本文为生信初学者在学习完R语言后，整理的知识点及学习方法与个人观点，方便需要的同志学习，使用生信或其他医学相关专业，欢迎各位大佬进行指点批评，有错误或者有不同观点可在评论区留言。 更新时间2023年3月21号
声明：本文仅为学习笔记，和实例记录，可供参考。

本文知乎地址：R语言基础入门（学习笔记通俗易懂版）
建议使用CSDN，因为代码有高亮

软件工具：R与Rstudio，先安装R再安装Rstudio。软件工具不过多介绍，安装方法可以参考在CSDN上各大佬的方法。本文代码为Rstudio中R软件框中的（Rstudio左下角框的，如下图），代码与结果便于直观展示。（建议使用电脑浏览本文代码，因为部分代码好长）

---

R语言预备知识

获取工作目录

使用getwd()函数获取当前工作目录，作用是查看当前工作目录在哪一个具体位置，C盘或者是其他,第一次使用可能会出现警告，但是也可以看到工作目录，你可以在运行一次代码，如下：

> getwd()
[1] "C:/Users/橙/Documents"
Warning message:
In normalizePath(path.expand(path), winslash, mustWork) :path[1]="C:/Users/?/Documents": 文件名、目录名或卷标语法不正确。
> getwd()
[1] "C:/Users/橙/Documents"

设置工作目录

使用setwd()函数更改当前目录，把工作目录更改到你存放你需要使用的数据包的那个位置，更便于直接重工作目录中读取，否者需要使用全路径。在使用函数是需要几点注意，请看以下代码：

> setwd("F:\R.cx")#工作目录的地址需要用双引号括起来，注意斜杠，这种单斜杠会报错
Error: '\R' is an unrecognized escape in character string starting ""F:\R"
> setwd("F:/R.cx")#这种单斜杠可以，能运行
> setwd("F://R.cx")#这行与下一行的双斜杠都行
> setwd("F:\\R.cx")
> 

注释

R语言的注释使用#号，写代码一定要常写注释，不然时间久了会忘记某代码的作用，便于后续操作。在Rstudio中可以使用Ctrl+shift+C经行多行注释。

变量名的命名

与其他语言的变量名命名差不多，主要要注意：数字不能开头；%号是非法字符，不可以用来命名；.号后面不可以跟数字；不可以下划线开头。变量名可以为与你操作相关的名字命名，如我要对一行身高的数据求均值：

higth<-c(175,169,179,175,180,183)
higth_mean<-mean(higth)#对身高求均值

赋值

R语言的赋值方式与其他语言有点区别，有三种，分别是左箭头<-（<键+-键（等号左边的那个，不要按Shift）），等号=，右箭头->，如：

> a<-2
> b=3
> c->4   #注意右箭头使用方法，被赋值的应该在右边，简单点说，就是某某赋值给谁，箭头就指向谁
Error in 4 <- c : invalid (do_set) left-hand side to assignment
> 4->c
> a      #键盘敲出变量名，回车后就会显示结果
[1] 2
> b
[1] 3
> c
[1] 4
> 

变量的显示

1.命令行直接输入变量名

2.利用print()函数，如下

> a<-2
> a     #命令行直接输入变量名
[1] 2
> print(a)     #利用print()函数
[1] 2

查看与清除变量

查看变量：ls()

清除指定变量：rm()

清除所有变量：rm(list=ls()) 如下：

> ls()     #查看变量，这个函数是查看所有已定义的变量，输出所有变量名
[1] "a" "b" "c"
> rm(a)    #清除变量a
> rm(list=ls())    #清除所有变量

函数帮助文档查询

当遇到一个函数不会用时，可以使用帮助文档查询，结果会在Rstudio的右下角框里显示，方法有三种：

1.?+要查询的函数

2.使用help()函数查询

3.使用example()函数查询

我以求和函数sum()为例：

> ?sum
> help(sum)
> example(sum)

函数

R中含有大量的函数，比如求和函数sum()，求均值mean()等直接可以拿来使用的函数，但是往往在实际操作过程中，因为需求不同需要自己写函数，就是自定义函数，类似于C或C++中的自定义函数，我们来看一下R中如何自定义函数,请看如下代码：

>   #函数名<-function(){·······}
> f<-function(a,b)   #写一个求和函数,function()是固定格式
+ {
+   k<-a+b
+   return(k)      #返回结果为k，如果没有设置返回值，则函数会返回最后一行执行的结果
+ }
> f(3,4)			#使用函数名加一个括号调用函数
[1] 7

注：函数可以套函数使用

输出函数

print()函数，输出，与C语言中的printf()函数作用一样

> print(5)
[1] 5

安装R包

安装R包需要使用install.packages()或者BiocManager::install()函数安装，library()函数调用，以安装openxlsx为例，如下：

#安装R包代码如下
install.packages(“openxlsx”)
#或BiocManager::install(“openxlsx”)
library(openxlsx)

文件的读取

有多个函数可以读取文件，一下介绍几种常用的

• scan()函数

scan(file = “”, what = double(), nmax = -1, n = -1, sep = “ ”)，file=" " 的双引号里写文件地址，what写读入的数据类型，如果文件有好几种类型，可以啥也不写（what=" "），sep表示文件中数据的分隔符。举例如下

>   #我桌面上有一个txt文件，数字、字符都有，元素间隔为空格
> scan(file="C://Users//橙//Desktop//juli.txt",what=" ",sep=" ")
Read 6 items
[1] "1"       "2"       "2"       "3"       "你干嘛" 
[6] "！哎呦~"

• readline()函数

从键盘中读入一行数据，举例如下：

> duru2<-readline()   
Hello Worl
> duru2
[1] "Hello Worl"
> duru3<-readline("请输入：")   #请输入是提示语,可以自定义
请输入："喝，为什么不喝,他奈奈滴"
> duru3
[1] "\"喝，为什么不喝,他奈奈滴\""

• readLines()函数

可以一次性读取整个文件,可以限制读取的行数，举例如下：

>   #返回结果会出现警告，原因是读取的文件每一行后（包括最后一行）必须包括换行符，我这个文件无
> readLines("C://Users//橙//Desktop//juli.txt")
[1] "1 2 2 3 你干嘛 ！哎呦~" "我滴任务完成啦！"      
[3] "你坤哥厉不厉害！"      
Warning message:
In readLines("C://Users//橙//Desktop//juli.txt") :incomplete final line found on 'C://Users//橙//Desktop//juli.txt'
>  #n=2表示读取前两行，因为第二行有换行符，所以不会出警告
> readLines("C://Users//橙//Desktop//juli.txt",n=2)
[1] "1 2 2 3 你干嘛 ！哎呦~" "我滴任务完成啦！"      

• read.table()函数

这个函数对于医学专业学生来讲，十分重要，主要用于读取矩阵数据框文件(可以读取.xlsx格式文件)，

read.table(file, header = FALSE, sep = “”, quote = “”'",dec = “.”, numerals = c(“allow.loss”, “warn.loss”, “no.loss”),row.names, col.names, as.is = !stringsAsFactors，na.strings = “NA”, colClasses = NA, nrows = -1,skip = 0, check.names = TRUE, fill = !blank.lines.skip,strip.white = FALSE, blank.lines.skip = TRUE,comment.char = “#”,allowEscapes = FALSE, flush = FALSE,stringsAsFactors = FALSE,fileEncoding = “”, encoding = “unknown”, text, skipNul = FALSE)

file	文件名（包在" "内，或使用一个字符型变量），可能需要全部路径（注意即使是在Windows下，符号\也不允许包含在内，必须使用/替换），或者一个URL链接（http://···）(用UPL对文件远程访问)
header	一个逻辑值（FALSE,TRUE），用来反映这个文件的第一行是否包含变量名
sep	文件中的字段分离符，例如对用制表符的文件使用sep=“\t”
quote	指定用于包围字符型数据的字符
dec	用来表示小数点的字符
row.names	保存着行名的向量，或文件中的一个变量的序号或名字，缺省时行号取为1，2，3····
col.names	指定列名的字符型的向量（缺省值是：v1,v2,v3····）
as.is	控制字符型向量是否转化为因子型变量（如果值为FALSE），或者仍将其保留为字符型（TRUE）。as.is可以是逻辑值，数值型或者字符型向量，用来判断变量是否保留为字符
na.strings	代表缺失数据的值(转化为NA)
colClasses	指定各列的数据类型的一个字符型向量
nrows	可以读取的最大行数（忽略负值）
skip	在读取行数据前跳过的行数
check.names	如果为TRUE，则检查变量名是否在R中有效
fill	如果为TRUE，且非所有的行中变量数目相同，则用空白补齐
···	···

• read.xlsx()函数

读入.xlsx文件，使用该函数需要安装"openxlsx包"。

文件的输出

• write.table()函数，参数与read.table()对应，

> write("Hello,wrold","C://Users//橙//Desktop//juli.txt")

• cat()函数，举例如下：

> cat("hello wrold",file="C://Users//橙//Desktop//juli.txt",append=T)#追加写入，（里面有内容）
> cat("hello wrold",file="C://Users//橙//Desktop//juli1.txt")  #覆盖写入，里面的内容被覆盖了

软件的退出与保存

1.可以直接输入q()函数；也可以右上角直接叉掉，后根据提示操作

2.当写完一个文件时，可以点击保存按钮，根据提示选择保存位置，文件后缀有多种，看你保存哪种文件，有.R、.Rdata等后缀，.R一般是保存代码的，.Rdata是保存处理后的数据的。

保存数据

可以使用**save()**函数，可以保存多种格式的文件

> save(b,file="xxx.Rdata") #保存b,文件是xxx，格式为.Rdata
> save(b,c,file="xxx.Rdata")  #保存b,c,文件是xxx，格式为.Rdata
> save.image("xxx.Rdata")  #保存所有（你定义的所有变量及数据），文件是xxx，格式为.Rdata

---

R语言语法

---

向量

向量(vector)是R语言的最基本的数据类型、R语言的核心、R语言中的战斗机 ，向量是用于存储数值型、字符型或逻辑型数据的一维结构。

向量的创建

1.可以使用c()创建一个向量，如：

> a<-c(1,2,3,4,5)    #存储的数据是数值型，直接用逗号隔开
> a<-c(1:5)          #与第一行代码意思是一样的，因为是连续的，所以用1：5表示1到5的五个数
> b<-c("R","Rstudio")  #储存的是字符型数据，字符型的数据要加双引号
> c<-c(TRUE,FALSE,T,F)  #储存的数据是逻辑型的，TRUE与T是一样的，T是TRUE的简写，F是FALSE的简写

2.可以用vector()函数建立一个空向量，如：

> d<-vector(length=10)   #建立了一个名字为d的空向量，长度为10
> d                   #我们看一下d里的内容，发现全部为FALSE，可以理解为空向量里值都为FALSE[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE[9] FALSE FALSE

向量的索引（向量元素的提取、删除、添加）

我们有一个向量后，我想知道里面第几个第几个的内容，我们可以使用中括号[]进行索引。如：

> a<-c(1,2,3,4,5)  #我这里有一个向量a
> a[2]           #我查看a中第2个元素，返回结果为2
[1] 2
> a[4]           #我查看a中第4个元素，返回结果是4
[1] 4
> a[c(1,3)]  #我查看a中第1和第3个元素，可以使用向量的方式一次查看多个
[1] 1 3
> c<-c(TRUE,FALSE,T,F,F) #当然还有骚操作，这里有一个逻辑型向量c,我们试试用a索引它
> a[c]    #结果可以看到，返回的是TRUE对应位置的元素，这个操作我不知道教材上有没有，这是我意外摸索出来的
[1] 1 3

以上讲的是查看某元素，在实际中会遇到更改或删除某些元素

1.向量中元素的更改，直接进行索引赋值，如下

> a<-c(1,2,3,4,5)  #这里有一个向量a，没错又是它，它又来了，这个阿婆主真没技术含量(叹气)
> a[2]<-4       #a中第二个元素改为4
> a            #看一下a中的元素，唉~~，没错它变了(窃喜)
[1] 1 4 3 4 5
> a[c(1,5)]<-7   #我把a中的第1和第5改为7
> a             #再次看一下
[1] 7 4 3 4 7

