R语言常用代码

基本命令

q()：退出R程序
tab：自动补全
ctrl+L：清空工作环境
ESC：中断当前计算
head(X)：查看数据集前6行数据
tail(X)：查看数据集尾6行数据

安装所需要的包

# 安装包
install.packages("packagename")# 加载包
library(packagesname)

设置工作路径

// 使用getwd()函数来显示当前工作目录；
getwd()//使用setwd()函数更改当前目录；
setwd("D:/R")

数据的读取与保存

# 读取csv
data <- read.csv('data.csv') 
# 读取 R格式数据
data <- load('.RData')# 保存 R格式数据
save(data,file = 'name.Rdata')
# 保存 csv格式数据
write.csv(data,file = 'name.csv')

循环语句

//while loop
a <- 2
while(a<5){print('hello')a = a + 1
}//for loop
v <- c(1,2,5,7,9,6)
for(i in v){print(i)
}

数据操作

 //删除数据
#删除第3列
data <- data[,-3]
#剔除掉第1，2，18列
arpu <- arpu[,-c(1,2,18)]
#剔除掉第1，2，3,,4,5,18行
arpu <- arpu[-c(1:5,18),]//筛选数据
iris[which((iris$Species== 'setosa') | (iris$Species == 'virginica')), ]

给数据的行命名

names(data1)=c("YEAR",	"MNTH",	"DAY","PRCP",	"RHUM",	"WIND")

合并两个数据

Data=rbind(rundata,rundata1)

将结果存入文件

     result=c(Sum_SRAD,Ave_RHUM,Sum_PRCP,Ave_T)#resultname=Filename#给结果文件命名Result=paste(Filename,"Result.csv")print(Result)sink(Result,append=TRUE,split=TRUE)print(result)sink()

绘图部分

链接: 绘图参数介绍.
链接: 坐标轴，图例设置.

####多种颜色展示，需要RColorBrewer包
png("~/plotSamples.png",width=9,height=9,unit="in",res=108)   #在工作目录下创建plotSamples.png图
par(mfcol=c(2,2))
color<-colorRampPalette(c("red","yellow","blue"))(30)
plot(1:30,col=color,pch=20,cex=2,main="1:30")
plot(1:10,col=color,pch=20,cex=2,main="1:10")
plot(1:90,col=color,pch=20,cex=2,main="1:90")
plot(1:900,col=color,pch=20,cex=2,main="1:900")
dev.off()###直方图添加正太曲线
hist(h,prob=T,col="light blue")
lines(density(x), col="red", lwd=3)  
###QQ图添加拟合线
qqnorm(h, main="QQ图与直方图")
qqline(h, col="red",lwd=2)
#添加标注,X,Y是对应坐标的向量，labels是标记值，adj调整标注位置
text(X，Y，labels=c(1,2,3),adj=1.2)
#添加一条水平线h或者是回归模型直线，垂线v；lty为2表示绘制虚线
abline(h = <int>，lty=2)
#画一条y=a+bx的直线
abline(a,b)
#画个点，坐标为向量x，y
points（x，y）
#画一条线，坐标为向量x，y
lines（x，y）
#绘制坐标轴，低级绘图，side为2是纵坐标
axis(side=1，at=seq(from=0.5，by=1.7，length.out=4)，labels=c（）)x=c(45,21,5,42,51,254,12,54,125,45,4)
h=hist(x, breaks=10, col=1, xlab="##", main="##") ##xlab参数用来设置X轴标签，main参数用来设置图片的主标题
xfit=seq(min(x),max(x),length=40)##生成从X的最小值到最大值的等间距的40个数
yfit<-dnorm(xfit,mean=mean(x),sd=sd(x))##使用dnorm()函数生成服从正态分布的概率密度函数值
yfit <- yfit*diff(h$mids[1:2])*length(x)##在这里diff()函数是计算两数之差，也即直方图的组距；这一行是计算出模拟的Y值，为后续绘图做准备。
lines(xfit, yfit, col="blue", lwd=2) ##绘制密度图形，lwd指的是线宽。
# Kernel 密度图
d = density(x) # density()函数获取概率密度数据
plot(d) # 绘制结果

输入与输出函数

#readline()一次只能输入一行
> a <- readline()
Hello World
> a
[1] "Hello World"# scan()函数
> x <- scan()
1: 34
2: 67
3: 9
4: 7
5: 
Read 4 items
> x
[1] 34 67  9  7#print（函数）
print(paste("字符串： ",n))