一周学会R语言心得（一）

R语言区别（与python和MATLAB比较）

1.赋值<-或者=，用<-更好。注意R和MATLAB区分大小写，python不区分大小写，而且R可以使用关键字作为变量名。。

2.数据结构

vector c()，seq()

matrix matrix()

array array()

dataframe dataframe()

list list()

因子 factor()

3.数组长度 length,数据类型，mode，（‘numeric’，‘character’），查看变量类型，使用class(A),返回变量的类型。注意，R中vector 和numeric 没有严格区分。

4.R从1开始，更像MATLAB

5.R语言的slice操作，加了一个“-”，可以随意的去掉某些元素,不考虑某个维度时，R语言直接空着那一维，而MATLAB和python使用：表示所有。

6.R语言同样也可以使用布尔索引

7.大值的索引 R:which.max python argmax 更一般的使用index函数来得到

8.反转向量 R:rev(a) python a[::-1]

9.sort 函数一致，对于复杂数据结构应当指明按照什么来排序

10.矩阵的编号顺序是按照列来进行，这个与MATLAB语言一致，（一个是C风格，一个是Fortran风格），可以使用byrow=T来个性化按照行来reshape.在不指明

行列的情况下，默认个数字是行，第二个是列。

11.R语言的array函数的用法 Z<-array(1:24,c(2,3,4),list(dim,dim2,dim3)),分别为array(数据,数据维度向量，数据标签列表)

12.R中head 与tail显示前6行，python显示前五行

13.mean,max,min,var,都一直，但是标准差R使用sd，python：std

矩阵运算

14.t(a)表示转置，另一个方面的功效很大，可以把vector转化为矩阵！

15.R语言*只是纯粹的矩阵元素相乘，%*%是矩阵乘法，MATLAB：*与.*,python:*,.dot()

循环

16.for(i in 1:59){do something},while(i<59){do somthing}

矩阵的基本运算

17.求逆矩阵 solve(A)

18.查看df内容使用view和fix

data.frame的基本操作

19.df$取属性，可以使用attach(df),detach(df)来避免总是要写变量名

20.format(string,"%Y")取出字符串数据的年份

21.within函数可以省略变量名修改函数，例如student有一列是birthday，我们可以通过sys.date推算出年龄并增加一列：

student$Age<-as.integer(format(Sys.date(),'%Y'))-as.integer(format(student$birthdate,'%Y'))

如果使用within函数：

student<-within(student,{Age<-as.integer(format(Sys.date(),'%Y'))-as.integer(format(birthdate,'%Y'))})

merge函数

result<- merge(student,score,by.x='ID',by.y='SID')

22.有一个类特殊的数据类型叫做因子，因子例如‘M’,'F',等可以被用来分类的特征

R语言中的函数是tapply，tapply(student$score,student$Gender,mean)

python中是groupby，student.score.groupby('student.Gender').apply()

23.factor可以对不同level进行顺序命名

affils<-c('R','D','D','R','U','D')

affils<-factor(affils,levels=c('U','R','D'),ordered=TRUE)

24.分组依据也可以是一个关于factor的list

staff$over25<-ifelse(staff$Age>25,1,0)

tapply(staff$income,list(staff$over25,staff$Gender))返回一个crosstable

25.如果只是想分为几组，也就是得到字典。python：dic=staff.groupby(['over25','Gender'])返回树状结构的字典，底层仍然是一个df

R:split(staff$income,list(staff$over25,staff$Gender))

26.把一个序列分割并得出对应的索引

split(1:length(staff$gender),staff$gender)

这个方法可以被用来处理文本，统计词数

fileword<-function(tf){txt<-scan(tf,'');

word<-split(1:length(txt),txt)

}

返回的是不同的词数以及每个词出现的位置序列的一个字典，序列的长度为词的频数

如果使用python:

counter={}

for i in txt:

if i in counter.keys():

counter[i]+=1

else:

counter[i]=1

27.应该关注by()函数的使用，另外在R中如果可以不使用循环则力求不使用。

28.names(df),colname(df),row.names(df)返回列名向量，列名向量，行名向量

29.edit(df)可以手动修改df,但不改变原值，可以通过赋值保存。

fix(df)可以手动修改df,但改变原值

30.subset函数挑选行subset(df,name=='aa',select=c(age,sex)),subset(df,布尔条件，选出哪些列)

配置SQL Sever ODBC数据源

Open Database Connectify，ODBC

1.win+r

2.输入odbcad32

3.添加新的数据源进去