2.向量中元素的删除

上面讲到索引是用[]，里面写上元素位置，位置是数字，正的！！！那么是负的会怎样呢？？？嗯！没错，负数

索引是查看删除那个位置后的结果，注意单纯的负索引出来的结果是没有改变原向量的，我们需要重新赋值，给它一个新的变量名（不用新的也行，但会把原来的覆盖掉），废话不多说，直接看如下代码：

> a     #没错，又用了上面个那个向量a，up真没创意(梆梆给阿婆主两拳)
[1] 7 4 3 4 7
>
> a[-2]  #我负索引以下第2个位置，返回的结果与a的区别是，把第2位删掉了
[1] 7 3 4 7
> a     #我们在看一下a，返回结果尽然没有把第2为删掉，那怎么办？？那就给他一个新的名字吧！
[1] 7 4 3 4 7
>
> e<-a[-2]    #既然a[-2]返回的结果是我需要的，那么直接给他一个新名字吧，让一个东西去接收它
> e         #上面我们用了e去接受我们需要的，我们看一下是否赋值到了，运行这行代码后发现结果是我想要的
[1] 7 3 4 7
>
> a<-a[-2]   #为啥要重新弄个新的变量名呢？用a不可以吗？肯定可以呀！俺敲着这行代码试一下(自信)
> a    #查看一下a，对的是我想要的(满意)······(十分钟后)我原本的a呢？啊~~，救命，被我覆盖掉了(螺旋升天)
[1] 7 3 4 7   #所以不要轻易覆盖掉原来的变量，万一后面要用到呢？
>
>    #升级以下，看看能不能用向量一次性多删几个
> a<-c(1,2,3,4,5)  #这里我又用了原向量a，上面的向量a太短了
> f1<-a[c(-1,-3)]  
> f1              #结果是可以的
[1] 2 4 5
> f2<-a[-c(1,3)]  #上面f1是把负号放在向量里面，放外面其实也是可以的耶！
> f2
[1] 2 4 5
>
>   #突发奇想，如果a[]，中括号里面的向量里面与外面都有负号呢？试一试！
> f3<-a[-c(-1,-3)]  
> f3        #f3的结果显示第1位与第3位的元素，嗯~~，那就可以理解为负负得正，直接把a中的第1和3位赋值给f3
[1] 1 3
> f4<-a[-c(-1,3)]  #脑子抽风了，这种行不行呢？哈！！！！它报错，对的报错了，那就不可以咯！
Error in a[-c(-1, 3)] : only 0's may be mixed with negative subscripts

3.向量元素的添加

上面我们提到了向量元素的索引与元素的删除，那能不能加元素进去呢？？答案肯定是能得，那么如何加入元素呢？这就要用到向量的素引了，看如下代码与注释：

> a<-1:5      #这里有一个向量a，我想在第2与第3个位置上加上一个元素6，如下
> g1<-c(a[1:2],6,a[3:5])     #这中方法结果是可行的，可以理解为，把a分为两部分，中间插一个6
> g1
[1] 1 2 6 3 4 5
> g2<-c(a[1:2],7,9,10,a[3:5])    #多插如几个都是可以的
> g2
[1]  1  2  7  9 10  3  4  5
>  #当然比较短的向量就可以重新写一个，但是如果有几万个，上面的方法是很不错的

向量长度的获取

我有一个非常长的向量，我并不知道它的长度，我们可以使用length()函数获取向量长度，如下代码：

> a1<-99:10058   
> length(a1)     #运行函数后返回了向量a1的长度
[1] 9960

向量的注意要点

向量在使用之前需要进行声明，声明主要有两种：

1.变量名<-c(········)；变量名与向量元素同时确定，如：

a<-c(1,2,4,5,7,8)   #使用了c(····)的形式，a就默认为一个向量

2.直接创建一个空向量，后赋值，如：

> b<-vector(length=5)   #建立一个名字为b，长度为5的空向量
> b[3]<-6            #第3位元素赋值为6
> b         #查看结果，可以看到第三位是6，其他为0，因为之前提到过，空向量里的值都为FALSE
[1] 0 0 6 0 0     #当里面出现数值时，其他位置的FALSE变为数字0

还需注意向量元素的类型

如何判断一个变量类型呢？我们可以使用mode()函数查看变量类型，或者使用typeof()函数

1.当向量元素同时含有数值与字符型时，返回的结果为字符型，数值型转变为了字符型，在后续处理数据时需要注意，只要出现了字符型元素，则此向量应当作字符型向量处理，如下：

> c<-c(1,3,"ABC")   
> mode(c)          #查看一下c是什么类型的数据，返回结果是字符型
[1] "character"
> c                    
[1] "1"   "3"   "ABC"

2.当向量元素同时含有数值型与逻辑型时，返回结果为数值型，逻辑性转变为数值型，其中FALSE转变为0，TRUE转变为1。如：

> c1<-c(1,5,FALSE,TRUE)
> mode(c1)              #查看一下c是什么类型的数据，返回结果是数值型
[1] "numeric"
> c1
[1] 1 5 0 1

3.当向量同时含有数值型、逻辑型与字符型时，全部转变为字符型，如：

> c2<-c(1,5,FALSE,TRUE,"ABC")
> mode(c2)               #查看一下c2是什么类型的数据，返回结果是字符型
[1] "character"
> c2
[1] "1"     "5"     "FALSE" "TRUE"  "ABC" 

总结：逻辑性可以转化为数值型与字符型，数值型可以转化为字符型，注意：字符型不可以转换为逻辑与数值型， as.数据类型()可以进行强制转换,如下

> c1<-c(1,5,FALSE,TRUE)
> as.character(c1)        #将c1强制转换为字符型
[1] "1" "5" "0" "1"
> as.numeric(c1)         #将c1强制转换为数值型
[1] 1 5 0 1

向量的计算

1.向量的循环补齐，使用向量相加的例子举例，（相加与相减类似）如：

> c(3,4)+c(8,9)  #8+3=11，9+4=13，这是两个向量长度相同的
[1] 11 13
> c(2,4)+c(2,3,4,5,6)  #2+2，3+4，4+2，5+4，6+2，能算，但长度不相同的会出现警告
[1] 4 7 6 9 8
Warning message:
In c(2, 4) + c(2, 3, 4, 5, 6) :longer object length is not a multiple of shorter object length

2.向量相乘，使用*号。长度相同时，两向量对应元素相乘，但长度不同时会出现警告，会使用向量循环补齐的方式计算，如下：

> c(1,3)*c(3,5)    #长度相同，对应元素相乘，3×1，5×3
[1]  3 15
> c(1,3,5)*c(2,4,7,8,10)  #长度不同，补齐方式计算，2×1，4×3，7×5，8×1，10×3
[1]  2 12 35  8 30
Warning message:
In c(1, 3, 5) * c(2, 4, 7, 8,10) :longer object length is not a multiple of shorter object length

3.向量取余使用%%,长度相同时，对应元素取余，长度不同时，出现警告，循环补齐式取余，请看如下代码：

> c(1,3)%%c(5,9)    #1÷5余1，3÷9余3，长度相同，对应元素取余
[1] 1 3
> c(5,9)%%c(1,3)    #5÷1余0，9÷3余0，长度相同，对应元素取余
[1] 0 0
> c(1,3,10)%%c(2,4,5,8,3)  #长度不同，1÷2余1，3÷4余3，10÷5余0，1÷8余1，3÷3余0
[1] 1 3 0 1 0
Warning message:
In c(1, 3, 10)%%c(2, 4, 5, 8, 3) :longer object length is not a multiple of shorter object length

向量的相关函数（部分）

与向量相关的函数有很多，不一一介绍，介绍几个比较简单常用的

1.seq()函数

seq(from,to,by=), 从什么到什么，间隔（by）为多少，（等差数列，公差就是by的值）

seq(from,to,length.out=),从什么到什么，长度为多少；详情看如下代码：

> seq(from=3,to=12,by=3)  #从3到12，间隔(公差)为3
[1]  3  6  9 12
> seq(3,12,3)        #from，to by 可以不写，默认
[1]  3  6  9 12
> seq(from=3,to=12,length.out=6)   #从3到12，长度为6
[1]  3.0  4.8  6.6  8.4 10.2 12.0

2.rep() 函数

rep(x,time)，x重复time次，rep是重复repeat的简写

rep(x,each)，每个连续重复each次，详情如下：

> x<-c(1,3)     
> rep(x,time=2)   #重复两次整体x
[1] 1 3 1 3
> rep(x,each=2)    #x里的元素每一个重复两次
[1] 1 1 3 3
> rep(x,2)      #既不写time也不写each，默认为time
[1] 1 3 1 3

3.all()、any() 与match()函数

all()，判断元素是否都符合条件，返回逻辑值 ，只要有一个不满足，返回FALSE，看如下代码：

ang()，判断是否有元素满足条件，返回逻辑值，只要有一个满足，返回TRUE，如下代码：

> a               #我用向量a举例子
[1] 1 2 3 4 5
> all(a>0)      #判断a里的元素是否都大于0，返回了TRUE
[1] TRUE
> all(a>3)    #判断a里的元素是否都大于3,返回了FALSE
[1] FALSE
> any(a>4)    #判断a中是否有大于4的元素，返回了TRUE
[1] TRUE
> any(a>6)    #判断a中是否有大于6的元素，返回了FALSE
[1] FALSE

match()，意为匹配的意思，例如：match(A,B),判断向量A的元素在向量B里是否有，若有则返回在B中的位置，若没有，则返回NA；两向量长度不等时，循环补齐时判断，要注意时哪一个向量要循环，请看如下代码：

> match(c(1,4,5),c(2,4,3))   #两向量长度相同，第二个是相同的，返回相同的位置，其他返回NA
[1] NA  2 NA
> match(c(1,4,5),c(2,4))   #长度不等，1与2判断，4与4判断，5与2判断
[1] NA  2 NA
> match(c(1,4),c(2,4,3))    #长度不等，1与2判断，4与4判断，第一个元素都判断完了，直接结束，返回结果
[1] NA  2
> match(c(1,4,5,6,2,4),c(2,4))    
[1] NA  2 NA NA  1  2

NA与NULL值

NA表示存在但未知的数，NULL代表不存在的数

当数据中存在NA值是，要么删掉，但可能会让结果有偏差（尤其是在做科研时处理较大的数据时慎重考虑），要么给它一个这组数据的平均数或者是其他，看你处理什么数据与看你的需求。

NULL还有其他用法，比如在循环中创建一个向量，便于存数据。

举例如下：

> mean(c(3,5,7,9,NA))  #存在NA值，无法确定NA值的大小，返回结果也未知
[1] NA
> mean(c(3,5,7,9,NA),na.rm=T)  #把NA值删掉
[1] 6
> mean(c(3,5,7,9,NULL))   #NULL值根本不存在，不影响结果
[1] 6

向量元素的筛选

以下举例几个常用函数

1.which()函数

which() 返回满足条件元素的位置，注意是返回位置，如：

> a<-c(1,5,7,4,9)
> which(a==4)    #返回a等于4的元素的位置，位置为4
[1] 4
> which(a>5)     #返回a大于5的元素的位置，第3与第5是大于5的
[1] 3 5

2.subset()函数

subset() 函数是返回符合条件的元素，但会忽略NA值。注意：条件应为逻辑值，否则会报错，详情看如下代码：

> x<-c(1,3,7,NA,10)    #一个含有NA值的向量
> x[x>6]             #用向量的索引查看一下x>6的元素
[1]  7 NA 10
> subset(x,x>6)      #筛选x>6的元素，可以注意到它忽略了NA值，x>6可以理解为一个逻辑向量
[1]  7 10

3.ifelse()函数

ifelse(x,a,b) 函数判断元素x是否符合条件，如符合，返回a，若不符合，返回b。其中x为逻辑值， 如：

> X<-1:10          
> Y<-ifelse(X%%2==0,1,0)     #如果为偶数，返回1，奇数，返回0
> Y[1] 0 1 0 1 0 1 0 1 0 1

