"),c("C.1", "C.2", "C.3")))
> mdat
   C.1 C.2 C.3
r1   1   2   3
r2  11  12  13

# rep
> rep(c(1,2,3),times=2)
[1] 1 2 3 1 2 3
> rep(c(1,2,3),each=2)
[1] 1 1 2 2 3 3

# expand.grid
require(utils)
> expand.grid(height = seq(60, 80, 5), weight = seq(100, 300, 50),sex = c("Male","Female"))

# gl
> gl(2, 3, labels = c("Control", "Treat"))
[1] Control Control Control Treat   Treat   Treat  
Levels: Control Treat

提取数据

变量转换与信息查询

转换都是以as开头，然后加转换类型，如as.data.frame、as.numeric

查询以is开头，结果返回逻辑值（TRUE/FALSE）

length(x) #x中元素个数
dim(x) #查询或设置几行几列
dimnames（x） #查询或设置行/列名
nrow、ncol #行数/列数
class（x）#查属性

attr(x,which)#设置x的属性
> x <- 1:10
> attr(x,"dim") <- c(2, 5)
> x
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    3    5    7    9
[2,]    2    4    6    8   10

数据筛选

> x <- c(1,2,3,4,1)
# which 它会返回真值的位置
> which(x == "1")
[1] 1 5
> which.max(x)
[1] 4

# unique
> unique(x)
[1] 1 2 3 4

#subset
subset(state.x77, grepl("^M", nm), Illiteracy:Murder)
#【对于数据框state.x77，取出行名开头是“M”的，列从Illiteracy到Murder的子集】
subset(airquality, Day == 1, select = -Temp)
#【对于数据框airquality，取出Day值为1的，并且去掉Temp列】

#sample
> sample(1:10, replace = TRUE) #【放回抽样】
 [1]  4  9 10  7  6 10  9  1 10  5

数值计算

还有一些常见的计算函数：

log(),log10(),exp(),max(),min(),sum(),mean(),median()

矩阵操作

字符串处理

# substr 
> substr("abcdef", 2, 4)
[1] "bcd"
> substring("abcdef", 1:6, 1:6)
[1] "a" "b" "c" "d" "e" "f"

条件控制

# 关于next
x <- letters[1:6]
for ( i in x) {
   if (i == "d") {
      next
   }
   print(i)
}
# 结果返回除了d的其他字母

#关于ifelse
x <- c(1,2，3，4，5，6)
ifelse(x != 1, 1, 0) #如果x的值不等于1，输出1，否则输出0
[1] 1 0 0 0 0 0 

#关于do.call
#当要执行函数的接受参数太多，就可以用do.call
x <- list(matrix(1:20, ncol=4), matrix(5:25,ncol=4),matrix(10:30,ncol=4))
x_sum <- do.call(sum,x)

Part3 向量

这是R中最基本的数据类型了，当然矩阵也是向量的一种特例（长向量）

• R语言中，变量的类型称为模式，有整型、数值型、字符型、逻辑型等，使用typeof(x)查询

• 向量是连续存储的，不能插入或者删除，如果想更改需要重新赋值。比如将向量存储为x，那么x相当于一个指针，而重新赋值就是将x指向新的向量

• 循环补齐：对两个长度不等的向量进行运算，需要重复较短的那个向量，知道和长的向量长度匹配

• 向量索引是向量1[向量2]

• 关于运算符优先级：括号大于冒号大于加减号，例如1:2-1结果是0 1

• all(con)必须全部满足条件con才能输出为TRUE，any(con)至少一个满足条件就输出为TRUE

• 多个向量输入的情况，可以输出为矩阵，利用sapply函数可以实现

  > x <- function(x) return(c(x,x^2)) #先定义函数
  > sapply(1:4,x) # 批量运行得矩阵
       [,1] [,2] [,3] [,4]
  [1,]    1    2    3    4
  [2,]    1    4    9   16
  

• NA表示缺失值（存在但未知），NULL表示不存在的值；一般使用na.rm来跳过缺失值，而NULL会自动跳过

  > x <- c(1,4,5,12,NA) #存在NA的情况
  > mean(x)
  [1] NA
  > mean(x,na.rm = T)
  [1] 5.5
  > y <- c(1,4,5,12,NULL) #存在NULL的情况
  > mean(y)
  [1] 5.5
  

• 筛选：subset()可以自己移除NA；which可以返回满足条件的索引，但比较浪费资源，因为它需要每一个都测试一遍，才能得到结果

• 向量界的if-then-else结构：ifelse(b,u,v) 他比传统结构速度要快，得益于向量化，并且可以嵌套使用

  # b是布尔型向量（用作判断），u、v是一般向量
  x <- c(2,5,9,10)
  ifelse(x>5, x+1, x-1)
  #结果就是1 4 10 11【前两个不满足判断条件，于是使用x-1的公式】