进阶

> temp0<-sample(c(5,6),50,replace=T)  #我用sample函数随机生成一个长度为50，元素只有5与6，随机生成
> temp0                      #看一下temp0[1] 6 5 6 5 6 5 5 6 6 6 5 6 5 5 5 6 5 6 6 6 5 6 5 6 5
[26] 6 6 6 6 5 5 5 6 5 6 5 6 5 5 6 5 5 6 6 6 6 5 6 5 5
>   #我想计算一下temp0中数字5出现的次数，有多种方法
>    #方法一
> temp1<-ifelse(temp0==5,1,0)  #我让为5的等于1，不为5的等于0，
> sum(temp1)           #求和一下，结果就为temp0中5的个数
[1] 24
>
>    #方法二
> temp2<-temp0     #temp2等于temp0，防止temp0数据被更改
> temp2[temp2==5]<-1    #让元素为5的等于1
> temp2[temp2==6]<-0     #让元素为6的等于0
> sum(temp2)          #求和，就是5的个数
[1] 24
>
>  #方法三
> temp3<-which(temp0==5)   #找向量temp0中为5的位置，并用一个向量接受它
> length(temp3)         #在算temp3的长度
[1] 24
> length(which(temp0==5))  #还能简化一下上两行的代码，直接出向量temp0中为5的元素个数
[1] 24
>
>  #方法多种多样，只要能出正确结果的方法都能，只是代码复杂度的问题，我不再一一列举，各位有兴趣可以自行探索

向量相等

有多种方法可以判断两向量是否相等

1.all()函数 ，返回逻辑值

2.identical（）函数，判断两向量是否相等，返回逻辑值

3.自定义函数，(自己写一个函数判断)

all()函数与identical()使用及两者区别直接请看如下代码：

> d1<-c(1,5,7,9)
> d2<-c(1,5,7,9)
> d3<-c(2,4,7,9)
> d4<-1:5
> d5<-c(1,2,3,4,5)
> all(d1,d2)    #判断d1与d2是否相等，返回了TRUE，但是出现了警告
[1] TRUE
Warning messages:
1: In all(d1, d2) : coercing argument of type 'double' to logical
2: In all(d1, d2) : coercing argument of type 'double' to logical
> all(d1,d3)    #判断d1与d3是否相等，返回了TRUE，但是出现了警告
[1] TRUE
Warning messages:
1: In all(d1, d3) : coercing argument of type 'double' to logical
2: In all(d1, d3) : coercing argument of type 'double' to logical
> identical(d1,d2)    #判断d1与d2是否相等，返回了TRUE
[1] TRUE
> identical(d1,d3)    #判断d1与d3是否相等，返回了FALSE
[1] FALSE
> all(d4,d5)     #判断d4与d5是否相等，返回了TRUE，但是出现了警告
[1] TRUE
Warning message:
In all(d4, d5) : coercing argument of type 'double' to logical
> identical(d4,d5)   #判断d4与d5是否相等，返回了FALSE
[1] FALSE
>
>  #在对比d4与d5时，all与identical出现了不同的结果，虽然内容相同，但是定义向量的方式不同，有区别，
>   #这是all与identcal的主要区别。

数据结构的查看

上面一部分,我们了解了R含有向量的数据结构，当然还有其他数据结构，比如矩阵、数据框、列表等，我们可以使用class(),

控制语句

ifelse()函数，iflese(x,a,b)，如果x为TRUE，则执行a,否者执行b

• for循环

for(i in x){·········}，i在循环会取遍x中的值，例如：

> for(i in c(1,5,7))  # i 在1，5，7中从左到右依次取
+ {
+   print(i^2)
+ }
[1] 1
[1] 25
[1] 49

next与break

next在for中表示继续循环，break表示跳出循环，例如:

> for(i in c(1,5,7))
+ {
+   ifelse(i<=5,print(i^2),next)
+ }
[1] 1
[1] 25
> for(i in c(1,5,7,8))
+ {
+   ifelse(i<=7,print(i^2),break)
+ }
[1] 1
[1] 25
[1] 49

• while()函数

和C语言用法一样，当括号里条件为TRUE时，执行语句

> a<-3
> while(a==3)
+ {
+   print(a+1)
+   a<-FALSE
+ }
[1] 4

• repeat()函数

意为重复，搭配if、break使用，不用break跳出程序将陷入死循环

repeat
{a<-a+1if(a>7){break}
}

• if(···){···}else{···}语句

特别注意else必须跟在第一个大括号后面，否则报错，举例如下：

> for(i in c(1,2,3,4,5))
+ {
+   if(i<=3)
+   {
+     print(i^2)
+   }else           #else必须跟在第一个大括号后面
+   {
+     print(i^3)
+   }
+ }
[1] 1
[1] 4
[1] 9
[1] 64
[1] 125

• 逻辑运算符

和C语言差不多，&&表示与，||表示或，！表示非

• 函数返回值

1.利用return返回结果

2.如果没有return则返回语句最后一行执行的结果，举例如下：

> F<-function(a)
+ {
+   k<-a
+   return(k)
+ }
> F(3)             #利用return返回结果
[1] 3
> F1<-function(a,b)
+ {
+   d<-a-b
+   c<-a+b
+   c
+ }
> F1(5,2)      #返回最后执行的语句值
[1] 7

• 全局变量与局部变量

如果学过C语言好理解；如果没学过，可以把全局变量理解为在函数内部无法改变的变量，局部变量就是在函数内部的变量，具有临时性。如：

> b<-5    #全局变量
> f3<-function(x)
+ {
+   b<-7    #这个并没有改变外面那个b
+   b1<-x      #局部变量，在函数外访问不到，函数返回结果后被删除
+   b2<-b+b1
+   return(b2)
+ }
> f3(9)
[1] 16
> b          #b没有发生变化
[1] 5
> b1           #在函数中是局部变量，函数返回结果后被删除，所以无法找到
Error: object 'b1' not found

---

矩阵

矩阵（matrix) 是一种特殊的向量，包含两个附加的属性：行数和列数，R生存矩阵时按列存储。

注意向量不能看成只有1列或1行的矩阵

矩阵的创建

1.利用函数matrix()函数

matrix(data = NA, nrow = 1, ncol = 1, byrow = FALSE,dimnames = NULL)；其中data表示要处理的数据（向量)，nrow表示行，ncol表示列，byrow表示是否按行排列，默认是列排，dimnames表示行与列的名字，默认是没有，要使用列表设置。如下代码：

> mydata<-matrix(c(1,2,3,4,5,6),nrow=2,ncol=3)     #两行三列，默认按列排
> mydata[,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
> mydata1<-matrix(c(1,2,3,4,5,6),nrow=2,ncol=3,byrow=T)    #两行三列，按行排
> mydata1[,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
> mydata3<—matrix(c(1,2,3,4,5,6),nrow=2,ncol=3,dimnames=list(c("r1","r2"),c("c1","c2","c3")))
> mydata3            #设置了名字，名字要用列表list形式，如上一行代码c1 c2 c3
r1  1  3  5
r2  2  4  6

2.利用函数将向量接起来，函数有rbind()按行接起来、cbind()按列接起来，例子代码如下：

> mydata5<-rbind(c(1,2,3),c(4,5,6))   #按行将两个向量接起来，形成矩阵
> mydata5[,1] [,2] [,3]
[1,]    1    2    3
[2,]    4    5    6
> mydata6<-cbind(c(1,2,3),c(4,5,6))    #按列将两个向量接起来，形成矩阵
> mydata6[,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6

3.强制转换为矩阵

利用as.matrix()函数强制转换为矩阵，如：

> a<-c(1,2,3,4,5,6,7,8)
> a1<-as.matrix(a)   #强制转换为矩阵，但是只有一列
> a1[,1]
[1,]    1
[2,]    2
[3,]    3
[4,]    4
[5,]    5
[6,]    6
[7,]    7
[8,]    8

4.建立一个空矩阵

直接写行列大小，如下：

> d<-matrix(nrow=3,ncol=2)   #建立一个3行2列的空矩阵，内容为NA，存在但未知
> d[,1] [,2]
[1,]   NA   NA
[2,]   NA   NA
[3,]   NA   NA

注意事项

当两个向量长度不相等时，会出现警告，长度不等的那个向量会用循环补齐的形式填补，如下：

> mydata7<-cbind(c(1,2,3,4,5),c(4,5))     #后一个向量短，出现警告，后面循环补上
Warning message:
In cbind(c(1, 2, 3, 4, 5), c(4, 5)) :number of rows of result is not a multiple of vector length (arg 2)
> mydata7[,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    4
[4,]    4    5
[5,]    5    4
> mydata8<-cbind(c(1,2),c(4,5,6,7,8))     #前面一个短，出现警告，前一个循环补齐
Warning message:
In cbind(c(1, 2), c(4, 5, 6, 7, 8)) :number of rows of result is not a multiple of vector length (arg 1)
> mydata8[,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    1    6
[4,]    2    7
[5,]    1    8

当向量中含有不同类型的数据时，会改变元素类型后转变为矩阵，如下:

> mydata10<-matrix(c(2,5,FALSE,TRUE),2,2)     #向量含有逻辑与数值型，逻辑转为数值，2行2列按列排
> mydata10[,1] [,2]
[1,]    2    0
[2,]    5    1
>   #向量含有逻辑,字符与数值型，全部转为字符，2行3列按列排
> mydata9<-matrix(c(1,3,FALSE,TRUE,"ABC","babiQ"),2,3)  
> mydata9[,1] [,2]    [,3]   
[1,] "1"  "FALSE" "ABC"  
[2,] "3"  "TRUE"  "babiQ"

矩阵的索引

使用下标和中括号来选择矩阵中的行或列或元素，矩阵名+中括号，中括号里面写需要的行与列

我有一个矩阵，名字为mymatrix，5行5列，如下：

> mymatrix<-matrix(c(1:25),5,5)
> mymatrix[,1] [,2] [,3] [,4] [,5]
[1,]    1    6   11   16   21
[2,]    2    7   12   17   22
[3,]    3    8   13   18   23
[4,]    4    9   14   19   24
[5,]    5   10   15   20   25

矩阵每一行前或列首都有一个中括号括起来的，可以理解为这一行或列

1.mymartix[i,]，返回矩阵mymatrix中第i行元素，如：

> mymatrix[3,]         #返回第三行元素
[1]  3  8 13 18 23

2.mymartix[,j]，返回矩阵mymatrix中第j列元素，如：

> mymatrix[,5]       #返回第5列元素
[1] 21 22 23 24 25

3.mymartix[i,j]，返回矩阵mymatrix中第i行第j列元素，如：

> mymatrix[2,2]      #返回第2行第2列元素 
[1] 7

4.mymatrix[i,-j]，返回第i行,但排除第j列元素，如：

> mymatrix[2,-3]   #返回第2行,但排除第3列元素
[1]  2  7 17 22

5.mymatrix[-i,j]，返回第j列，但排除第i行元素，如：

> mymatrix[-3,2]  #返回第2列，但排除第3行元素
[1]  6  7  9 10

6.mymatrix[c(m,n),c(p,k)]，返回第m和n行，第p和k列元素，如：

> mymatrix[c(1,3),c(3,5)]    #返回第1和3行，第3和5列元素[,1] [,2]
[1,]   11   21
[2,]   13   23

7.mymatrix[-c(m,n),c(p,k)]，返回第p和k列，但排除第m和n行元素，如：

> mymatrix[-c(1,3),c(3,5)]     #返回第3和5列，但排除第1和3行元素[,1] [,2]
[1,]   12   22
[2,]   14   24
[3,]   15   25

8.当矩阵有行列名时，可以通过行与列名进行提取元素，如:

> mymatrix3							#这里有一个矩阵c1 c2 c3 c4 c5 行均值 
r1      1  6 11 16 21      11
r2      2  7 12 17 22      12
r3      3  8 13 18 23      13
r4      4  9 14 19 24      14
r5      5 10 15 20 25      15
列均值  3  8 13 18 23      NA
> mymatrix3["r1","c2"]			#返回列名c2，行名为r1的元素
[1] 6
> mymatrix3[c("r2","r4"),c("c3","c5")]		#返回行名为r2与r4,列名为c3与c5的元素c3 c5
r2 12 22
r4 14 24

drop处理意外降维

上面矩阵的引用1~5条，从一个矩阵中提取的结果都为向量，如果说，我取一行或一列后返回结果要求是矩阵，虽然说可以先取后转变为矩阵，但相对还是麻烦了，我们可以加入drop防止降维，如：

> mymatrix<-matrix(c(1:25),5,5)
> mymatrix[2,] 				#直接取就会降维为向量
[1]  2  7 12 17 22
> mymatrix[2,,drop=F]        #如果要求取出是矩阵，则加入drop=F[,1] [,2] [,3] [,4] [,5]
[1,]    2    7   12   17   22

矩阵相关操作及相关函数（部分）

1.转置，函数t(),如：

> mymatrix<-matrix(c(1:25),5,5)     #我这里有一个矩阵
> mymatrix[,1] [,2] [,3] [,4] [,5]
[1,]    1    6   11   16   21
[2,]    2    7   12   17   22
[3,]    3    8   13   18   23
[4,]    4    9   14   19   24
[5,]    5   10   15   20   25
> mymatrix1<-t(mymatrix)          #对函数进行转置，返回结果如下
> mymatrix1[,1] [,2] [,3] [,4] [,5]
[1,]    1    2    3    4    5
[2,]    6    7    8    9   10
[3,]   11   12   13   14   15
[4,]   16   17   18   19   20
[5,]   21   22   23   24   25

2.横向或纵向合并矩阵

cbind()函数横向合并矩阵

rbind()函数纵向合并矩阵，举例如下：

> M<-matrix(c(1,2,3,4),2,2)   
> N<-matrix(c(5,6,7,8),2,2)     #建立了两个矩阵M,N，如下
> M[,1] [,2]
[1,]    1    3
[2,]    2    4
> N[,1] [,2]
[1,]    5    7
[2,]    6    8
> cbind(M,N)			#横向合并矩阵M,N[,1] [,2] [,3] [,4]
[1,]    1    3    5    7
[2,]    2    4    6    8
> rbind(M,N)			#纵向合并矩阵M,N[,1] [,2]
[1,]    1    3
[2,]    2    4
[3,]    5    7
[4,]    6    8

3.对各列或行求和或求均值

colSums()对各列求和，rowSums()对各行求和

colMeans()对各列求均值，rowMeans()对各行求均值，举例如下：

> mymatrix							#以这个矩阵举例[,1] [,2] [,3] [,4] [,5]
[1,]    1    6   11   16   21
[2,]    2    7   12   17   22
[3,]    3    8   13   18   23
[4,]    4    9   14   19   24
[5,]    5   10   15   20   25
> colSums(mymatrix)				#对各列求和
[1]  15  40  65  90 115
> rowSums(mymatrix)				#对各行求和
[1] 55 60 65 70 75
> colMeans(mymatrix)			#对各列求均值
[1]  3  8 13 18 23
> rowMeans(mymatrix)			#对各行求均值
[1] 11 12 13 14 15

4.计算行列式

det()函数，计算行列式，举例如下：

> M[,1] [,2]
[1,]    1    3
[2,]    2    4
> det(M)
[1] -2

5.矩阵相乘

使用%*%进行矩阵相乘，举例如下：

> M[,1] [,2]
[1,]    1    3
[2,]    2    4
> N[,1] [,2]
[1,]    5    7
[2,]    6    8
> K<-M%*%N			#两矩阵相乘
> K[,1] [,2]
[1,]   23   31
[2,]   34   46

6.设置行列名

设置行列名有三种以上方式，这里介绍三种常用的

• 在创建矩阵时设置行列名，如

  >   #使用dimnames，以列表的形式设置行列名> fa<-matrix(c(2,3,4,5),2,2,dimnames =list(c("第一行","第二行"),c("第一列","第二列")))> fa第一列 第二列第一行      2      4第二行      3      5

• 在外部使用dimnames()函数设置行列名

  > fa1<-matrix(c(6,7,8,9),2,2)  #矩阵原先未设置行列名> a<-c("第一行","第二行")> b<-c("第一列","第二列")> dimnames(fa1)<-list(a,b)    #使用dimnames函数设置行列名> fa1第一列 第二列第一行      6      8第二行      7      9

• 使用函数rownames()设置行名，使用colnames()设置列名

> fa2<-matrix(c(1,3,5,7),2,2)  #行列未命名的矩阵
> rownames(fa2)<-c("A1","A2")     #对行命名
> colnames(fa2)<-c("B1","B2")		#对列命名
> fa2B1 B2
A1  1  5
A2  3  7

apply()函数

apply(m,dimcode,f,fargs) 允许用户在各行各列调用函数
m 矩阵，dimcode 1代表行， 2代表列，f函数，frags可选参数，函数大于一个参考时使用用“，”隔开。

> mymatrix<-matrix(c(1:25),5,5)			#建立了一个矩阵
> mymatrix[,1] [,2] [,3] [,4] [,5]
[1,]    1    6   11   16   21
[2,]    2    7   12   17   22
[3,]    3    8   13   18   23
[4,]    4    9   14   19   24
[5,]    5   10   15   20   25
>   
> mymatrix_rowmean<-apply(mymatrix,1,mean)  #对行求均值
> mymatrix_colmean<-apply(mymatrix,2,mean)  #队列求均值
> mymatrix_rowmean1<-matrix(mymatrix_rowmean,length(mymatrix_rowmean),1)  #转换为一列的矩阵
> mymatrix_colmean1<-matrix(mymatrix_colmean,1,length(mymatrix_colmean))  #转换为一行的矩阵
> mymatrix_colmean1[6]<-NA         #矩阵右下角有个空，用NA值填一下，方便连接
> mymatrix2<-cbind(mymatrix,mymatrix_rowmean1)    #按列把两个矩阵接起来
> mymatrix3<-rbind(mymatrix2,mymatrix_colmean1)	  #按列把两个矩阵接起来
> a<-c("r1","r2","r3","r4","r5","列均值")
> b<-c("c1","c2","c3","c4","c5","行均值")
> dimnames(mymatrix3)<-list(a,b)     #设置行列名
> mymatrix3							#展示结果c1 c2 c3 c4 c5 行均值
r1      1  6 11 16 21     11
r2      2  7 12 17 22     12
r3      3  8 13 18 23     13
r4      4  9 14 19 24     14
r5      5 10 15 20 25     15
列均值  3  8 13 18 23     NA

数据结构的查看

上面一部分,我们了解了R含有向量，矩阵数据结构，当然还有其他数据结构，比如数据框、列表等，我们可以使用class(),如：

> mymatrix<-matrix(c(1:25),5,5)   
> class(mymatrix)
[1] "matrix" "array" 
> a<-c(1,2)
> class(a)
[1] "numeric"

判断对象是否是矩阵

1.使用attributes()函数，若是矩阵返回一个维度，若不是，返回NULL值，如下：

> mymatrix<-matrix(c(1:25),5,5)
> attributes(mymatrix)      #返回维度，5行5列
$dim
[1] 5 5
> attributes(mymatrix[2,])     #向量无维度，返回NULL值
NULL

2.使用is.matrix()函数，如：

> mymatrix<-matrix(c(1:25),5,5)
> is.matrix(mymatrix)          #判断mymatrix是不是一个矩阵，若是返回TRUE,不是返回FALSE
[1] TRUE
> is.vector(mymatrix[2,])		#判断mymatrix[2,]是不是向量，是返回TRUE，不是返回FALSE
[1] TRUE

---

列表

列表（list） 是R的数据类型中最为复杂的一种。一般来说，列表就是一些对象（或成分，component）的有序集合。列表允许整合若干（可能无关的）对象到单个对象名下。

• 列表允许以一种简单的方式组织和重新调用不相干的信息。

• 许多R函数的运行结果都是以列表的形式返回的。函数需要返回两个以上变量时需采用list形式返回。

列表的创建

使用list(·····)创建列表，list(object1,object2······)其中的object可以是到目前为止提到的任何数据类型，比如：向量，矩阵，列表等。下面举个例子，如：

> d<-"our one list "           #单个字符
> d1<-c(1,2,4,7,9)                #向量
> d2<-matrix(c(2,4,6,8),2,2,byrow=T)      #矩阵
> ourlist<-list(d,d1,d2)            #建立列表
> ourlist                  #查看列表
[[1]]
[1] "our one list "[[2]]
[1] 1 2 4 7 9[[3]][,1] [,2]
[1,]    2    4
[2,]    6    8

声明列表

之前提过如何建立一个空向量，现在建立（声明）一个空列表也差不多，如下：

> ourlist2<-list()          #建立或声明一个空向量
> mode(ourlist2)        #查看一下类型，返回结果是列表
[1] "list"

标签或者对象名的命名

每一个列表组件都可设置标签，就像向量的变量名或矩阵的行列名一样，标签会显示在$的后面。命名的方式很简单直接在建立列表时直接命名，如

> d<-"our one list "
> d1<-c(1,2,4,7,9)
> d2<-matrix(c(2,4,6,8),2,2,byrow=T)
> d3<-list(c(1,2),c(3,4))      #列表
> ourlist3<-list("字符"=d,d1=d1,juzhen=d2,d3)     #注意我这里列表里嵌套了一个列表
>   #第一个组件名字是“字符”，第二个是d1，第三个是juzhen
>
> ourlist3         #$符号的后面是标签（组件名），如果没有标签的那个，$号会变成[[数字]]，如第4个
$字符
[1] "our one list "$d1
[1] 1 2 4 7 9$juzhen[,1] [,2]
[1,]    2    4
[2,]    6    8[[4]]
[[4]][[1]]
[1] 1 2[[4]][[2]]
[1] 3 4

删除标签

这里讲的删除标签是删除列表中的所有标签，有两个函数可以使用

• 使用unname()函数去掉标签，如：

> listxx<-list(d3=c(2,4,6,8),d4=c(1,3,5,7))
> listxx
$d3
[1] 2 4 6 8$d4
[1] 1 3 5 7> unname(listxx)     #去掉标签
[[1]]
[1] 2 4 6 8[[2]]
[1] 1 3 5 7

• 使用NULL

> listxx1<-list(d5=c(2,4,6,8),d6=c(1,3,5,7))
> listxx1       		#这个列表是有标签的
$d5
[1] 2 4 6 8$d6
[1] 1 3 5 7> names(listxx1)<-NULL			#给标签一个NULL值
> listxx1						#列表标签被删除
[[1]]
[1] 2 4 6 8[[2]]
[1] 1 3 5 7

鬼点子

既然我们上面看到了使用names()<-NULL,可以删掉标签，那么如果把NULL值换成向量是不是可以更换列表标签呢？（这是我写这篇文章的时候突发奇想的，之前并不知道），我直接试了一下，如下：

> listxx2<-list(D1=c(2,4,6,8),D2=c(1,3,5,7))
> listxx2						#兄弟们，这是可以的
$D1										 #####			    #####
[1] 2 4 6 8							 ###	  ###       ###      ###$D2									
[1] 1 3 5 7								  ##                 ####              ##
> names(listxx2)<-c("f1","f2")				  ##          ##
> listxx2										##########
$f1													
[1] 2 4 6 8$f2
[1] 1 3 5 7

列表元素的索引

列表元素的索引有多种，一是索引列表某组件，二是索引列表中某组件里的内容

一、索引列表某组件

1.如果有标签，可以通过标签索引一个组件整体，方法与向量，矩阵的访问差不多，如，我们用上面例子，ourlist3举例：

> ourlist3["字符"] 			#中括号里写标签，注意要用双引号
$字符
[1] "our one list "
> ourlist3[1]                #直接中括号里一个数字，这个数字代表的是列表里第几个组件
$字符
[1] "our one list "

2.无论有无标签，都可以直接用组件序号索引，如

> ourlist4<-list(c(1,2),c(3,5))    #有一个列表，没有给组件设置标签
> ourlist4[2]           #直接可以中括号里写组件序号索引一整个组件
[[1]]
[1] 3 5
> class(ourlist4[2])		#class一下，ourlist4[2]是一个列表
[1] "list"

二、索引列表某组件中的内容

1.如果有标签，有两种方式索引组件内容

• 使用$符号索引组件内容，变量名+$+标签 ，如：

  > ourlist5<-list(a=c(1,2),b=c(3,5),c(5,6))  #这里有一个列表，两个有标签> ourlist5  				#查看一下，是我预期结果$a[1] 1 2$b[1] 3 5[[3]][1] 5 6> ourlist5$a      #使用$符号加标签索引[1] 1 2> ourlist5$b[1] 3 5> class(ourlist5$a)    #class一下ourlist5$4,它是数值型内容[1] "numeric"

• 使用两个中括号，中括号里写标签，标签要用双引号，如：

  > ourlist5<-list(a=c(1,2),b=c(3,5),c(5,6))> ourlist5[["a"]]       #两个中括号，中括号里写标签，标签要用双引号[1] 1 2> ourlist5[["b"]][1] 3 5

2.无论有无标签，都可用两个中括号，中括号里写组件序号索引组件内容 ，如

> ourlist5<-list(a=c(1,2),b=c(3,5),c(5,6))
> ourlist5[[1]]      #两个中括号，中括号里写组件序号访问
[1] 1 2
> ourlist5[[3]]
[1] 5 6

列表元素的增减

1.增加元素

当我有一个列表，已经创建完毕，但还需加入元素时，可以直接通过索引的方式赋值，如：

• 方法一，通过两个中括号的方式，本来没有第三个的，直接加一个进去，R灰常银杏话（nice）

> ourlist6<-list(a=c(1,2),b=c(3,5)
+ )
> ourlist6[[3]]<-TRUE			#第三个给它一个TRUE
> ourlist6
$a
[1] 1 2$b
[1] 3 5[[3]]
[1] TRUE

• 方法二，通过$符号，直接标签与内容一次性直接加进去。

> ourlist7<-list(a=c("很好","非常好"),b=c("good","nice"))
> ourlist7$c<-"好极了"				#
> ourlist7
$a
[1] "很好"   "非常好"$b
[1] "good" "nice"$c
[1] "好极了"

2.减元素

把你不需要的，直接赋值为NULL，之前提过NULL表示啥也没有，请直接看代码，如;

> ourlist7				#我这里有一个列表，他有三个元素
$a
[1] "很好"   "非常好"$b
[1] "good" "nice"$c
[1] "好极了"
> ourlist7$b=NULL      #现在把第二个删掉，赋给它一个NULL值，看如下结果
> ourlist7
$a
[1] "很好"   "非常好"$c
[1] "好极了"

当然仿照向量使用负索引也是可以的，如：

> ourlist8<-list(a=c("很好","非常好"),b=c("good","nice"))
>  		#这里使用另一个变量ourlist9来接受它，因为和向量一样，负索引不会对原来的有影响
> ourlist9<-ourlist8[-2]		
> ourlist9
$a
[1] "很好"   "非常好"
>
>
> ourlist8				#ourlist8是没有改变的，ourlist9是ourlist8删了第二项后的
$a
[1] "很好"   "非常好"$b
[1] "good" "nice"

获取标签

直接使用names()函数获取列表所有标签，如：

> ourlist8<-list(a=c("很好","非常好"),b=c("good","nice"))
> names(ourlist8)		#返回结果是列表所有标签，如果列表好多标签，可以选择你需要的标签索引元素
[1] "a" "b"

解除列表

直接使用unlist()函数解除列表，（可以理解为一个列表让它散架）

> ourlist8<-list(a=c("很好","非常好"),b=c("good","nice"))
> unlist(ourlist8)			#返回结果是字符型向量，标签会各自显示在上方a1       a2       b1       b2 "很好" "非常好"   "good"   "nice" 
> class(unlist(ourlist8))
[1] "character"

列表相关函数（部分）

1.lapply()函数

lapply()-list apply 给每个组件执行给定函数，返回列表，和矩阵apply()类似，同属于apply家族

使用方法：lapply(目标列表，函数)，举例如下 ：

> listaa1<-list(a1=c(1,3,5,7,9),a2=c(2,4,6,8,10))
> lapply(listaa1,mean)    #对每一个组件执行求均值
$a1
[1] 5$a2
[1] 6
> lapply(listaa1,max)   #返回组件内容中的最大值
$a1
[1] 9$a2
[1] 10

2.sapply()函数

与lapply()一样，只是返回的结果类型是向量，举例如下

> listaa1<-list(a1=c(1,3,5,7,9),a2=c(2,4,6,8,10))
> sapply(listaa1,mean)   #返回结果是向量，标签与返回值竖一一对应
a1 a2 5  6 
> class(sapply(listaa1,mean))
[1] "numeric"

---

数据框

数据框的创建

数据框类似矩阵，有行列两个维度。数据框允许不同的列可以包含不同类型的数据。注意：数据框可以看成每个组件长度相同的列表。。个人见解：数据框就像excel表格一样，比矩阵高级一点。很多东西都可以参考矩阵。

x<-data.frame(col1, col2, col3，……) 其中的列向量col1, col2, col3,… 可为任何类型（如字符型、数值型或逻辑型）。数据框可以看成每个组件长度相同的列表，数据框类似矩阵，有行列两个维度。建议数据框在Rstudio的左上角框里查看。数据框的创建举例如下：

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> #name,性别,age 是列名
> mydata1name 性别 age
1 李华   男  18
2 张三   女  19
3 李怡   女  20

数据框的索引

数据框的索引与矩阵的索引差不多

1.索引一整各组件

• 使用一个中括号索引，中括号里写第几列序号，如：

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> mydata1[3]		#索引第三列的age元素age
1  18
2  19
3  20
> class(mydata1[3])			#索引的结果是一个数据框
[1] "data.frame"

• 使用列名索引，与列表，矩阵相同，如：

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> mydata1["name"]      #列名索引name
1 李华
2 张三
3 李怡
> mydata1[c("age","name")]			#这里使用了向量索引了两列age name
1  18 李华
2  19 张三
3  20 李怡
> class(mydata1["name"])			#索引的结果是一个数据框
[1] "data.frame"
>  #当然还可以像矩阵一样索引多列多行，如：
> mydata1[,c(1,3)]		#索引1，3列name age
1 李华  18
2 张三  19
3 李怡  20
> mydata1[,c("name","age")]  #使用列名索引1，3列name age
1 李华  18
2 张三  19
3 李怡  20
> mydata1[c(1,2),c("name","age")]		#索引特定的行列name age
1 李华  18
2 张三  19

2.索引组件里的元素，和列表相同，如：

• 使用两个中括号，中括号里写列的序号或者是列名（列名要引号），如

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> mydata1[[2]]				#中括号里写所需的列序号
[1] "男" "女" "女"
> mydata1[["性别"]]			#中括号写列名，列名要加引号，因为它是字符型
[1] "男" "女" "女"
> class(mydata1[["性别"]])		#索引后返回结果是字符型向量
[1] "character"

• 使用$符号索引，与列表相同

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> mydata1$性别
[1] "男" "女" "女"
> class(mydata1$性别)		#索引后返回结果是字符型向量
[1] "character"

数据框有两个维度，可以返回多行多列的结果，具体操作方式与矩阵 相同，这里不过多阐述（怕读者读了睡觉）

数据框行列名的获取与更改

数据框行列名的读取与编辑有多种方式，这里介绍两种常用的

数据框列名的读取与更改

1.可以通过colnames(<数据框>)来读取并编辑列名称。 这种方式很银杏话（dog）,既可以单个读取或更改，也可以大量读取或更改，请看如下代码：

• 列名读取，colnames(数据框)[···]或者colnames(数据框)

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> colnames(mydata1)[1]		#读取第一列列名，读取哪个中括号里就写几
[1] "name"
> colnames(mydata1)[c(1,2)]  #我使用向量读取了两个
[1] "name" "性别"
> colnames(mydata1)   		#读取数据框所有列名
[1] "name" "性别" "age" 

• 列名更改，colnames(数据框)[···]或者colnames(数据框)<-c(···)

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> colnames(mydata1)[1]<-"a"		#更改第一列列名，要改第几个中括号里就写几
> mydata1				a 性别 age
1 李华   男  18
2 张三   女  19
3 李怡   女  20
> colnames(mydata1)[3]<-"c"			#更改第三列列名
> mydata1a 性别  c
1 李华   男 18
2 张三   女 19
3 李怡   女 20
> colnames(mydata1)<-c("a1","b","c1")   #注意没有中括号了，我使用一个向量全部改了
> mydata1a1  b c1
1 李华 男 18
2 张三 女 19
3 李怡 女 20

数据框行名的读取与更改

可以通过row.names(<数据框>)来读取并更改行名称

• 行名读取，row.names(数据框)[···]或row.names(数据框)，举例如下：

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> 	#读取所有行名，因为我没有设置行名，所以系统帮你默认了数字（可以在Rstudio左上角框里看到
> row.names(mydata1)  
[1] "1" "2" "3"
> row.names(mydata1)[2]		#还可以查看第几个第几个你想看的行名
[1] "2"
> row.names(mydata1)[c(2,3)]		#多行中括号里就用向量
[1] "2" "3"

• 行名更改,row.names(mydata1)<-c(···)，举例如下：

> mydata1<-data.frame(name=c("李华","张三","李怡"),"性别"=c("男","女","女"),age=c(18,19,20))
> mydata1name 性别 age
1 李华   男  18
2 张三   女  19
3 李怡   女  20
>  #从上面的结果看到，我没有设置行名，系统默认了一个，往往按大部分需求是要改的
> row.names(mydata1)<-c("r1","r2","r3")  #更改行名，结果如下：
> mydata1name 性别 age
r1 李华   男  18
r2 张三   女  19
r3 李怡   女  20

数据框元素的增减

1.数据框元素的增加

和矩阵一样，也可以使用rbind()与cbind()函数添加行列，但需注意数据框使用rbind()时添加的行是数据框或列表。

• 添加列，举例如下：

> mydata2<-data.frame(name=c("李小华","张大三","李佳怡"),"性别"=c("男","男","女"),age=c(18,19,20))   #这里有一个数据框
> mydata2name 性别 age
1 李小华   男  18
2 张大三   男  19
3 李佳怡   女  20
> higth<-c(175,173,167)   #这里创建了一个身高的向量
> mydata3<-cbind(mydata2,higth)  #按列合并，返回结果如下
> mydata3name 性别 age higth
1 李小华   男  18   175
2 张大三   男  19   173
3 李佳怡   女  20   167

• 添加行，注意数据框使用rbind时添加的行是数据框或列表。举例如下：

>   #这里直接沿用上面的例子
> mydata3name 性别 age higth
1 李小华   男  18   175
2 张大三   男  19   173
3 李佳怡   女  20   167
> a<-data.frame(name="陈永鸿","性别"="男",age=21,higth=177)  #要加入的新数据框
> a								#看一下是不是我需要的name 性别 age higth
1 陈永鸿   男  21   177
> rbind(mydata3,a)			#按行合并数据框name 性别 age higth
1 李小华   男  18   175
2 张大三   男  19   173
3 李佳怡   女  20   167
4 陈永鸿   男  21   177

2.数据框元素的删除

数据框元素的删除有多种方式，但方法与矩阵的差不多 ，直接看代码，如下：

• 使用负索引

> mydata2<-data.frame(name=c("李小华","张大三","李佳怡"),"性别"=c("男","男","女"),age=c(18,19,20))
> mydata2name 性别 age
1 李小华   男  18
2 张大三   男  19
3 李佳怡   女  20
> #负索引的形式，但也要覆盖或这建立新数据框储存
> mydata4<-mydata2[-2,]    #删掉第二行
> mydata4name 性别 age
1 李小华   男  18
3 李佳怡   女  20
> mydata5<-mydata2[-3,-3]   #删除第三行第三列
> mydata5name 性别
1 李小华   男
2 张大三   男

• 赋予NULL值

> mydata2name 性别 age
1 李小华   男  18
2 张大三   男  19
3 李佳怡   女  20
> mydata6<-mydata2
>  #好像不可以使用NULL值取删除行，如果有同志会操作的可以在评论区留言
> mydata6[2,]<-NULL
Error in x[[jj]][iseq] <- vjj : replacement has length zero
> mydata6[,2]<-NULL       #给第二列一个NULL值
> mydata6				#查看mydata6,与删除前对比就是删除了第三列name age
1 李小华  18
2 张大三  19
3 李佳怡  20
> mydata7<-mydata2
> mydata7[,"age"]<-NULL   #使用列名也是可以的(呕心沥血)
> mydata7name 性别
1 李小华   男
2 张大三   男
3 李佳怡   女

数据框相关函数

基本以矩阵一致，好多函数都可以用，这里我举例apply 与lapply()，如：

• apply()

> mydata9<-data.frame("c1"=c(1,2,3),"c2"=c(6,7,8),"c3"=c(11,12,13),"c4"=c(4,5,6))
> mydata9c1 c2 c3 c4
1  1  6 11  4
2  2  7 12  5
3  3  8 13  6
> r_mean<-apply(mydata9,1,mean)  #对行求均值
> da<-cbind(mydata9,r_mean)		#按列合并
> dac1 c2 c3 c4 r_mean
1  1  6 11  4    5.5
2  2  7 12  5    6.5
3  3  8 13  6    7.5
> r<-apply(da,2,mean)    #求列均值
> mydata10<-rbind(da,r)			#合并行
> mydata10[4,5]<-NA				#不需要右下角的那个值
> mydata10c1 c2 c3 c4 r_mean
1  1  6 11  4    5.5
2  2  7 12  5    6.5
3  3  8 13  6    7.5
4  2  7 12  5     NA
> rownames(mydata10)<-c("r1","r2","r3","c_mean")    #改一下行名
> mydata10c1 c2 c3 c4 r_mean
r1      1  6 11  4    5.5
r2      2  7 12  5    6.5
r3      3  8 13  6    7.5
c_mean  2  7 12  5     NA

• lapply(),注意此函数操作对象是列表，即在数据框中默认对列操作

> mydata9c1 c2 c3 c4
1  1  6 11  4
2  2  7 12  5
3  3  8 13  6
> mydata11<-lapply(mydata9,sum)   #lappya()函数
> mydata11        #对列操作
$c1
[1] 6$c2
[1] 21$c3
[1] 36$c4
[1] 15

有时候，数据框会转换成矩阵操作，此时可以使用as.matrix()函数操作，这里不进行举例（太简单了）

---

因子和表

因子（factor） 是R语言中许多强大运算的基础，因子的设计思想来着统计学中的名义变量(分类变量),因子可以简单的看做一个附加了更多信息的向量。使用方法：factor(x = character(), levels, labels = levels, exclude = NA, ordered = is.ordered(x), nmax = NA)

因子的创建

不像向量、矩阵与数据框比较直观，很好理解，因子不太好使用语言描述，但是代码很直观，能很直观的返回对象有多少水平。直接看例子吧！

> myvector<-c("T","F","T","T","F","T")  #这里有一个向量
> myfactor<-factor(myvector)   #这是因子的用法
> myfactor							#查看一下
[1] T F T T F T
Levels: F T
>		#注意返回值第二行有一个水平，指的是myvector只有F与T，只有这两个水平。
>		#第一行可以理解为myvector转换为因子后的结果。
>

因子的索引

因子的索引与向量的操作差不多，但是返回的是原因子水平，不过多介绍，简单举例如下：

> myvector<-c("T","F","T","T","F","T")
> myfactor
[1] T F T T F T
Levels: F T
> myfactor[c(1,2)]		#取1，2个，水平不变
[1] T F
Levels: F T
> myfactor[c(3,4)]		#取3，4个，返回两个T,水平注意是原因子的水平
[1] T T
Levels: F T

因子的修改

与向量也差不多，最简单的方法是赋值，如：

> myvector<-c("T","F","T","T","F","T")
> myfactor<-factor(myvector)
> myfactor[3]<-"F"			#把第三个改为F
> myfactor
[1] T F F T F T
Levels: F T

当然还有其他操作，差不多都可以参照向量，特别说明：因子不是向量，他们只是像，因子的类型是因子型，与向量不同

因子常用函数

1.tapply()函数
tapply(x,f,g): x向量，f因子或因子列表，g函数。tapply执行操作，将x分组，每组对应一个因子水平（多因子情况下对应一组水平的组合，然后向量应用于函数g）,注意：f中每个因子需要与x具有相同的长度，返回值是向量或矩阵。x必须是向量

举例如下：

> data1						#这里有一个数据框name 性别 age higth
1 李小华   男  18   175
2 张大三   男  19   173
3 李佳怡   女  20   167
4 黎晓鸿   男  21   177
> class(data1)
[1] "data.frame"
>    #如下：对性别进行分组后，对身高进行求均值，返回男的身高平均值，女的身高平均值
> tapply(data1$higth,data1$性别,mean)    男  女 
175 167 
>
>   #如果想用分多组，就用因子列表，如 ；
> tapply(data1$higth,list(data1$性别,data1$name),mean)黎晓鸿 李佳怡 李小华 张大三
男    177     NA    175    173
女     NA    167     NA     NA
>  #如上结果开始有点有别扭，那是因为你的数据量不够大
>    #如果有几个人同时同名，就可以算出这些人在分男女的情况下的身高均值，我不在举例，大伙可以去试试

2.spilt()函数

和tapply(x,f,g)不同split(x,f)只分组,x可为数据框或向量，返回值是列表。

举例如下：

>  #沿用上面的数据框
> split(data1$name,data1$性别)  #对name按照性别进行分组，结果返回列表，标签是分组水平
$男
[1] "李小华" "张大三" "黎晓鸿"$女
[1] "李佳怡"

3.by()函数

by(x, f, function), x 向量或矩阵,注意by应用于对象，f 是因子，function 是函数。

举例如下：

>  #继续沿用上面的数据框
> by(data1$higth,data1$性别,mean)  
data1$性别: 男
[1] 175
----------------------------------------- 
data1$性别: 女
[1] 167

4.aggregate()函数

aggregate(x,list,f),其中x为向量/数据框/矩阵，第二个参数必须为一个列表，f是函数。该函数可以按照要求把数据打组聚合，然后对聚合以后的数据进行加和、求平均等各种操作。

举例如下：

> data1							#这里还是用了这个数据框name 性别 age higth
1 李小华   男  18   175
2 张大三   男  19   173
3 李佳怡   女  20   167
4 黎晓鸿   男  21   177
> aggregate(data1[,c(3,4)],list(data1$性别),mean)  #按性别聚合后，对age与higth进行求期望Group.1      age higth
1      男 19.33333   175
2      女 20.00000   167

表

R中表指的是列联表，至于什么意思，我这里直接给你看代码！表有多个函数，我们举两个例子

1.table()函数

常用于统计向量频数，举例如下：

> a<-c(1,2,3,4,2,3,1,1,1,3,3,3,2,4)
> table(a)
a
1 2 3 4 
4 3 5 2 
>  #解释：1有4个，2有3个，3有5个，4有2个

注意：表表可以如同矩阵一样访问

如：

> a<-c(1,2,3,4,2,3,1,1,1,3,3,3,2,4)
> table(a)[3]  #看第三个
3 
5 
> list1<-list(c(2,2,2,3,4,5,5),c(6,6,7,7,7,8,8))
> table(list1)list1.2
list1.1 6 7 82 2 1 03 0 1 04 0 1 05 0 0 2
> table(list1)[3,] 
6 7 8 
0 1 0 

2.cut()函数

cut(x,b,labels=FALSE)是生成因子的一种常用方法，常用于表操作。这个函数用法很复杂，我这里举一个非常简单的，如：

> a<-cut(data1$higth,breaks=c(-Inf,160,170,175,180,Inf),labels=c("不评价","还行","很好","喜欢","哇！哇！"))
> a<-cut(data1$higth,breaks=c(-Inf,160,170,175,180,Inf),labels=c("不评价","身高还行","身高很好","喜欢这身高","哇！哇！"))
> data1<-cbind(data1,a)
> data1						#对身高的一个估测name 性别 age higth          a
1 李小华   男  18   175   身高很好
2 张大三   男  19   173   身高很好
3 李佳怡   女  20   167   身高还行
4 黎晓鸿   男  21   177 喜欢这身高

个人评价：cut()这个函数用于基因表达的上调与下调好像很简便。（我没有用过，各位读者可以去试试，评论区可以告诉我结果行不行）

---

字符串

字符串比较简单，基本上就一些函数，如果学过C语言的，应该就知道字符串是啥，这里不在介绍。

字符串在文本挖掘中很重要，使用正则表达式很方便。

字符串操作的常见函数

1.字符串长度

使用nchar()函数求字符串长度。举例如：

> a1<-c("我是某某，喜只因")     #自己可以数一数，什么也要算长度（狗头）
> nchar(a1)
[1] 8

2.字符串合并

使用paste()合并字符串。paste(str1,str2,sep)，举例如下：

> a2<-"我是坤"
> a3<-"绰号只因"
> a4<-paste(a2,a3,sep="-坤粉说-")  #使用“"-坤粉说-"”进行连接a2与a3
> a4
[1] "我是坤-坤粉说-绰号只因"

3.字符串的分割

使用strsplit()函数分割字符串，返回的是列表，举例如下：

> a5<-"你~干~嘛~！"
> strsplit(a5,"~")   #分割a5，分割位置是~
[[1]]
[1] "你" "干" "嘛" "！"

4.读取字符串

使用substr()读取字符串，substr(x, start, stop)，举例如下：

>  a6<-"读取字符串"
> substr(a6,3,5)    #读取3到5个字符
[1] "字符串"
> substr(a6,5,5)   #还能都一个“串”字哦！晚上看到它的同志饿吗？
[1] "串"

5.字符串的替换

使用chartr()函数替换元素，chartr(old, new, x)，把x里的old换成new的，举例如下：

> a7<-"字符串的替换"
> chartr("替换","更改",a7)
[1] "字符串的更改"

注意：替换时，两个长度要相同，不然出问题

6.多个组件合成一个字符串

使用sprintf()函数，先给各位举个例子，学过C语言的应该秒懂它是干啥的。

> a9<-666
> hh<-sprintf("你真%d",a9)     #对的a9里的数字替换了%d
> hh
[1] "你真666"

具体举例如下：

> a10<-"哎呦"
> a11<-6
> h1<-sprintf("你干嘛！%s,%d",a10,a11)  #%s是接受字符串型的数据
> h1
[1] "你干嘛！哎呦,6"

正则表达式

正则表达式说它难吧，感觉又不难，它的内容很多，建议有兴趣读者去搜索R正则表达式，这里介绍几个常用的函数，（简单来说，正则表达式就是找相同的，作用范围非常广）

1.grep() 函数

grep(pattern, x, ignore.case = FALSE, perl = FALSE, value = FALSE,fixed = FALSE, useBytes = FALSE, invert = FALSE)，在向量x中搜索给定的子字符串pattern，返回结果是匹配项的下标
x向量（这里介绍简单的，后面一串参数比较复杂）。

> grep("A",c("a","A","B","b"))   #在向量中搜索A,返回在向量中的位置。
[1] 2

当然还可以进行其他操作，查找对应元素位置，例如：

> a<-c("en","english","glish")  #这里有一个向量
> grep("[an]",a)    #返回有an的元素的位置
[1] 1 2
> grep("l.s",a)   #查找l与s，中间有一个随便的元素，返回2，3
[1] 2 3
> grep("e..l",a)   #查找e至l，中间有两个元素
[1] 2

grep() 函数还有其他用法，各位感兴趣可以自行百度

2.sub(old,new,x)函数 ，gsub()函数

sub(old,new,x)，在x将old换成new,只对查找到的第一个内容进行替换。举例入下：

> a<-c("a","c","d")    
> sub("c","hh",a)			#把c换成hh
[1] "a"  "hh" "d" 

gsub(old,new,x)，在x将所有的old换成new，对查找到的所有内容进行替换，举例如下：

> a1<-c("aac","hhc","sss","cdd")
> gsub("c","b",a1)             #将所有的c换成b
[1] "aab" "hhb" "sss" "bdd"

3.regexpr(pattern,text)、gregexpr(pattern, text)函数

regexpr(pattern, text, ignore.case = FALSE, perl = FALSE,fixed = FALSE, useBytes = FALSE)，返回一个与给出第一个匹配的起始位置的文本长度相同的整数向量，如果没有则返回-1。举例如下：

> a2<-c("asdasdv","wertsdasv","sdvasd")
> regexpr("sdas",a2)  #返回结果，第一个第二个元素有相同的，返回2，第二个第五个开始，第三个无
[1]  2  5 -1
attr(,"match.length")
[1]  4  4 -1
attr(,"index.type")
[1] "chars"
attr(,"useBytes")
[1] TRUE

gregexpr(pattern, text, ignore.case = FALSE, perl = FALSE,fixed = FALSE, useBytes = FALSE)，返回一个与文本长度相同的列表，每个元素的格式与regexpr的返回值相同，除了给出了每个（不相交）匹配的起始位置。举例如下

> a2<-c("asdasdv","wertsdasv","sdvasd")
> gregexpr("sdas",a2)
[[1]]
[1] 2
attr(,"match.length")
[1] 4
attr(,"index.type")
[1] "chars"
attr(,"useBytes")
[] TRUE[[2]]
[1] 5
attr(,"match.length")
[1] 4
attr(,"index.type")
[1] "chars"
attr(,"useBytes")
[1] TRUE[[3]]
[1] -1
attr(,"match.length")
[1] -1
attr(,"index.type")
[1] "chars"
attr(,"useBytes")
[1] TRUE

注：正则表达式有很多使用场景，多用于处理文本，比较复杂，各位感兴趣可自行百度，CSDN上有许多优秀资源

---

数学运算与模拟

这部分介绍部分常用与数学计算与模拟的函数

1.sum()函数，求和函数

> a<-c(1:5)
> sum(a)    #对a中的元素求和
[1] 15

2.prod()函数,求连乘

> a<-c(1:5)
> prod(a)
[1] 120

4.factorial()函数，求阶乘

> factorial(6)
[1] 720

5.max()函数，求最大值，min()函数求最小值，range()函数，同时返回最小值与最大值

> a
[1] 1 2 3 4 5
> max(a)
[1] 5
> min(a)
[1] 1
> range(a)		#同时返回最小值与最大值
[1] 1 5
> c(min(a),max(a))				#同时返回最小值与最大值
[1] 1 5

6.which.max()函数返回最大元素的位置，which.min()函数返回最小元素的位置

> a1<-c(3,5,1,8)
> which.max(a1)    #最大元素位置是4
[1] 4
> which.min(a1)     #最大元素位置是3
[1] 3

7.median()函数，求中位数

> a
[1] 1 2 3 4 5
> median(a)
[1] 3

8.var()函数，计算方差

> a
[1] 1 2 3 4 5
> var(a)
[1] 2.5

9.rev()函数，对元素去逆序列

> a
[1] 1 2 3 4 5
> a<-rev(a)
> a
[1] 5 4 3 2 1

10.sort()函数，将元素按升序排列，order()函数，从小的到大的返回他们各自的位置

> a
[1] 5 4 3 2 1
> a<-sort(a)
> a
[1] 1 2 3 4 5
> a5<-c(11,50,23,37,44)
> order(a5)   #11最小的，位置是1，23第二小，位置是3，第三小37，位置为4·····
[1] 1 3 4 5 2

11.cumsum()函数，累计和，第n个元素是1加到n的和

> a
[1] 1 2 3 4 5
> a<-cumsum(a)
> a
[1]  1  3  6 10 15

12.pmax(a,b)函数返回一个向量，第i个元素是a[i]与b[i]中的最大值、pmin()函数返回一个向量，第i个元素是a[i]与b[i]中的最小值，如：

> a2<-c(1,2,3,4)
> a3<-c(2,4,3,6)
> pmax(a2,a3)  #结果第一个元素是a2[1]与a3[1]两个中的最大值，其他类推
[1] 2 4 3 6
> pmin(a2,a3)
[1] 1 2 3 4

13.match(x,y)函数，返回一个和x的长度相同的向量，表示x中与y中元素相同的元素在y中的位置（没有则返回NA），如：

> a2<-c(1,2,3,4)
> a3<-c(2,4,3,6)
> match(a2,a3)
[1] NA  1  3  2
>  #解析：a2中的第一个元素在a3中没有，返回NA，a2中的第二个元素在a3中的第1个有，返回1，以此类推

14.choose(n,k)，求组合数，从n个中选出k,

> choose(5,3)   #5×4×3÷3÷2÷1=10
[1] 10

15.unique(x),如果x是一个向量或者数据框，则返回一个类似的对象但是去掉所有重复的元素，对于重复的元素只取一个,举例如下：

> a4<-c(1,2,4,5,6,7,7,7,7,4,4,4,2,2,2)
> unique(a4)     #对重复的对象只取一次
[1] 1 2 4 5 6 7

16.union(x,y)函数求x,y并集，intersect(x,y)函数求x,y交集，setdiff(x,y)函数相当于先求x,y交集在求差集，举例如下：

> a5<-c(1,2,3,4,5,6)
> a6<-c(4,5,6,7,8,9)
> union(a5,a6)
[1] 1 2 3 4 5 6 7 8 9
> intersect(a5,a6)
[1] 4 5 6
> setdiff(a5,a6)
[1] 1 2 3
> setdiff(a6,a5)
[1] 7 8 9

17.x%in%y判断x,y向量元素是否相同，相同的返回TRUE，setequal(x,y)函数判断x,y向量是否完全相同，返回逻辑值，举例如下：

> a5<-c(1,2,3,4,5,6)
> a6<-c(4,2,6,4,8,9)
> a5%in%a6
[1] FALSE  TRUE FALSE  TRUE FALSE  TRUE
> setequal(a5,a6)
[1] FALSE
> setequal(c(1,2,3),c(1,2,3))
[1] TRUE

---

R语言画图

此部分只了解两个内容，一是R自带的plot函数画图，二是ggplot2函数

plot函数

R自带的画图工具，R绘图基础图形系统的核心 plot()函数,plot 是一个泛型函数，使用plot 时真正被调用的时函数依赖于对象所属的类。
plot(x, y = NULL, type = "p", xlim = NULL, ylim = NULL,log = "", main = NULL, sub = NULL, xlab = NULL, ylab = NULL,ann = par("ann"), axes = TRUE, frame.plot = axes,panel.first = NULL, panel.last = NULL, asp = NA, ...)
plot函数中有许多的参数，我这里解释基础的部分。
其中x,y指横纵坐标对应的参数

1.图片的保存

保存图片使用下列函数保存PDF文件，PDF文件可以放大后不会模糊。

pdf("文件名.pdf")
#作图语句
dev.off()      #作图完成后关闭，返回结果

1.什么参数都不设置(最简单的散点图)，如

> a<-c(10,15,20,25,30,35)
> b<-c(12,23,27,44,56,63)
> plot(a,b)

结果如下：

2.par()函数图布局

就是Rstudio右下角画图区域，可以设置一个页面多少张图，可以进行布局，默认一张，使用par参数进行设置图布局，par(mfrow=c(行，列)按行排列，par(mfcol=c(行，列)按列排列。
R绘图区域界面公共分为三个部分：outer margins、figure region、plot region。一般情况下，R绘图区域没有out margin区域；标签、轴名称和标题在figure region区域；画的线条之类的都在plot region区域。

这里我直接用代码展示区域，我使用box()函数描绘各区域边框，部分参数如下：

参数	作用
which	在当前图形上绘制边框，参数可以选择 plo他、figure、inner、outer。
col	边框颜色
lwd	边框大小
····	····

> par(oma=c(3,3,3,3))  #请把注意里放在par函数与box函数上，其他函数后面会提及
> lines1<-plot61<-plot(a,b,type="b",pch=23,col="blue",col.axis=2,xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="红色框里的为plot区域",sub="plot61")
> lines2<-lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("topleft",inset=0.05,cex=0.8,title="lines",c("lines1","lines2"),pch=c(23,21),text.col=2)
> text(27,60,"lines1",col="blue")
> text(35,45,"lines2",col="red")
> box(which="plot",col="red",lwd=2)
> box(which="inner",col="black",lwd=4)
> box(which="figure",col="blue",lwd=3)
> box(which="outer",col="green",lwd=5)

红色框内为plot区域，蓝色内部为plot area区域，蓝色与红色之间为margin区域，绿色与蓝色之间为out margin area区域，结果如下：

par有许多参数，其中与plot部分一样，比如：col;lwd;lty;font;cex等，常用参数如下：

参数	作用、
mfcol	分割画图区域，一个大图分割成几个子图，按列绘制子图
mfrow	分割画图区域，一个大图分割成几个子图，按行绘制子图
mgp	设置标题、坐标轴名称、坐标轴距离图形边框的距离，默认是标题为3；坐标轴名称为1；坐标轴为0
oma	设置外边界，oma=c(下，左，上，右)，例如：oma=c(2,3,4,3),下边距2，左边距3，上边距4，右边距3。

#这里看不懂的跳过，后面回来看，这是后面一点的代码，其中参数后面会提及，我这里只举例par函数的用法
> par(oma=c(2,1,2,0.5),col="blue",mgp=c(2,1,0),bg="black")
> lines1<-plot51<-plot(a,b,type="b",pch=23,col="blue",col.axis=2,xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="背景为黑",sub="plot51")
> lines2<-lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("topleft",inset=0.05,cex=0.8,title="lines",c("lines1","lines2"),pch=c(23,21),text.col=2)
> text(27,60,"lines1",col="blue")
> text(35,45,"lines2",col="red")

如果嫌弃Rstudio画图区域太小，还可使用dev.new()函数在外部建一个画图区域（个人感觉这种方式更模糊一点）

3.main :设置主标题，sub:副标题

> plot(a,b,main="主标题位置",sub="副标题位置")

结果如下：

4.type,指线的类型

tybe参数可选值	线条类型
tybe=“p”	点图
tybe=“l”	线图
tybe=“b”	同时绘制点和线
tybe=“c”	仅绘制参数b所示的线
tybe=“o”	同时绘制点和线，且线穿过点
tybe=“h”	绘制出点到横坐标轴的垂直线
tybe=“s”	阶梯图，先横后纵
tybe=“S”	阶梯图，先纵后横
tybe=“n”	空图

举例如下🙅：

> par(mfrow=c(2,2))    #表示画图的布是两行两列的，只能最多画四个图
> plot2<-plot(a,b,type="p",main="点图",sub="plot2")
> plot3<-plot(a,b,type="l",main="线图",sub="plot3")
> plot4<-plot(a,b,type="b",main="点线图",sub="plot4")
> plot5<-plot(a,b,type="c",main="点线图去掉点",sub="plot5")

结果如下：

> par(mfrow=c(2,2))
> plot6<-plot(a,b,type="o",main="同时绘制点和线，线穿过点",sub="plot6")
> plot7<-plot(a,b,type="h",main="绘制出点到横坐标轴的垂直线",sub="plot7")
> plot8<-plot(a,b,type="s",main="阶梯图，先横后纵",sub="plot8")
> plot9<-plot(a,b,type="S",main="阶梯图，先纵后横",sub="plot9")

结果如下：

5.pch : 指定绘制点时使用的符号

21~24号可以指定点的边界颜色(col=)和点的填充色(bg=)
这里举几个例子

> > par(mfrow=c(2,1))
> p1<-plot(a,b,type="b",pch=5,main="例1")
> p2<-plot(a,b,type="b",pch=23,col="red",bg=9,main="例2")

结果如下：

还可以自定义pch,(有些形状不行）

> plot(a,b,type="b",pch="6",col="red",bg=6)

结果如下：

6.`cex : 指定符号的大小，（默认是1）

指定点的大小，如

> plot(a,b,type="b",pch="*",cex=2)

结果如下：

cex家族还可以指定其他部位的大小

参数	作用
cex.axis	坐标轴大小
cex.lab	坐标轴标签的大小
cex.main	主标题大小
cex.sub	副标题大小
举一个例子，如

> plot(a,b,type="b",pch="*",cex.axis=2,cex.lab=2)

结果如下：

绘图时，为了美观，尽量不要改变更改默认值，除非不美观，这里的图为了直观展示，所以画的不太好看

7.lty:指定绘制线条时的类型，lwd:指定线条粗细

• 线条类型

> a1<-c(12,22,32,42,52,62)
> b1<-c(12,22,32,42,52,62)
> par(mfrow=c(3,2))
> plot(a1,b1,type="b",pch="*",lty=1,main="lty=1 实线")
> plot(a1,b1,type="b",pch="*",lty=2,main="lty=2 虚线")
> plot(a1,b1,type="b",pch="*",lty=3,main="lty=3 点线")
> plot(a1,b1,type="b",pch="*",lty=4,main="lty=4 点+短虚线")
> plot(a1,b1,type="b",pch="*",lty=5,main="lty=5 长虚线")
> plot(a1,b1,type="b",pch="*",lty=6,main="lty=6 点+长虚线")

结果如下：

• 线条粗细
  线条粗细使用lwd 参数，直接用数字表示粗细，如

> par(mfrow=c(2,1))
> plot(a1,b1,type="b",pch="*",lty=1,main="lty=1 lwd=1 实线",lwd=1)
> plot(a1,b1,type="b",pch="*",lty=1,main="lty=1 lwd=2 实线",lwd=2)

结果如下：

• 线条颜色
  使用col设置线条颜色

参数	作用
col	默认的绘图颜色（有些函数可以有不同操作）比如：某些函数可以接受一个含有颜色的向量，并自动循环，使用col=c(“blue”,“white”)绘制三条线时，第一条为蓝色，第二条为白色，第三条为蓝色
col.axis	坐标轴刻度文字颜色
col.lab	坐标轴标签的颜色
col.main	标题颜色
col.sub	副标题颜色
fg	图形的前景色
bg	图形的背景色

设置颜色有多种方式，比如通过颜色下标，颜色名称，十六进制颜色值等，
使用colors()函数可以返回查看R中可使用的657中颜色名称.
如：

使用举例如下：

> par(mfrow=c(2,1))
> plot(a1,b1,type="b",pch="*",lty=1,main="线条颜色为blue",col="blue",lwd=1.5)
> plot(a1,b1,type="b",pch="*",lty=1,main="线条颜色为粉红色",col=2,lwd=2)

结果如下：

col参数（部分）举例如下：

> par(mfrow=c(3,2))
> plot11<-plot(a,b,type="b",pch="*",col.axis=2,main="坐标轴刻度颜色为红",sub="plot11")
> plot12<-plot(a,b,type="b",pch="*",col.lab=2,main="坐标轴标签颜色为红",sub="plot12")
> plot13<-plot(a,b,type="b",pch="*",col.main=2,main="标题颜色为红",sub="plot13")
> plot14<-plot(a,b,type="b",pch="*",col.sub=2,main="副标题颜色为红",sub="plot14")
> plot15<-plot(a,b,type="b",pch="*",fg=2,main="图形的前景色为红",sub="plot15")
> plot16<-plot(a,b,type="b",pch=23,bg=2,main="点的类型23，背景色为红",sub="plot16")

结果如下：

8.坐标轴标签

使用xlab与ylab参数设置横纵坐标标签，举例如下：

> par(mfrow=c(2,1))
> plot17<-plot(a,b,type="b",pch="*",xlab="横坐标标签",col.main=2,main="设置横坐标标签举例",sub="plot15")
> plot18<-plot(a,b,type="b",pch="*",ylab="纵坐标标签",col.main=2,main="设置横坐标标签举例",sub="plot16")

结果如下：

9.坐标轴范围

使用xlim与ylim参数设置坐标轴范围，举例如下：

> par(mfrow=c(3,1))
> plot19<-plot(a,b,type="b",pch="*",xlim=c(0,40),col.main=2,main="设置横坐标范围后图例",sub="plot19")
> plot20<-plot(a,b,type="b",pch="*",ylim=c(5,65),col.main=2,main="设置横坐标范围后图例",sub="plot20")
> plot21<-plot(a,b,type="b",pch="*",xlim=c(0,40),ylim=c(5,65),col.main=2,main="设置横纵坐标范围后图例",sub="plot21")

结果如下：

注：我的屏幕太小了，一次画三个图无法展示全纵坐标数值，现提出一个，更直观展示，上面第三个图如下

10.字体设置

使用font参数设置字体。font=1 表示常规字体，2 表示粗体，3 表示斜体，4 表示粗斜体，5 表示符号字体

字体参数	作用
font.axis	坐标轴字体
font.lab	坐标轴标签字体
font.main	主标题字体
font.sub	副标题字体
family	字体家族：“serif”表示衬线，“sans”表示无衬线，“mono”表示等宽

举例如下：

> a2<-c(1,2,3,4,5)
> b2<-c(1,2,3,4,5)
> plot22<-plot(a2,b2,type="b",pch="*",font.axis=4,xlab="横坐标a2",ylab="纵坐标b2",main="坐标轴字体",sub="plot22")
> plot23<-plot(a2,b2,type="b",pch="*",font.lab=4,xlab="横坐标a2",ylab="纵坐标b2",main="坐标轴标签字体",sub="plot23")
> plot24<-plot(a2,b2,type="b",pch="*",font.main=4,xlab="横坐标a2",ylab="纵坐标b2",main="主标题字体",sub="plot24")

结果如下：

> par(mfrow=c(2,2))
> plot25<-plot(a2,b2,type="b",pch="*",font.sub=4,xlab="横坐标a2",ylab="纵坐标b2",main="副标题字体",sub="plot25")
> plot26<-plot(a2,b2,type="b",pch="*",family="serif",xlab="横坐标a2",ylab="纵坐标b2",main="有衬线",sub="plot26")
> plot27<-plot(a2,b2,type="b",pch="*",family="sans",xlab="横坐标a2",ylab="纵坐标b2",main="无衬线",sub="plot27")
> plot28<-plot(a2,b2,type="b",pch="*",family="mono",xlab="横坐标a2",ylab="纵坐标b2",main="等宽",sub="plot28")

结果如下：

11.title()函数

title()函数为图形添加标题和坐标轴标签。举例如下：
注意事项：添加标题与标签是在原基础上添加，如果原先有标题或者标签，则新加入的会与之重叠（下面第二个图），所以在要加入新的标签或标题，要把原先的删掉，我这里直接把原来的赋予空值

> par(mfrow=c(3,1))
> a2<-c(1,2,3,4,5)
> b2<-c(1,2,3,4,5)
> plot29<-plot(a2,b2,type="b",pch="*")
> plot29<-plot(a2,b2,type="b",pch="*")
> title(main="这是标题",sub="这是副标题",xlab="标签1",ylab="标签2")
> plot30<-plot(a2,b2,type="b",pch="*",xlab="",ylab="")
> title(main="这是标题",sub="这是副标题",xlab="标签1",ylab="标签2")

结果如下：

12.abline()函数添加线

在原有图的基础上添加线，可以使用abline()函数abline(a,b,h=x,v=x)，其中 a 表示截距，b 表示斜率， h 表示与横坐标平行的线，v 表示与纵坐标平行的线，如：

> a<-c(10,15,20,25,30,35)
> b<-c(12,23,27,44,56,63)
> par(mfrow=c(2,1))
> plot31<-plot(a,b,type="l",pch="*",col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="水平线",sub="plot31")
> abline(h=c(20,35,55),v=c(15,25),col="red")
> plot32<-plot(a,b,type="l",pch="*",col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="截距为20，斜率为1",sub="plot32")
> abline(a=20,b=1,col="red") #截距为20，斜率为1

结果如下：

13.lines()函数在现有图形上添加线

在现有图形上添加线可以使用lines函数lines(x, y = NULL, type = “l”, …)，举例如下：

> a<-c(10,15,20,25,30,35)
> b<-c(12,23,27,44,56,63)
> plot33<-plot(a,b,type="l",pch="*",col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="添加线",sub="plot33")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",col="red")

结果如下：

14.layout()函数图布局

使用layout()函数划分绘图页面，将一张绘图页面类似于矩阵划分为多个区域，可设置某图形的特定行高与列宽
layout(mat, widths = rep.int(1, ncol(mat)),heights = rep.int(1, nrow(mat))····)
layout.show(n = 1)
lcm(x)
mat为矩阵，用于划分绘图窗口，矩阵里0表示此位置不画图，非零元素从1开始，必须为整数值，非0元素的大小就是绘图顺序，比如1，3，2。先画1，后2位置，后画3位；widths设置上列的宽度，绝对宽度用lcm()指定，相对宽度用数值设置。heights设置行高度，用法与widths一样；n指要绘制图形的数量。
具体举例可以看下面代码例子里

> layout(matrix(c(1,1,2,1,1,3),2,3,byrow=T))  #设置画图区域及顺序
> 
> lines1<-plot51<-plot(a,b,type="b",pch=23,col="blue",col.axis=2,xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="添加文字",sub="plot51")
> lines2<-lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("topleft",inset=0.05,cex=0.8,title="lines",c("lines1","lines2"),pch=c(23,21),text.col=2)
> text(27,60,"lines1",col="blue")
> text(35,45,"lines2",col="red")
> 
> plot49<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字为center图9",sub="plot49")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("center",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot50<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="添加线",sub="plot33")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("bottomleft",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 

结果如下：

15.添加图例

使用legend()函数添加图例
legend(x, y = NULL, legend, col = par(“col”), border = “black”, lty, lwd, pch,text.width = NULL, text.col = par(“col”),text.font = NULL, plot =TRUE,inset = 0, title.col = text.col[1]······· )
这里只介绍简单的图例，参数很多很多，可以自行摸索。
图例有许多的关键字，可以设置关键字放置图例位置，还可以直接点击移动图例（手动设置位置），关键字如：bottom、bottomleft、left、topleft、top、topright、right、bottomright、center。如果用了关键字还可以使用inset参数设置图例向图形内测移动的大小，用绘图取余大小的分数表示。cex设置图例字体大小。
以下举例用于展示使用了关键字，图例显示位置以及展示layout函数使用。

> layout(matrix(c(1,2,3,4),2,2))#列排，按矩阵排法画图，2行2列
> plot41<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字bottom,图1",sub="plot41")  
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("bottom",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot42<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字bottomleft，图2",sub="plot42")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("bottomleft",cex=0.4,inset=0.05,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot43<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字left，图3",sub="plot43")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("left",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot44<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字topleft，图4",sub="plot44")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("topleft",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)

结果如下：

> layout(matrix(c(1,2,3,4,5,0),2,3,byrow=T))  #按行排列绘图
> plot45<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字top，图5",sub="plot45")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("top",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot46<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字topright，图6",sub="plot46")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("topright",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot47<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字为rigth，图7",sub="plot47")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("right",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot48<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字为bottomright，图8",sub="plot48")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("bottomright",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)
> 
> plot49<-plot(a,b,type="l",pch=23,col="blue",xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="关键字为center图9",sub="plot49")
> lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("center",inset=0.05,cex=0.4,title="图例",c("线1","线2"),pch=c(23,21 ),text.col=2)

结果如下：

16.在图上添加文字

使用text()函数可在图形任意位置添加文字。
在图片上标上线条名称,举例如下：

> lines1<-plot51<-plot(a,b,type="b",pch=23,col="blue",col.axis=2,xlim=c(0,40),ylim=c(5,65),col.main=2,col.sub="blue",main="添加文字",sub="plot51")
> lines2<-lines(c(5,10,20,25,32,35),c(5,25,35,45,50,55),type="b",pch=21,col="red")
> legend("topleft",inset=0.05,cex=0.8,title="lines",c("lines1","lines2"),pch=c(23,21),text.col=2)
> text(27,60,"lines1",col="blue")
> text(35,45,"lines2",col="red")

结果如下：

在无法准确获取图片坐标的情况下可以使用函数locator()获取精确坐标，只需运行下面代码，后再图片上点击你想获取坐标的位置，会返回坐标结果。

> locator(1)      #直接回车，点击图片上想获取坐标的位置

17.R的撤销图片操作

使用recordplot()与replayplot()函数保存与撤销操作，解释如下：

> #plot1<-plot(·······)
> chetu<-recordplot()     #记录plot1绘制的图，chetu 这个东西是随便设哈！
> text(········）   #加上文字，不一定是text，还可以其他函数，只要再图上  
>                         #(接上行)进一步操作（plot1）都可以撤回
> replayplot(chetu)   #撤回上一步操作

到这里，R自带的plot函数部分参数介绍到这里，自带的画图函数还是具有局限性，建议使用ggplot2包画图，可以画多种多样的图，美观漂亮，个人感觉ggplot2难一点，参数用法多，这里我就不介绍了（太难讲了，细节太多）。

*****

个人感觉R代码深入学习后具有强烈的创造性，在面对实际应用分析不同数据时具有很高的灵活性。

*****

致读者：本篇文章所有代码为原所创，内容为学完R后的个人总结，文章中的大部分函数因为参数复杂丰富，没有一一举例，所以如果文章内容或代码有问题，欢迎各位大佬评论区留言批评指正，同志们加油！！。